扫码加入

算法

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论
  • 6G专题 | 后量子密码算法在6G网络中的应用研究
    从2019年实质性研究启动,到2023年国际电信联盟发布愿景文件,再到2025年6G标准元年确立,6G正从前沿理念加速照进现实。步入2026年,6G发展进一步迈入技术与标准完善的关键时期,尽管业界已就6G初步形成共识,但诸多基础性、关键性难题仍亟待破解。为此,《通信世界》特策划“6G关键技术深潜”专题,聚焦系统架构创新、技术路径探索、融合能力提升等话题展开深度探讨,以期为产业发展提供参考与启示。
    6G专题 | 后量子密码算法在6G网络中的应用研究
  • 汽车多总线数据采集:挑战、架构与同步策略一文全解析
    一、引言 每一次极端天气下的紧急制动,每一段复杂路况中的精准识别,本质都在考验算法对现实世界的适应能力。因此,我们可以看到在智能辅助驾驶从“功能验证”到“场景攻坚”的关键阶段,真实、高质量的数据是算法性能提高的基石。尤其在极端天气、颠簸路面和电磁干扰等恶劣工况下,如何实现多源传感器数据的高可靠采集、高精度同步与高效率处理,是行业中常遇到的难题。 下文将结合行业实践,系统拆解多总线(CAN/LIN/
  • Ubuntu:算法自动化测试平台搭建
    本文介绍了一个简易的算法测试平台的搭建过程,重点在于提供一个清晰的设计思路和技术要点。平台基于 Django、MySQL 和 Docker 技术栈构建,涵盖了环境配置、数据库设置、前端布局和图片应用等方面。通过搭建基础应用和扩展功能模块,实现了算法测试的基本流程,包括测试项目、测试计划、执行测试和测试归档等功能。整体设计简洁高效,适合中小型团队使用。
    1049
    01/18 08:55
  • 自动驾驶真正的安全瓶颈,到底卡在哪?——不是算法,而是“系统安全闭环”
    自动驾驶安全的核心问题是系统无法证明自己的安全性。三大瓶颈包括:失效模式复杂且难以预测;人机交互是最薄弱的安全环节;缺乏运行中的安全闭环能力。解决方法应从设计安全转向运行安全,从人兜底转向系统自兜底,从功能正确转向行为可解释。最终目标是让系统在不确定情况下能够自我判断并采取适当措施。
    自动驾驶真正的安全瓶颈,到底卡在哪?——不是算法,而是“系统安全闭环”
  • 如何做好全自动化ADAS 高精度标注?
    一、引言 在ADAS(高级辅助驾驶)开发领域,高质量的标注数据是算法迭代的核心基础。然而,传统依赖人工标注的模式通常成本高昂、周期漫长,每年投入可达数百万美元,处理时间往往需要数月,严重制约了研发效率与项目推进速度。 这正是本文介绍的aiData Auto Annotator 解决方案的核心价值:由 aiMotive 打造的强大自动化工具,旨在大幅降低标注成本并缩短处理时间。当路测数据采集完成后,
  • 嵌入式算法13---大数据变长存储算法
    对于高精度采样结果,其数值最大可能需要3字节,最少1字节,采用标准C的基础数据类型,U16太小无法满足需求,U32则浪费内存。当样本量很大时,其占用的空间问题便突显出来。能否采用变长数据类型存储呢?对小数据采用U8,大数据采用U32,随着数值大小动态分配存储空间,就是本文的讨论的重点。
    367
    2025/12/21
  • 【新品解读】5G/6G 基带系统级验证,AXVU13G 如何缩短高速系统研发周期
