<pre id="adudm"><nav id="adudm"></nav></pre>

<span id="adudm"><output id="adudm"><nav id="adudm"></nav></output></span>
    <span id="adudm"><output id="adudm"></output></span>
    1. <legend id="adudm"></legend>
      <cite id="adudm"></cite>

      1. <legend id="adudm"></legend>

          位置:51電子網 » 企業新聞

          XC5VLX110-2FFG676C

          發布時間:2019/8/5 9:40:00 訪問次數:43 發布企業:深圳市萊利爾科技有限公司

          XC5VLX110-2FFG676C數據列表 Virtex-5 FPGA Datasheet;
          Virtex-5 FPGA User Guide;
          Virtex-5 Family Overview;
          標準包裝 1
          包裝 托盤
          零件狀態 在售
          類別 集成電路(IC)
          產品族 嵌入式 - FPGA(現場可編程門陣列)
          系列 Virtex®-5 LX


          規格
          LAB/CLB 數 8640
          邏輯元件/單元數 110592
          總 RAM 位數 4718592
          I/O 數 440
          電壓 - 電源 0.95V ~ 1.05V
          安裝類型 表面貼裝
          工作溫度 0°C ~ 85°C(TJ)
          封裝/外殼 676-BBGA,FCBGA
          供應商器件封裝 676-FCBGA(27x27)


          文檔
          設計資源 Development Tool Selector
          HTML 規格書 Virtex-5 FPGA Datasheet
          Virtex-5 Family Overview
          PCN 設計/規格 Cross-Ship Lead-Free Notice 31/Oct/2016

          · 對于頻率域和時域,特征都應該盡可能完整地描述環境,提供盡可能多的細節。它們必須描述靜止的嗡嗡聲,以及咔噠聲、

          嘩啦聲、吱吱聲和任何瞬間變化的聲音。



          · 特征應盡可能按正交方式構成一個集合。如果一個特征被定義為“塊上的平均振幅”,那么就不應該有另一個特征與之高度相

          關,例如“塊上的總光譜能量”。當然,正交性可能永遠無法實現,但不應將任何一種表述為其他特征的組合,每種特征都必須

          包含單一信息。



          · 特性應該最小化計算量。我們的大腦只知道加法、比較和重置為 0。大多數 OtoSense 特性都被設計成增量,這樣每個新示

          例都可以通過簡單的操作修改特性,而不需要在完整的緩沖區,或者更為糟糕的,在塊上重新進行計算。最小化計算量還意味

          著可以忽略標準物理單元。例如,嘗試用值(以 dBA 為單位)表示強度是沒有意義的。如果需要輸出 dBA 值,則可以在輸出時

          完成(如果必要)。



          在 OtoSense 平臺的 2 到 1024 個特性中,有一部分描述了時域。它們要么是直接從波形中提取,要么是從塊上任何其他特性

          的演化中提取。在這些特性中,有些包括平均振幅和最大振幅、由波形線性XC5VLX110-2FFG676C長度得到的復雜度、振幅變化、脈沖的存在與否和

          其特性、第一個和最后一個緩沖區之間相似性的穩定性、卷積的超小型自相關或主要頻譜峰值的變化。



          在頻域上使用的特性提取自 FFT。FFT 在每個緩沖區上計算,產生從 128 到 2048 個單獨頻率的輸出。然后,該過程創建一個

          具有所需維數的向量,該向量比 FFT 小得多,但仍能細致地描述環境。OtoSense 最初使用一種不可知的方法在對數頻譜上創

          建大小相同的數據桶。然后,根據環境和要識別的事件,這些數據桶將重點放在信息密度高的頻譜區域,要么是從能夠熵最大

          化的無監督視角,要么是從使用標記事件作為指導的半監督視角來判斷。這模擬了我們的內耳細胞結構,在語言信息密度最大

          的地方,語音細節更密集。



          結構:支持終端和本地數據


          OtoSense 在終端位置實施異常檢測和事件識別,無需使用任何遠程設備。這種結構確保系統不會受到網絡故障的影響,且無

          需將所有原始數據塊發送出去進行分析。運行 OtoSense 的終端設備是一XC5VLX110-2FFG676C種自包含系統,可以實時描述所鑒聽設備的行為。



          聽懂聲音——ADI公司的人工智能如何大幅延長設備的正常運行時間


          圖1.OtoSense 系統。


          運行 AI 和 HMI 的 OtoSense 服務器一般托管在本地。云架構可以將多個有意義的數據流聚合成為 OtoSense 設備的輸出。對

          于一個專門處理大量數據并在一個站點上與數百臺設備交互的 AI 來說,使用云托管的意義不大。



          從特性到異常檢測


          正常/異常評估無需與專家進行太多交互。專家只需要幫忙確定表示設備聲音和振動正常的基線。然后,在推送給設備之前,

          先將這個基線在 Otosense 服務器上轉換為異常模型。



          然后,我們使用兩種不同的策略來評估傳入的聲音或振動是否正常:


          · 第一種策略是我們所說的“常態性”,即檢查任何進入特性空間的新聲音的XC5VLX110-2FFG676C周圍環境、它與基線點和集群的距離,以及這些集

          群的大小。距離越大,集群越小,新的聲音就越不尋常,異常值也就越高。當這個異常值高于專家定義的閾值時,相應的塊將

          被標記為不尋常,并發送到服務器供專家查看。



          · 第二種策略非常簡單:任何特性值高于或低于特性定義的基線的最大值或最小值的傳入塊都被標記為“極端”,并發送到服務

          器。



          異常和極端策略的組合很好地涵蓋了異常的聲音或振動,這些策略在檢測日漸磨損和殘酷的意外事件方面也表現出色。


          從特征到事件識別


          特征屬于物理領域,含義屬于人類認知。要將特征與含義聯系起來,需要 OtoSense AI 和人類專家之間展開互動。我們花了

          大量時間研究客戶的反饋,開發出人機界面 (HMI),讓工程師能夠高效地與 OtoSense 交互,設計出事件識別模型。這個 H

          MI 允許探索數據、標記數據、創建異常模型和聲音識別模型,并測試這些模型。



          OtoSense Sound Platter(也稱為 splatter)允許通過完整概述數據集XC5VLX110-2FFG676C探索和標記聲音。Splatter 在完整的數據集中選擇最有趣

          和最具代表性的聲音,并將它們顯示為一個混合了標記和未標記聲音的 2D 相似性地圖。

          上一篇:WM-BAN-BM-13

          下一篇:XC7Z045-2FFG900C

          相關新聞

          相關型號



          日日夜夜鲁