头条 模拟芯片大厂ADI宣布全系产品涨价 12月18日消息，模拟芯片大厂亚德诺半导体（ADI）近日向客户发出涨价通知，计划于2026年2月1日起对全系列产品进行涨价。 而根据业内消息显示，ADI此次涨价将会针对不同客户层级及料号推出差异化调价方案，整体的涨价幅度约为15%。其中，近千款军规级MPNs产品（后缀/883）涨幅或高达30%，具体执行细则正处于最终敲定阶段。 最新资讯 全球首款2nm GAA手机SoC芯片正式揭晓 12月19日消息，三星今天正式发布了新一代旗舰手机SoC——Exynos 2600。Exynos 2600是全球首款采用2nm GAA工艺打造的芯片，这也是全球半导体行业的一个重磅里程碑。 发表于：12/19/2025 高通提前完成对Alphawave Semi的收购 完善AI产品组合 12月19日消息，高通于当地时间12月18日宣布，已正式完成对Alphawave IP Group plc（Alphawave Semi）的收购，完成时间较原计划提前约一个季度。 发表于：12/19/2025 SK海力士256GB DDR5 RDIMM通过英特尔Xeon 6 平台认证 12月18日，韩国存储芯片大厂SK海力士宣布，其256GB DDR5 RDIMM 内存模块已完成英特尔数据中心认证流程，成为业界首款通过英特尔Xeon 6 平台验证的同级产品，将进入AI 与云端数据中心应用市场。 发表于：12/19/2025 模拟芯片大厂ADI宣布全系产品涨价 12月18日消息，模拟芯片大厂亚德诺半导体（ADI）近日向客户发出涨价通知，计划于2026年2月1日起对全系列产品进行涨价。 而根据业内消息显示，ADI此次涨价将会针对不同客户层级及料号推出差异化调价方案，整体的涨价幅度约为15%。其中，近千款军规级MPNs产品（后缀/883）涨幅或高达30%，具体执行细则正处于最终敲定阶段。 发表于：12/19/2025 扫地机器人鼻祖iRobot CEO自曝破产原因 北京时间12月18日，据《日经亚洲》报道，扫地机器人鼻祖、美国公司iRobot CEO加里·科恩(Gary Cohen)表示，未能适应市场变化、难以与中国竞争对手抗衡，导致了公司破产。 发表于：12/18/2025 摩尔线程开源自研3DGS三维高斯溅射基础库LiteGS 12 月 17 日消息，在香港举办的全球图形学领域学术盛会 SIGGRAPH Asia 2025 上，摩尔线程今日在 3D Gaussian Splatting Reconstruction Challenge（3DGS 重建挑战赛）中凭借自研技术 LiteGS 斩获银奖。 发表于：12/18/2025 光伏功率预测的对抗攻击与防御研究 深度神经网络已广泛应用于光伏功率预测，但却容易受到对抗攻击的威胁。为提高预测模型的对抗鲁棒性，提出了一种基于快速梯度符号法的对抗攻击算法与一种基于对抗训练的防御算法。快速梯度符号法生成具有时序关联性的对抗样本，建立攻击强度与预测误差的量化关系；对抗训练通过结合对抗样本，增强模型对输入扰动的泛化能力，以抵御对抗攻击。实验数据表明，对抗攻击能显著降低模型的预测准确率，而经过对抗训练的模型能有效提升鲁棒性。该方法验证了对抗攻防机制在光伏功率预测中的有效性，对电力系统的安全运行具有实际应用价值。 发表于：12/17/2025 基于SABNet的自闭症谱系障碍多模态脑影像识别研究 自闭症谱系障碍（ASD）是一种影响社交互动、沟通和行为的神经发展障碍，早期诊断至关重要，但在处理多模态脑数据时仍面临挑战。为此，提出了一种基于多模态特征融合的端到端模型SABNet，该模型通过稀疏自编码器对功能数据进行特征筛选，并结合结构数据构建联合特征。最终，结合双向长短期记忆网络和注意力机制提取动态序列中的重要信息，实现高效分类。通过在中型ASD-MRI数据集上的实验，SABNet在分类准确率（91.21%）等核心指标上明显优于传统方法，主成分分析进一步验证了其有效性。该研究表明了SABNet在ASD识别中的优异性能，并展示了多模态特征融合在脑疾病分类中的潜力。未来研究将致力于优化模型结构、扩大数据集规模，并提升其适用性和泛化能力。 发表于：12/17/2025 基于改进MobileNetV3-SSD的数据可视化区域实时检测方法 数据可视化在气象大数据中扮演重要角色，用户通过数据“看板”，从视觉上可以便捷地了解复杂数据的基本情况，而由于“看板”中不同数据版块的位置和大小具有可变性，用户难以快速寻找到自己所需的数据版块位置。基于此，提出一种基于改进MobileNetV3-SSD的数据可视化区域实时检测方法，在标准SSD的基础上结合MobileNetV3的注意力机制，并利用改进FPN模块对特征信息融合，可以快速精准地找到目标数据板块的“Title”位置，从而展示出所需的数据版块。该改进模型在大幅削减参数量的同时，Precision、Recall、mAP分别达到了83.05%、85.02%、74.35%，CPU每次推理时间降低至244 ms。 发表于：12/17/2025 YOLO-PDS：基于改进的YOLOv11的无人机小目标检测算法 目标检测在遥感领域中具有广泛的应用前景。尽管目标检测算法在自然图像中取得了明显的进展，但这些方法直接应用于遥感图像时仍然面临诸多挑战。遥感图像的背景往往比较复杂且物体较小，导致前景与背景信息的分布极为不平衡。针对无人机图像小目标和物体遮挡的问题，提出了一种基于风车状卷积（PinwheelConv）改进的无人机小目标检测算法。为了改进模型对小目标的检测效果，在骨干网络中使用风车状卷积替换普通卷积来更好地适应小目标提取特征，同时基于风车状卷积的思想设计了C2f-PC模块来替换骨干中的C3k2模块。为解决无人机图像中目标遮挡严重的问题，创新性地提出了C2f-PDWR模块来替换颈部网络中的C3k2模块，来增强模型的特征融合能力，同时引入了SEAM（Spatially Enhanced Attention Module）来改善模型对被遮挡物体的检测效果。最后，基于YOLOv11提出对小目标检测更加高效的YOLO-PDS模型。其在VisDrone2019数据集上所提方法较基准模型YOLOv11检测方法mAP50提高3.7%以上，召回率提高2.2%以上。 发表于：12/17/2025 «12345678910…»
