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

金升阳国产10-50A升降压电源:机器人动力精准之选

时间: 2025年08月20日 10:00         距离会议当天还有 0

简介: 机器人作为AI时代的关键载体,其动作精准度与任务可靠性高度依赖高性能电源支撑。金升阳作为连续九年入选广东省制造业500强的国家高新技术企业,将在此次直播中深度解析10-50A可调升降压砖类电源如何成为机器人行业的"动力心脏"。 ‌核心亮点:‌ ‌‌1. 高精度调控‌:10-50A宽范围可调,适配机器人多场景动力需求; ‌2. 国产化突围‌:100%自主可控,破解"卡脖子"难题; ‌3....

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。...

AI模型开发技术与OpenVINO优化策略教程十

时间: 2021年10月15日 14:00        

简介: 在本次的课程中,高老师将为大家讲解吸纳专家直觉的特征提取器 *介绍特征提取器(Feature Extractor) *复习:卷积运算 *如何训练卷积核 *范例:如何纳入专家直觉 *深入说明二维(2D)卷积运算 *二维卷积的范例 *范例:把专家直觉纳入AI模型里 *范例实现:以护理排班为例 *优化模型:使用OpenVINO优化器 *测试模型:使用OpenVINO推论引擎...

5G Open RAN架构、解决方案和ADI最新的收发器的简介

时间: 2021年10月14日 10:00        

简介: Open RAN的发展和进步正在颠覆无线基础设施市场。ADI公司将分析有关O-RAN的市场动态、挑战和机遇。我们将推出最新的收发器ADRV9029,这是一款4T4R 200MHz SoC,集成了数字预失真和削峰功能,非常适合O-RAN应用。我们也将展示适用于O-RAN的4T4R O-RU参考设计平台,配备7.2光纤端口(eCPRI)。射频单元包含一个模块化RF前端,可以快速制作各种频段和电源原型。...

使用 ModusToolbox™ 机器学习为 IoT 设备解锁 AI

时间: 2021年10月12日 14:00        

简介: 今天的物联网硬件/软件开发人员面临着在构建未来设备时的一系列复杂设计。从复杂的集成无线连接——到优化电池供电设计中的系统功率——再到集成传感器融合:让物联网工作对任何团队来说都是一项艰巨的任务。作为连接现实世界和数字世界的领导者,英飞凌非常了解这些设计挑战,我们最近解决的一项挑战就是在边缘设备上释放机器学习 (ML) 的潜力。 现在将 ML 工作量移至边缘的理由比以往任何时候都更加强烈,因为...