1) expert system on a chip
专家系统芯片
2) Application Specific Cryptographic SoC
专用密码芯片系统集成
1.
Design and Implementation Research of Application Specific Cryptographic SoC;
专用密码芯片系统集成设计与实现研究
3) SoC
系统芯片
1.
Design of Low Cost-Electronic Compass Based on SoC;
基于系统芯片(SoC)的低成本电子罗盘的设计
2.
Design of Hardware Verification Platform for Embedded Reconfigurable SoC;
嵌入式可重构系统芯片的硬件验证平台设计
3.
A Test Schedule Model and Corresponding Algorithm for SoCs;
系统芯片测试调度模型及其调度算法
4) system-on-a-chip
系统芯片
1.
The Research on Test Data Compression of System-on-a-Chip (SoC);
系统芯片SoC测试数据压缩方法研究
2.
Many novel testing structures for system-on-a-chip are proposed for decreasing testing cost and facilitating test reuse.
为了降低系统芯片测试成本,需复用IP的测试电路和测试矢量,过去几年已经涌现了许多新型测试结构。
3.
With rapid growth in integration and complexity of System-on-a-Chip (SoC), volume of test data required in large-scale integrated circuits test increases accordingly.
随着系统芯片(SoC)集成度和复杂性的迅速提高,大规模集成电路测试需要的测试数据相应增加,而传统自动测试设备(ATE)的存储量、工作频率以及带宽的有限性,使得SoC测试面临着测试时间过长、测试难度和测试成本急剧增加等诸多问题。
5) system-on-chip
系统芯片
1.
Research on the Design Optimization Techniques for System-On-Chip Testing;
面向系统芯片测试的设计优化技术研究
2.
Setting Constraints and Logic Synthesis for Novel PKUnity System-on-Chip;
面向新型北大众志系统芯片的约束设置与逻辑综合
3.
With the development of VLSI technology and increasing complexity of System-on-Chip applications,on-chip communication architecture design encounters some problems,such as throughput,power,signal integrity,latency and clock synchronization,Network-on-Chip(NoC)was introduced.
半导体技术的发展以及系统芯片应用复杂度的不断增长,使得片上互连结构的吞吐量、功耗、信号完整性、延迟以及时钟同步等问题更加复杂,出现了以片上网络为核心的通信结构。
补充资料：专家系统
| 专家系统 expert system 运用特定领域的专门知识，通过推理来模拟通常由人类专家才能解决的各种复杂的、具体的问题，达到与专家具有同等解决问题能力的计算机智能程序系统。它能对决策的过程作出解释，并有学习功能，即能自动增长解决问题所需的知识。 发展简况 专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。20世纪60年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程序，它们可以证明定理和进行逻辑推理。但是这些通用方法无法解决大的实际问题，很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大的搜索空间也难于处理。1965年，F.A.费根鲍姆等人在总结通用问题求解系统的成功与失败经验的基础上，结合化学领域的专门知识，研制了世界上第一个专家系统DENDRAL ，可以推断化学分子结构。20多年来，知识工程的研究，专家系统的理论和技术不断发展，应用渗透到几乎各个领域，包括化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程技术、法律、商业、空间技术、自动控制、计算机设计和制造等众多领域，开发了几千个的专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。 专家系统的发展已经历了3个阶段，正向第四代过渡和发展。第一代专家系统（DENDRAL、MACSYMA等）以高度专业化、求解专门问题的能力强为特点。但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。第二代专家系统（MYCIN、CASNET、PROSPECTOR、HEARSAY等）属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略，并开始运用各种知识工程语言、骨架系统及专家系统开发工具和环境来研制大型综合专家系统。在总结前三代专家系统的设计方法和实现技术的基础上，已开始采用大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体的第四代专家系统。 类型 对专家系统可以按不同的方法分类。通常，可以按应用领域、知识表示方法、控制策略、任务类型等分类。如按任务类型来划分，常见的有解释型、预测型、诊断型、调试型、维护型、规划型、设计型、监督型、控制型、教育型等。 体系结构 专家系统与传统的计算机程序系统有着完全不同的体系结构，通常它由知识库、推理机、综合数据库、知识获取机制、解释机制和人机接口等几个基本的、独立的部分所组成，其中尤以知识库与推理机相互分离而别具特色。专家系统的体系结构随专家系统的类型、功能和规模的不同，而有所差异。 为了使计算机能运用专家的领域知识，必须要采用一定的方式表示知识 。目前常用的知识表示方式有产生式规则、语义网络、框架、状态空间、逻辑模式、脚本、过程、面向对象等。基于规则的产生式系统是目前实现知识运用最基本的方法。产生式系统由综合数据库、知识库和推理机3个主要部分组成，综合数据库包含求解问题的世界范围内的事实和断言。知识库包含所有用“如果：〈前提〉，于是：〈结果〉”形式表达的知识规则。推理机（又称规则解释器）的任务是运用控制策略找到可以应用的规则。正向链的策略是寻找出前提可以同数据库中的事实或断言相匹配的那些规则，并运用冲突的消除策略，从这些都可满足的规则中挑选出一个执行，从而改变原来数据库的内容。这样反复地进行寻找，直到数据库的事实与目标一致即找到解答，或者到没有规则可以与之匹配时才停止。逆向链的策略是从选定的目标出发，寻找执行后果可以达到目标的规则；如果这条规则的前提与数据库中的事实相匹配，问题就得到解决；否则把这条规则的前提作为新的子目标，并对新的子目标寻找可以运用的规则，执行逆向序列的前提，直到最后运用的规则的前提可以与数据库中的事实相匹配，或者直到没有规则再可以应用时，系统便以对话形式请求用户回答并输入必需的事实。 早期的专家系统采用通用的程序设计语言（如FORTRAN、PASCAL、BASIC等）和人工智能语言（如LISP、PROLOG、Smalltalk等），通过人工智能专家与领域专家的合作，直接编程来实现的。其研制周期长，难度大，但灵活实用，至今尚为人工智能专家所使用。大部分专家系统研制工作已采用专家系统开发环境或专家系统开发工具来实现，领域专家可以选用合适的工具开发自己的专家系统，大大缩短了专家系统的研制周期，从而为专家系统在各领域的广泛应用提供条件。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条