摘要：非一致Cache体系结构(NUCA)几乎已经成为未来片上大容量Cache的发展方向。本文指出同构单芯片多处理器的设计主要有多级Cache设计的数据一致性问题,核间通信问题与外部总线效率问题,我们也说明多处理器设计上的相应解决办法。最后给出单核与双核在性能、功耗的比较,以及双核处理器的布局规划图。利用双核处理器,二级Cache控制器与AXI总线控制器等IP提出一个可供设计AXI总线SoC的非一致Cache体系结构平台。

摘要：介绍地铁车站空调水系统三种不同的供冷方式及其特点,通过对不同供冷方式的初投资、运行费用和寿命周期总费用进行对比分析,为地铁车站空调水系统供冷方式的选择提供合理化建议。

摘要：诸多神经网络模型已被证明极易遭受对抗样本攻击。对抗样本则是攻击者为模型所恶意构建的输入,通过对原始样本输入添加轻微的扰动,导致其极易被机器学习模型错误分类。这些对抗样本会对日常生活中的高要求和关键应用的安全构成严重威胁,如自动驾驶、监控系统和生物识别验证等应用。研究表明在模型的训练期间,检测对抗样本方式相比通过增强模型来预防对抗样本攻击更为有效,且训练期间神经网络模型的中间隐层可以捕获并抽象样本信息,使对抗样本与干净样本更容易被模型所区分。因此,本文针对神经网络模型中的不同隐藏层,其对抗样本输入和原始自然输入的隐层表示进行统计特征差异进行研究。本文研究表明,统计差异可以在不同层之间进行区别。本文通过确定最有效层识别对抗样本和原始自然训练数据集统计特征之间的差异,并采用异常值检测方法,设计一种基于特征分布的对抗样本检测框架。该框架可以分为广义对抗样本检测方法和条件对抗样本检测方法,前者通过在每个隐层中提取学习到的训练数据表示,得到统计特征后,计算测试集的异常值分数,后者则通过深层神经网络模型对测试数据的预测结果比较,得到对应训练数据的统计特征。本文所计算的统计特征包括到原点的范数距离L2和样本协方差矩阵的顶奇异向量的相关性。实验结果显示了两种检测方法均可以利用隐层信息检测出对抗样本,且对由不同攻击产生的对抗样本均具有较好的检测效果,证明了本文所提的检测框架在检测对抗样本中的有效性。

摘要：以某教学楼空调系统为研究对象,对冷水机组提前关机产生的节电量进行了分析,总节电量为利用房间剩余冷量与利用冷水剩余冷量节电量之和。单纯利用房间剩余冷量提前关闭冷水机组,对次日空调系统能耗影响较小,关机时冷负荷越大,节电量越高。单纯利用冷水剩余冷量提前关闭冷水机组,虽然可降低当日空调系统能耗,但增加了次日空调系统能耗,因此不是在所有的情况下都节能。随着冷水机组开停时间间隔的延长,利用冷水剩余冷量产生的节电量随之增加,因此利用冷水剩余冷量节电适合于开停机时间间隔较长的空调系统。