简介：

简介：2004年5月20日，Altera公司正式推出NiosⅡ集成开发环境(IDE)。NiosⅡIDE基于开放和可扩展的Eclipse平台，不仅可以将通用用户界面和业界最好的开发环境完美结合，还能够与第三方工具无缝地集成在一起。随着NiosⅡIDE的面世，Altera将充分利用其优势并支持Eclipse开放框架。Eclipse已经成为主要嵌入式工具提供商选用的平台，如WindRiver和QNX。

简介：环境变量是Windows系统中用来指定运行环境的一些参数，它包含系统及当前登录用户的环境信息字符串。当用户运行某些程序时．系统除了会在当前文件夹中寻找某些文件外．还会到环境参数的默认路径中去查找程序运行时所需要的系统文件。例如，当运行某个安装程序时．安装文件会自动找到temp文件夹来放置临时文件而不需要用户去指定。

简介：天气越来越热了，这对于大多数笔记本电脑用户而言可不是什么好消息——笔记本电脑运行时间一长难免会温度过高，有时还会因此造成系统死机或崩溃，同时也会一定程度上加快笔记本内部各种部件的老化速度。为备战酷暑。打造最强笔记本散热现在就要开始!

简介：以前在网上看到过在PC上模拟西门子手机的软件，最近一次在baidu中无意的搜索，竟然发现在PC上可以模拟K700的运行环境。试想，如果通过这个软件来运行手机中所有的游戏和应用程序是多么兴奋的事情啊?本着好东西大家一起分享的原则，下面就向大家介绍一下这个模拟器。

简介：在静止、复杂背景的运动目标检测算法中，减背景技术是高效的方法。大多数背景建模和背景更新运算量大，本文将目标的边缘特征融入到减背景算法中，通过对离散的目标边缘梯度进行网格密度连通域判断来提取目标。实验结果表明，该算法可以有效地减小光线变化、噪声等影响，程序优化后系统运算速度提高，能够实时地对运动目标进行检测。

简介：通常使用Microchip的PIC单片机(MCU)并利用MPLAB生态系统进行开发工作的设计人员现在可以轻松评估AVRMCU,并将其融入到应用中。美国微芯科技公司(MicrochipTechnologyInc)推出MPLABX集成开发环境(IDE)5.05版,目前暂属测试版,但可支持大部分AVRMCU。未来的MPLAB版本还将加入更多增强的功能以及对其他AVRMCU的支持。

简介：针对我国敬老院及其类似机构设备陈旧、技术落后、助老助残效果不佳等问题，采用全面网络化监控理念，组建了将以太网、WLAN及RFID融合的生理参数监测、实时定位网络，结合视频监视实现了对老人全方位、全天候的联动监护；将Ethernet／IP（以太网／工业协议）引入监控网络，确保了通信的可靠性和实时性；利用VC＋＋和SQLServer开发了执行效率高、数据安全性好的监控软件。为敬老院等机构提供了一套全面、可行的网络化监控策略。

简介：企业上云，是顺应数字经济发展潮流，加快企业数字化转型，提高创新能力、业务实力和发展水平的重要路径。服务于企业数字化创新的私有云平台，需要资源架构、数据架构和应用架构三个层面的全面变革。本文提出的私有云基于主流开源技术整合优化，提供了全栈的解决方案。未来，私有云将继续沿着标准化、全栈化名和务化的方向．将更多的基础能力与业务解耦、平台化，实现按需供给，进一步解放业务团队，为更多的场景景业务负载提供支持．驱动企业数字化创新。而从技术架构本身来看，私有云平台在可用性、稳定性、可靠性、性能、可扩展性、成本等方而的优化，仍将是一条没有止境的路。

简介：研究基于深度强化学习技术的避障场景的算法模型设计，采用改进岛深度Q网络（DeepQ-lesrningNet-work，DQN）算法克服了Q-learning表名式算法在连续状态下导致内存不足的局限性。鉴于学习过程中奖励稀疏导致很艰难获得较好结果的情况，改进奖利机制，增知实时奖惩作为补充，解决学习耗时长和练不稳定的问题：采用相对角度、位置金和距离等信息，相比绝对坐标信息可以更有效的躲障碍物。不同于基于栅格法／可视图法等传统人为策略避障算法，深度强化学习算法DQN能够在缺乏先验知识的条件下具备自主决策能力，因此适用性更强。该技术可应用在仓储无人车、巡佥机器人、无人机等现实场景。

简介：

简介：在工业物联网高速发展的同时，伴随着网络安全威胁的急逮攀升，准确检测到威胁工业物联网安全的入侵行为是极其重要的。本文简要分斩了工业物联网所面临的网络安全问题，采用了6种基于机器学习算法的入侵检测技术，并对应用效果进行对比分析。通过实验验证了入侵检测的有效性，并对下一阶段的研究方向做出了展望。

简介：当今电子系统设计环境采用自上向下的设计方法,在设计周期、系统性能和成本三者之间取得了更好的设计权衡.本文在吸取现有设计方法的基础上,提出了一个新的设计流程,建立了一个新的设计环境ASEDA.

简介：深度学习算法在物联网终端设备上的应用存在着系统开销控制与保证精度和实时性之间平衡的问题。本文提出了一种在云和终端设备上分布式混合部署深度学习神经网络的方法:压缩深度神经网络在本地终端上执行快速的推理运算;当系统基于可信表现的判断标准需要进一步处理时,中间数据可传输至云服务器端,进一步利用云端的深层深度神经网络进行处理,以提高系统的表现精度。本文给出了深度神经网络在终端设备上部署时和在终端与云端上混合部署时进行推理运算的量化比较效果,结果显示此种方法兼顾了深度神经网络的系统开销和准确率。

简介：介绍了平时生活中各种不同设备的遥控带来不少麻烦和问题，而现有的万能遥控器数据压缩率低、响应时间长、学习类型少。通过分析研究，针对红外、无线这两种主流的遥控方式，进一步提出一种基于低功耗32位单片机EFM32GG230的自学习系统，对红外无线数据进行压缩存储，并通过多通道转发电路进行信号发射。本系统具有低功耗、自学习范围广、信号集中控制、数据压缩率高、一键多发多控等优点，可以为人们的生活带来便利，让遥控不再繁杂。