Webinar首页 即将举办 按时间点播 按分类点播 按厂商点播 会议流程 问题集锦 在线帮助
您所在的位置:首页

端侧AI市场趋势分析与 得一微AI-MEMORY X技术分享

时间: 2025年08月21日 10:00         距离会议当天还有 1

简介: 随着人工智能技术的快速发展,端侧AI逐渐成为电子行业的重要发展方向,同样也成为中小企业提升运营效率的关键。本演讲内容覆盖了端侧 AI大模型的发展前景、端侧AI的主要应用方式、端侧AI的中小企业应用痛点及技术注意方向,最后介绍得微A1-MemoryX技术的显存扩展解决方案在端侧AI的落地成果。 分享大纲 1、端侧大模型: 中小企业的智能革命 2、企业端侧AI的使用方式 3、得一端侧AI...

LTspice®︎ 24仿真工具:优化、简化电路仿真,并加快仿真速度

时间: 2025年08月27日 10:00         距离会议当天还有 7

简介: 欢迎参加本次在线研讨会,了解LTspice 24中的新功能。探索新增的频率响应分析功能,该功能特别适用于优化开关模式电源的环路补偿。 与会者将了解: • 查看LTspice® 24中的新功能和增强功能 • 了解如何为开关电源的反馈环路创建波特图 • 探索先进的电源分析技术 ...

盛思锐环境传感器新品揭秘:开启环境监测新纪元

时间: 2025年08月28日 10:00         距离会议当天还有 8

简介: 本次研讨会将带领大家了解盛思锐最新推出的一系列革命性传感器产品。其中包括甲醛传感器革新之作——甲醛传感器SFA40,采用电化学处理技术,抗干扰性佳,能够在极低浓度下实现高度可靠且高效的甲醛检测。同时,我们将介绍全球“最小的”二氧化碳传感器STCC4,以其微型化设计和高度稳定性为二氧化碳应用开拓更多可能。此外,我们还将介绍最新的多合一环境传感器模组SEN66,后者集成了多个传感器,可测量多达九种环境...

易于驱动SAR型ADC的原理、优点及应用介绍

时间: 2025年09月03日 10:00         距离会议当天还有 14

简介: 首先介绍传统信号链中运算放大器和ADC的设计方案,包括ADC驱动器参数的选取解析。其次,介绍ADI最新的SAR ADC实现易于驱动特性的不同原理,以及其为整体信号链设计带来的优点。最后,为大家介绍ADI最新的精密信号链应用解决方案。...

智能网联车时代 闪存芯片市场的机遇与挑战

时间: 2025年09月04日 10:00         距离会议当天还有 15

简介: 在智能网联车时代,AI正成为重塑存储产业价值的新引擎。面对数据量爆炸式增长与实时处理需求,车载存储不再只是“配角”,而是驱动智能决策的核心环节。未来,唯有深度协同主机厂、构建软硬一体化方案,并通过开放的技术生态合作,存储厂商才能在车载存储应用浪潮中找到确定性突破口,引领智能化价值链升级。 分享大纲 1、智能网联车时代重塑车规存储产业格局 2、智能网联车场景下典型车载存储应用的现状 3...

贸泽电子|2021物联网开发者冬季暖心周——从两化融合到未来工厂

时间: 2021年12月29日 09:30        

简介: 以开发者的实际需求为核心出发点,EEPW的物联网开发者冬季暖心周以线上技术分享会的形式,为广大物联网开发者带来最新的技术开发实战指南,我们不仅有技术达人的现身说法,还有一线创业者的技术选型介绍。既有前沿发展动态和技术分享,又有实战开发的心路历程和创业路上的辛酸教训,只要是开发者想听的,开发者愿意听的,我们都将邀请最恰当的嘉宾来与开发者共分享。 以工业物联网为主题,重点关注工业物联网与智能工厂...

贸泽电子|2021物联网开发者冬季暖心周——AIOT开启美好智能生活

时间: 2021年12月28日 13:30        

简介: 以开发者的实际需求为核心出发点,EEPW的物联网开发者冬季暖心周以线上技术分享会的形式,为广大物联网开发者带来最新的技术开发实战指南,我们不仅有技术达人的现身说法,还有一线创业者的技术选型介绍。既有前沿发展动态和技术分享,又有实战开发的心路历程和创业路上的辛酸教训,只要是开发者想听的,开发者愿意听的,我们都将邀请最恰当的嘉宾来与开发者共分享。 以消费物联网应用为主,突出智能家居与AIoT的融...

AI模型开发技术与OpenVINO优化策略第二部分教程八

时间: 2021年12月24日 14:00        

简介: 在本次的课程中,高老师将为大家带来ML的创作技能——补值(Imputation) *从补值、插值到创作 *善用AE(Attoencoder)模型 *AE的学习和推论 *AE补值的原理 *AE补值的计算过程 *范例实现-1——AE也能拥有经验直觉 *范例实现-2——使用OpenCV的AI插值 *优化模型:使用OpenVINO优化器 *测试模型:使用OpenVINO推论引擎...