    在高速光链路验证、5G/6G 基带原型、或复杂测试测量系统中,工程团队常常面临“链路跑不满速、算法跑不动、系统验证周期长”的困境。AXVU13G 为此提供了完整解决方案:高速接口、海量 DSP 与逻辑、丰富扩展,让你的验证与原型一站式完成。 强大计算资源:支撑大型算法、基带与采集系统原型 AXVU13G 核心板采用 AMD Virtex Ultrascale+ XCVU13P 大规模 FPGA:
    722
    2025/12/16
  • 配网行波故障预警与定位装置怎么验证算法交叉
    江苏宇拓电力科技来跟大家聊一聊配网行波故障预警与定位装置YT/XJ-001怎么验证算法交叉。 配网行波故障预警与定位装置YT/XJ-001的算法交叉验证,是指通过多算法协同研判与多维度数据校验,确保不同算法对同一故障场景的诊断结果一致,或通过算法间的逻辑互补提升故障辨识与定位的可靠性。装置需结合配网“多T接、架空电缆混架、小电流接地”等复杂特性,围绕故障定位、接地选线、隐患监测三大核心功能,构建“
  • 推理新范式:动态效能算法让算力资源实现最大化
    GPU不再只是静态资源,而是可运营、可定价、可持续经营的资产。随着推理时代的到来,算力成为跨地域、跨架构、跨属权的综合体系,要求实时、动态、按业务优先级调度。传统的调度平台无法满足这一需求,因此需要新的调度系统来解决模型结构差异、推理链路时延等问题。矩量无限的开物算力调度系统融合了Kubernetes动态资源分配技术,通过自学习算力适配器将异构国产GPU资源转化为动态标准化的“算力能力单元”,实现了基于任务实际需求的目标导向按需调度,显著提高集群资源利用率和运行稳定性。该系统已在国产GPU卡上得到规模验证,并应用于多个千卡智算中心。
    750
    2025/11/13
    推理新范式:动态效能算法让算力资源实现最大化
  • 讲讲如何实现高保真虚拟数据集生成
    一、前言 在自动驾驶感知系统的研发过程中,模型的性能高度依赖于大规模、高质量的感知数据集。目前业界常用的数据集包括 KITTI、nuScenes、Waymo Open Dataset 等,它们为自动驾驶算法的发展奠定了重要基础。 然而,构建真实世界的感知数据集并非易事——不仅需要投入大量人力、物力与时间成本,还需要面对数据采集受限、隐私合规、标注耗时以及极端场景(corner case)难以获取等
  • 一文拆解SiL测试痛点,讲清全研发周期SiL验证方案如何做!
    01、引言 在自动驾驶系统的研发过程中,如何平衡创新速度与系统可靠性,是每个工程团队都必须面对的核心挑战。 团队常常面临着来自两个维度的具体痛点:在本地开发阶段,工程师们常常受限于HiL测试资源紧张、调试成本高昂、算法早期验证困难等问题;而在规模化测试阶段,团队又面临着测试周期过长、CI/CD集成困难、资源利用不平衡等新的挑战。这些痛点严重制约了自动驾驶技术的迭代速度和质量保障。 本文将从这些实际
  • 都AI时代了,如何告别安防监控关键时刻掉链子?
    城市的各个角落逐渐被安防摄像头覆盖,智慧安防的前沿探索也正不断逼近现有存储系统下的性能瓶颈,一场由数据驱动的系统性变革正悄然发生。AI的深度融合,让监控从“被动记录”转向“主动洞察”,这不仅催生了海量非结构化数据,更对数据的实时性、完整性及存储的可靠性提出了前所未有的严苛要求。
    都AI时代了,如何告别安防监控关键时刻掉链子?
