解決方案 使用集成MOSFET限制電流的簡單方法[電源技術][工業自動化] 電子電路中的電流通常必須受到限制。例如，在USB端口中，必須防止電流過大，以便為電路提供可靠的保護。同樣，在充電寶中，必須防止電池放電。放電電流過高會導致電池的壓降太大和下游設備的供電電壓不足。 發表于：4/20/2023 5:36:00 PM 適用于運輸領域的SiC：設計入門[EDA與制造][汽車電子] 在這篇文章中，作者分析了運輸輔助動力裝置（APU）的需求，并闡述了SiC MOSFET、二極管及柵極驅動器的理想靜態和動態特性。 發表于：4/19/2023 6:06:00 PM 氮化鎵 （GaN） 帶來電源管理變革的 3 大原因[電源技術][數據中心] 氮化鎵技術，通常稱為 GaN，是一種寬帶隙半導體材料，越來越多地用于高電壓應用。這些應用需要具有更大功率密度、更高能效、更高開關頻率、更出色熱管理和更小尺寸的電源。除了數據中心，這些應用還包括 HVAC 系統、通信電源、光伏逆變器和筆記本電腦充電電源。 發表于：4/18/2023 11:42:00 PM 訓練卷積神經網絡：什么是機器學習？——第二部分[人工智能][工業自動化] 本文是系列文章的第二部分，重點介紹卷積神經網絡（CNN）的特性和應用。CNN主要用于模式識別和對象分類。在第一部分文章《卷積神經網絡簡介：什么是機器學習？——第一部分》中，我們比較了在微控制器中運行經典線性規劃程序與運行CNN的區別，并展示了CNN的優勢。我們還探討了CIFAR網絡，該網絡可以對圖像中的貓、房子或自行車等對象進行分類，還可以執行簡單的語音識別。本文重點解釋如何訓練這些神經網絡以解決實際問題。 發表于：4/18/2023 11:30:00 PM 全閃存數據中心的夢想正在慢慢實現[嵌入式技術][數據中心] 2011 年，當 Pure Storage 為任務關鍵型數據中心發表了第一套足夠強大、且經濟的全閃存存儲陣列時，引起了市場與客戶的關注。從此，Pure 便立志要實現全閃存數據中心的夢想。 發表于：4/18/2023 10:42:00 PM 使用虛擬實驗設計加速半導體工藝發展[EDA與制造][工業自動化] 摘要：虛擬DOE能夠降低硅晶圓測試成本，并成功降低DED鎢填充工藝中的空隙體積。 發表于：4/18/2023 10:19:00 PM 算法排程：解決制藥排程危機[人工智能][數據中心] 排程員必須花費多少時間來處理數據？從車間的操作員處收集最新數據是他們“日常工作”的一部分，但卻被無休止的電話、郵件和短信來來回回而延誤數據采集。所有這些因素都會給排程員帶來巨大的消耗，并因變更沒有得到足夠快的響應而導致生產受挫。 發表于：4/18/2023 1:04:00 AM 混合信號PCB布局設計的基本準則[EDA與制造][消費電子] 本文詳細說明在設計混合信號PCB的布局時應考慮的內容。本文將涉及元件放置、電路板分層和接地平面方面的考量。本文討論的準則為混合信號板的布局設計提供了一種實用方法，對所有背景的工程師應當都能有所幫助。 發表于：4/18/2023 12:00:00 AM 現代 ADAS 架構通信協議[嵌入式技術][汽車電子] 本文介紹了四種汽車通信協議：以太網、FPD-Link? 技術（專有汽車串行器/解串器 （SerDes） 協議）、CAN 總線和PCIe 總線，突出了每種技術的核心細微差別，并提供了這些技術支持現代汽車駕駛員輔助系統 （ADAS） 架構的示例和功能。 發表于：4/17/2023 11:33:00 PM 卷積神經網絡簡介：什么是機器學習？——第一部分[人工智能][工業自動化] 隨著人工智能（AI）技術的快速發展，AI可以越來越多地支持以前無法實現或者難以實現的應用。本系列文章基于此解釋了卷積神經網絡（CNN）及其對人工智能和機器學習的意義。CNN是一種能夠從復雜數據中提取特征的強大工具，例如識別音頻信號或圖像信號中的復雜模式就是其應用之一。本文討論了CNN相對于經典線性規劃的優勢，后續文章《訓練卷積神經網絡：什么是機器學習？——第二部分》將討論如何訓練CNN模型，系列文章的第三部分將討論一個特定用例，并使用專門的AI微控制器對模型進行測試。 發表于：4/17/2023 10:34:00 PM ?…55565758596061626364…?
