Webinar首页 即将举办 按时间点播 按分类点播 按厂商点播 会议流程 问题集锦 在线帮助
您所在的位置:首页 > 按关键词点播

按关键词点播 > te

Soitec Auto Power-SOI-助力具有高功能安全性和新的48V低压架构要求的下一代智能电源IC

时间:2023年08月22日 10:00        

简介: Soitec助力电动和自动驾驶汽车。其半导体产品可解放出更高的能源效率和性能,支持更加永续的汽车和工业产品及平台。了解Soitec的Auto Power-SOI产品系列如何有效地解决并满足汽车和工业行业最新趋势的关键挑战。此外,探讨Auto Power-SOI如何解决汽车和工业市场为更加智能、更安全和更加永续的功率IC器件中的高电压和低电压功能的集成要求。...

TE提供简单可靠密封连接方案,应对多重设计挑战。

时间:2023年01月04日 10:00        

简介: 工程师们需要在设计中考虑防水密封保护和产品的耐用性 ,此外,还会面临其他多重挑战。TE密封型连接器提供了更简化的组装,各种防水密封产品,可以满足当今工程师面临的各种具有挑战性的设计要求,为复杂的应用需求提供解决方案。除防水密封型连接器产品外,我们还提供各种热缩管,可以为后端连接器密封、连接器到电缆过渡等应用提供密封、防护和绝缘。 关于公司: TE Connectivity (以下简称“...

Teledyne e2v的耐辐射宇航级DDR4推动高吞吐量星载实时处理方案的发展

时间:2022年12月15日 10:00        

简介: 近年来,高吞吐量卫星发展非常迅速,逐渐成为未来卫星产业发展的重要方向。高速星载实时处理方案,以及大带宽数据的快速压缩与存储是实现下一代高吞吐卫星的核心,而高可靠性、大容量、高速、耐辐射的宇航级存储器则是保证方案的性能和可靠性的关键器件之一。Teledyne e2v作为一家专注于航空航天及高可靠性领域的知名半导体厂商, 数十年来一直紧密贴合市场需求并致力于先进技术的创新与开发,拥有丰富的宇航产品的研...

车队远程信息处理技术高性能设计的关键考量

时间:2022年11月22日 10:00        

简介: ●围绕着互联化、信息化、电气化、无线物联技术等领域的持续投入,商用车市场将呈现怎样不同以往的竞争格局? ●在商用车转型的关键领域中,如远程信息处理和后装市场应用中,企业应如何布局强化车辆管理并提升盈利能力? ●从“执行者”变成“赋能者”,连接器和天线如何影响整个车联网产业的发展? ●从产品研发、市场规模等方面为您提供天线和连接器的产品解决方案。 关于公司: TE Connectivi...

AI模型开发技术与OpenVINO优化策略第二部分教程八

时间:2021年12月24日 14:00        

简介: 在本次的课程中,高老师将为大家带来ML的创作技能——补值(Imputation) *从补值、插值到创作 *善用AE(Attoencoder)模型 *AE的学习和推论 *AE补值的原理 *AE补值的计算过程 *范例实现-1——AE也能拥有经验直觉 *范例实现-2——使用OpenCV的AI插值 *优化模型:使用OpenVINO优化器 *测试模型:使用OpenVINO推论引擎...

AI模型开发技术与OpenVINO优化策略第二部分教程七

时间:2021年12月17日 14:00        

简介: 本节课程中,高老师将为大家带来化解维度灾难——活用自编码器的课程 *认识维度灾难:以基因医学GWAS为例 *认识GWAS(全基因组关联分析) *认识SNP(单核苷酸多态) *GWAS新焦点:Epistasis *GWAS与机器学习 *活用SAE——堆栈自编码(Stacked Autoencoder) *范例实现-1——单层AE+分类器 *范例实现-2——Stacked AE+分类器...

AI模型开发技术与OpenVINO优化策略第二部分教程六

时间:2021年12月10日 10:00        

简介: 本节课程中,高老师将从以下几方面为大家带来自编码器(AE)的内容 *小而美的自编码器(AE) *复习分类器 *开始创作之旅——组合两个分类器 *组合成为深度学习模型 *设计出自编码器(Autoencoder) *AE的过滤和降维效果 *范例实现-1——简单AE *范例实现-2——多层AE *优化模型:使用OpenVINO优化器 *测试模型:使用OpenVINO推论引擎...

AI模型开发技术与OpenVINO优化策略第二部分教程五

时间:2021年12月03日 14:00        

简介: 本节课程中,高老师将以分类器为例,为大家介绍深度神经网络 *认识神经网络(Neural Network) *分类器的NN模型 *复习:空间对应 *神经网络的空间对应 *范例实现-1:AI建模的三个视角 *范例实现-2:深度神经网络 *优化模型:使用Model Optimizer *使用推论引擎...