[19保研]中国科学技术大学2018科学岛优秀大学生夏令营


点击文末的阅读原文或者公众号界面右下角的【夏令营】是计算机/软件等专业的所有保研夏令营活动信息集合,会一直更新的。

同时我们也建立了一个QQ群(为公众号所有,非学校所设),同学们可以们在里面交流一下:

群名:计算机软件保研夏令营

QQ群号:740511725

一、申请资格

本科期间学习成绩优秀,有意向攻读硕士和博士学位、乐于为我国科研事业作出贡献的大三优秀本科生。

二、规模及对象

500名,物理、化学、光学、材料科学、环境科学、大气科学、核科学与技术、计算机技术、精密仪器与机械、控制科学与工程、电气工程、通信工程、软件工程、模式识别、医学、生物、农学等相关院系专业排名前10%(物理、生物类前15%)的大三优秀本科生。

本科学习阶段创新能力突出的优秀学生可适当放宽专业排名限制;

创新能力评定条件具体如下:

1、在省级以上科技创新或单项比赛中获奖;

2、获得过省级以上各类表彰的优秀学生;

3、在三类(SCI、EI、中文核心)以上刊物公开发表过专业学术论文(第一作者或导师第一作者,学生第二作者);

4、获得排名第一的已授权发明专利或实用新型专利一项及以上;

5、获得排名第一的软件著作权;

6、省级及以上大学生创新实验项目第一主持人;

7、其它能够反映学生创新能力的成果证明。

注:以上学术成果、奖励等均需为第一完成人或者第一主持人。

三、提交材料

1、 网上报名后生成的表格打印后本人签字;

2、 前两年半成绩单(有学校教务部门或所在院系公章)与总成绩排名证明(有学校教务部门或所在院系公章);

3、 能体现自身能力的获奖证书复印件、英语水平证明、学术论文等。

以上所有申请材料请扫描为图片打包为rar格式压缩包上传网络报名系统,如被录取为2018科学岛优秀大学生夏令营营员,请自觉保证提供材料的真实性,夏令营组委会将对材料进行复核。

四、申请方式

1、 网上申报;电脑、手机登陆中国科大夏令营官方网站,直接报名网址为http://xly.ustc.edu.cn/(2018科学岛优秀大学生夏令营)

2、 网上申报截止日期2018年6月20日。

五、待遇安排

夏令营为录取的营员提供交通、食宿以及相关活动的资助,报销单程到合肥的硬座车票、汽车票、高铁/动车二等坐票(须提供票据,报销75%)。

六、联系方式

联系人:闫  超 

电话:0551-65592439  65596812

传真:0551-65591315

E-Mail:yanc@hfcas.ac.cn

信息来源网址:http://xly.ustc.edu.cn/news.php?newsid=569

点击阅读原文,看看今年目前所有计算机/软件等专业的保研夏令营信息集合。

【无线传感器】使用 MATLAB和 XBee连续监控温度传感器无线网络研究(Matlab代码实现)内容概要:本文围绕使用MATLAB和XBee技术实现温度传感器无线网络的连续监控展开研究,介绍了如何构建无线传感网络系统,并利用MATLAB进行数据采集、处理与可视化分析。系统通过XBee模块实现传感器节点间的无线通信,实时传输温度数据至主机,MATLAB负责接收并处理数据,实现对环境温度的动态监测。文中详细阐述了硬件连接、通信协议配置、数据解析及软件编程实现过程,并提供了完整的MATLAB代码示例,便于读者复现和应用。该方案具有良好的扩展性和实用性,适用于远程环境监测场景。; 适合人群:具备一定MATLAB编程基础和无线通信基础知识的高校学生、科研人员及工程技术人员,尤其适合从事物联网、传感器网络相关项目开发的初学者与中级开发者。; 使用场景及目标:①实现基于XBee的无线温度传感网络搭建;②掌握MATLAB与无线模块的数据通信方法;③完成实时数据采集、处理与可视化;④为环境监测、工业测控等实际应用场景提供技术参考。; 阅读建议:建议读者结合文中提供的MATLAB代码与硬件连接图进行实践操作,先从简单的点对点通信入手,逐步扩展到多节点网络,同时可进一步探索数据滤波、异常检测、远程报警等功能的集成。
内容概要:本文系统讲解了边缘AI模型部署与优化的完整流程,涵盖核心挑战(算力、功耗、实时性、资源限制)与设计原则,详细对比主流边缘AI芯片平台(如ESP32-S3、RK3588、Jetson系列、Coral等)的性能参数与适用场景,并以RK3588部署YOLOv8为例,演示从PyTorch模型导出、ONNX转换、RKNN量化到Tengine推理的全流程。文章重点介绍多维度优化策略,包括模型轻量化(结构选择、输入尺寸调整)、量化(INT8/FP16)、剪枝与蒸馏、算子融合、批处理、硬件加速预处理及DVFS动态调频等,显著提升帧率并降低功耗。通过三个实战案例验证优化效果,最后提供常见问题解决方案与未来技术趋势。; 适合人群:具备一定AI模型开发经验的工程师,尤其是从事边缘计算、嵌入式AI、计算机视觉应用研发的技术人员,工作年限建议1-5年;熟悉Python、C++及深度学习框架(如PyTorch、TensorFlow)者更佳。; 使用场景及目标:①在资源受限的边缘设备上高效部署AI模型;②实现高帧率与低功耗的双重优化目标;③掌握从芯片选型、模型转换到系统级调优的全链路能力;④解决实际部署中的精度损失、内存溢出、NPU利用率低等问题。; 阅读建议:建议结合文中提供的代码实例与工具链(如RKNN Toolkit、Tengine、TensorRT)动手实践,重点关注量化校准、模型压缩与硬件协同优化环节,同时参考选型表格匹配具体应用场景,并利用功耗监测工具进行闭环调优。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值