  • 电缆行波故障定位装置的算法动态阈值调整
    今天江苏宇拓电力科技来跟大家聊一聊电缆行波故障定位装置YT/XD-001的算法动态阈值调整。 电缆行波故障定位装置YT/XD-001的算法动态阈值调整,是指装置根据电缆线路的实时运行状态(如负荷水平、环境条件、故障类型),通过算法自动优化故障判断阈值,以适应不同工况下的信号特征差异,避免固定阈值导致的误判或漏判,提升故障识别与定位的准确性。该技术依托实时数据采集与历史模型分析,实现阈值的动态适配,
  • 人工智能核心算法演进:从传统搜索到深度学习,技术路径全解析
    人工智能技术正在以前所未有的速度发展,但其核心算法的基本原理却经历了数十年的沉淀与演进。从早期的搜索算法到如今的深度学习,AI技术背后是一系列精妙而强大的数学工具和计算模型。本文将带您深入探讨当前最受关注的人工智能核心算法及其应用前景。
    人工智能核心算法演进:从传统搜索到深度学习,技术路径全解析
  • 启扬RK3588基于Yolov5的目标识别演示
    YOLO是一种基于深度神经网络的目标检测算法,用在图像或视频中实时识别和定位多个对象。在其各个版本的迭代中,YOLOv5凭借易用性和性能平衡在工业、 医疗、农业、零售等领域被广泛的应用。本文以启扬RK3588开发板为例,运行基于 YOLOv5 的先进目标检测模型。 01、下载RKNN相关的仓库 新建目录存放RKNN仓库,下载RKNN-Toolkit2和 RKNN_Model_Zoo 仓库。 #新建
  • 基于多策略自适应差分正余弦算法的多机器人路径规划Multi-robot path planning
    最近进行了使用各种元启发式算法进行多机器人路径规划的研究。其中一种算法正弦余弦算法(SCA)不能在路径规划问题中产生令人满意的结果,由于单一的更新策略。有必要采用多种更新策略,并针对更广泛的问题提高其性能。我们提出了一种新的多策略自适应微分正弦余弦算法(sdSCA),它使用策略池,并允许更频繁地选择策略,从而导致更好的解决方案,将sdSCA应用于具有静态和动态障碍物的复杂环境中的在线多机器人路径规划。
  • 2025年新算法-混沌进化优化 附完整MATLAB代码
    提出了一种受混沌动力学启发的新颖的基于种群的元启发式算法,称为混沌进化优化(CEO)。CEO的主要灵感来自二维离散忆阻映射的混沌进化过程。通过利用忆阻映射的超混沌特性,对CEO算法进行数学建模,引入进化过程的随机搜索方向。该算法于2025年3月最新发表在
  • 自动驾驶汽车如何准确识别小物体?
    自动驾驶汽车在识别小物体方面面临诸多挑战,包括体积小、对比弱、遮挡严重等问题。尽管传感器如相机、激光雷达、毫米波雷达各有优势,但小物体检测仍需综合多种传感器和先进算法。感知融合和算法优化是关键,涉及多模态数据融合、时空信息整合和专门针对小目标的优化策略。未来,随着技术进步,自动驾驶系统将更稳健应对小物体检测难题。
    自动驾驶汽车如何准确识别小物体?
  • 自主工具链助力端到端组合辅助驾驶算法验证
    算法介绍 传统组合辅助驾驶算法一般分为感知定位、决策规划、控制三部分功能,将传感器数据输入后,经算法处理,输出控制指令。传统组合辅助驾驶算法中的决策规划模块,通过规则代码迭代来应对不同场景,无法彻底解决越来越多的长尾问题。 图 1 辅助驾驶算法(图片来源网络) 端到端辅助驾驶算法是一种深度学习算法,该算法将传感器数据输入后,基于大模型直接输出车辆控制指令。端到端辅助驾驶算法采用一体化黑盒模型,通过
    自主工具链助力端到端组合辅助驾驶算法验证
  • 使用YOLOv10进行自定义目标检测
    YOLO(You Only Look Once)是一种流行的物体检测算法,以其速度和准确性而闻名。与涉及生成区域提案然后对其进行分类的多阶段过程的传统方法不同,YOLO 将物体检测框架化为单个回归问题,只需一次评估即可直接从完整图像中预测边界框和类别概率。
    使用YOLOv10进行自定义目标检测

正在努力加载...