改进的BI低功耗总线编码

低功耗设计是设计者必须面对的最重要的一个挑战,而在VLSI设计中很大一部分功耗是由总线数据传输引起的,所以在CMOS电路中减小总线功耗的途径之一是减小总线上的数据翻转,目前许多编码技术被提出来以减小总线上数据的翻转率。其中,BI编码被广泛应用于数据总线的编码。为了进一步降低数据总线的功耗,在BI编码的基础上可以做一些改进。仿真结果显示,和BI码相比,在总线宽度较大时,针对完全随机的数据,改进的方法能有效减少总线上的数据翻转率。新的编码技术不需要假设数据有任何特性,无论数据宽度多大,仅需要增加2bits信号。

基于多源损失自适应的交通指示灯识别

为了提高交通指示灯信号的识别精度,提出一种基于多源损失自适应的交通指示灯识别方法。该方法采用BI⁃LSTM多层自编码对交通指示灯信号进行特征提取,整合后的特征向量作为新的输入,将数据传输至MLP神经网络,再经过softmax层实现数据样本的分类计算,最后采用梯度下降方法,通过模型训练实现模型参数和自适应参数的优化。与一般深度学习单一损失来源不同,该模型具有三个损失来源,分别是编解码损失、对比损失以及交叉熵损失,模型的总损失是由这三个损失以相应的权重叠加而来,权重参数ζ和β是自适应参数,随着模型的训练,ζ和β进行独立学习,最终达到理想值。结果表明多源损失自适应策略对模型自我优化的有效性,提高了模型识别精度。