本发明属于刀具磨损检测相关技术领域，其公开了一种基于数据的铣削刀具磨损监测方法，其包括以下步骤：(1)采集铣削刀具工作时数控机床的主轴驱动电机的三相输出电流信号；(2)将采集到的所述三相输出电流信号进行清洗；(3)采用压缩感知方法及关键点理论自清洗后的所述三相输出电流信号中提取出表征所述铣削刀具磨损的特征系数；(4)根据实时采集的某一铣削刀具正常加工时所述主轴驱动电机的三相输出电流信号在线计算特征信号指数，进而对铣削

本发明公开了一种并行重复数据删除方法，包括以下步骤：客 户端先对要重删的数据进行分块，然后通过哈希函数计算出每个分块 的哈希指纹，然后把哈希指纹发送到不同的重删服务器节点上进行指 纹的查重工作。如果某个指纹经过对比，确认是重复的指纹，则只用 更新查询服务器上元数据和重删服务器节点上的指纹计数器。如果某 个指纹经过对比，确认是一个新的数据块，则传输该数据块到重删服 务器并且更新指纹库和查询服务器上的元数据。本发明具重删

一种可扩展的重复数据检测方法，属于计算机存储技术领域， 解决现有重复数据检测方法中存储容量无法高效扩展的问题，以适应 存储需求扩大，重删系统面临升级换代的现状。本发明包括分块处理、 指纹提取、布隆过滤器检索、指纹子集表检索、未满布隆过滤器判断、 新指纹标记、布隆过滤器数量判断以及布隆过滤器阵列扩展步骤。本 发明采用布隆过滤器阵列来检索指纹数据，可快速定位检索范围，提 高检索效率，实现重复数据的检测，具有高扩展性、高查

一种面向云存储的数据分类加密方法，属于计算机存储安全领 域，解决现有数据加密方法不识别数据内容，对所有数据采用单一加 密算法，导致存在的计算量大，效率低下的问题。本发明顺序包括： (1)构建安全特征库步骤、(2)数据分类步骤、(3)数据按类加密步骤和(4) 数据存储步骤。本发明只对涉及隐私需要高安全保护的那部分数据采 用高安全性的加密算法，而对于占大部分的一般数据采用安全性较低、 计算复杂度较低的加密算法，在对隐私数

本发明公开了一种大规模图数据的压缩存储方法，包括：（1） 将原始图数据以行为单位用二进制邻接矩阵 M 存储；（2）根据邻接 矩阵 M 中每行的偏移值建立散列索引；（3）将邻接矩阵 M 中每行中 的起点按照出度进行升序排序；（4）记录入度为 0 的节点记为根节点， 将根节点按照出度进行降序排序，记为根节点序列；（5）对于根节点 序列中的每个节点，以根节点为开始节点，按深度优先策略依次分配 ID；（6）遍历邻接矩阵 M，

本发明公开了一种基于 Cassandra 的数据并行处理系统，包括 Hadoop 主节点、多个 Hadoop 子节点以及位于 Hadoop 子节点上的 Cassandra 存储端，主节点包括用户接口模块、Cassandra 查询模块、作 业调度模块、作业队列模块、作业追踪器,子节点包括任务追踪器、输 入模块、输出模块以及 Mapreduce 模块,用户接口模块用于接收用户请 求，并判断用户请求的类型是数据查询请求、提交数据处理作业

西安电子科技大学机电工程学院多智能体研究中心郑元世教授团队通过引入了智能体及邻居的历史状态，提出了一种基于记忆信息的一致性协议并建立了该协议下显式的一致域。

随着人工智能、大数据、物联网、区块链等新一代信息技术兴起，数据量呈现爆炸式增长，传统计算系统的算力难以满足海量数据的计算需求。与此同时，摩尔定律逐渐放缓，单纯依靠提高集成度、缩小晶体管尺寸来提升芯片及系统性能的路径正面临技术极限，通过引入忆阻器新器件、模拟计算新范式、存算一体新架构，将拓展出全新的高性能人工智能芯片与系统，实现计算能力的飞跃。 目前被广泛使用的经典冯·诺依曼计算架构下数据存储与处理是分离的，存储器与处理器之间通过数据总线进行数据传输，在面向大数据分析等应用场景中，这种计算架构已成为高性能低功耗计算系统的主要瓶颈之一：数据总线的有限带宽严重制约了处理器的性能与效率，且存储器与处理器之间存在严重性能不匹配问题。忆阻器存算一体系统把传统以计算为中心的架构转变为以数据为中心的架构，其直接利用阻变器件进行数据存储与处理，通过将器件组织成为交叉阵列形式，实现存算一体的矩阵向量乘计算。忆阻器存算一体系统可以避免数据在存储和计算中反复搬移带来的时间和能量开销，消除了传统计算系统中的“存储墙”与“功耗墙”问题，可以高效、并行的完成基础的矩阵向量乘计算，未来极有潜力成为支撑人工智能等新兴应用的核心技术。 清华大学吴华强教授团队实现了材料与器件、电路设计、架构和算法的软硬件协同等多方面原始创新，解决了系统精度损失等被广泛关注的难题： 材料与器件创新。科研团队选择了电学特性稳定的二氧化铪作为忆阻层核心材料，提出了通过插入少量氧化铝层来固定离子分布、抑制晶粒间界形成的新理论，提出了引入热增强层的新原理器件结构，成功抑制了忆阻器非理想特性的产生。 电路设计创新。开发了一套忆阻器与晶体管的混合电路设计方法，提出“差分电阻”设计思想，采取源线电流镜限流设计，抑制了忆阻器电路中可能产生的各种计算误差。 算法创新。提出了混合训练算法，仅用小数据量训练神经网络并只更新最后一层网络的权重，即可将存算一体硬件系统的计算精度达到与软件理论值相同的水平。 “技术链”创新。从“单点技术突破”拓展到“技术链突破”，开发了针对忆阻器存算一体芯片的电子设计自动化（EDA）工具，打通了从电路模块设计到系统综合再到芯片验证的设计全流程。 上述理论和方法发表于《自然》《自然·纳米技术》《自然·通讯》等国际顶级期刊，以及被誉为“集成电路奥林匹克”的“国际固态电路大会”等顶级学术会议。研究成果被“国际半导体技术路线图”和30多部综述文章长篇幅引用。团队已在该研究方向申请国内外专利72项，其中30项已获得授权，知识产权完全自主可控。 团队已研制出全球首款忆阻器存算一体芯片和系统，集成了8个忆阻器阵列和完整的外围控制电路，以更小的功耗和更低的硬件成本大幅提升了计算设备的算力。全系统的计算能效比当前主流的人工智能计算平台——图形处理器（GPU）高两个数量级。团队还设计了一款基于130nm工艺研制的完整忆阻器存算一体芯片，在MNIST数据集上计算速度已超过市面上28nm工艺的四核CPU产品近20倍，能效有近千倍的优势。

项目成果/简介:随着人工智能、大数据、物联网、区块链等新一代信息技术兴起，数据量呈现爆炸式增长，传统计算系统的算力难以满足海量数据的计算需求。与此同时，摩尔定律逐渐放缓，单纯依靠提高集成度、缩小晶体管尺寸来提升芯片及系统性能的路径正面临技术极限，通过引入忆阻器新器件、模拟计算新范式、存算一体新架构，将拓展出全新的高性能人工智能芯片与系统，实现计算能力的飞跃。