Ternary operator JS的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

採用40奈米製程實現之用於軸承故障診斷的低功耗分層卷積神經網路硬體加速器

為了解決Ternary operator JS的問題，作者許堯舜 這樣論述：

現代科技的進步日新月異伴隨著生活品質的成長，近幾年的趨勢技術機器學習充斥在各行各業已經成為現今科技裡面不可或缺的角色。在很多工廠裡充斥著各種各樣的機台，例如:電動機，CNC工具機等不同的機械。這些機器在運行的過程中常常會有故障發生，早期只能以人工的方式或抓取一段大約的時間排除，不僅不準確且危險。而現在使用機器學習的方法進行智慧監控，把工具機或電動機產生的不正常數據行為進行機器學習的訓練萃取該故障數據的特徵，爾後透過在該機器的軸承實施實時監控即可實施預防性維護，不僅可以及早預防工廠的生產線因為機器故障停擺也可以預先防護操作員在操作工具機上的安全。本論文使用分層式卷積神經網路的方式進行訓練，並以

40nm CMOS製程實現。使用分層式卷積神經網路的優點為先將具有相似特徵或類別的圖像資料先分類再進行訓練，相較傳統卷積神經網路需要經過多層運算才能得到每次分類結果，經本實驗數據得知只需少量的運算即可判別並輸出結果且可以大幅的下降神經網路模型所需參數量以及達到辨識軸承故障數據95% 以上的準確度。另外本論文亦使用加入白高斯雜訊的模擬數據，增加到訓練資料集以提升模型的準確度，以及測試此分層式卷積神經網路的抗噪效果，以因應工廠裡面各種不同發生雜訊的情況產生。各項數據結果均確認所提出之分層式卷積神經網路有良好的抗噪效果。本論文在硬體實現的部分使用電源門控技術，將待機狀態的記憶體之電源關閉，達成低功耗

的實現。本論文實現電路使用 TSMC 40nm CMOS 製程，在硬體描述階段，經過調整各階段所需bits數量的實驗結果後，所實現之硬體加速器判斷軸承健康的準確率達到95.31%。後續經由電路合成以及自動佈局繞線後各項數據表明，所提出之硬體電路工作頻率最高可達100MHz，此時功耗為65.608 mW.

具有固有操作彈性的碳酸二乙酯反應蒸餾系統之進化設計策略

為了解決Ternary operator JS的問題，作者林政余 這樣論述：

本研究以碳酸二甲酯(Dimethyl Carbonate, DMC)與乙醇反應生成碳酸二乙酯(Diethyl Carbonate, DEC)之反應蒸餾系統為目標，碳酸二乙酯是一種工業價值很高的綠色化學品，能取代許多較不環保的有機合成原料，其生成反應是一個二步驟反應 ，由於須考慮到各成分之濃度分佈，增加了在反應蒸餾設計上的複雜度，以往的反應蒸餾系統皆是使用順序迭代法，將設計變數逐一進行優化，對於反應蒸餾此種複雜性高且皆是作用於一個塔內的單元較不友善，因此本研究對於碳酸二乙酯反應蒸餾系統之設計方法重新進行考量，且加入了針對二步驟反應所設計的雙反應段反應蒸餾塔結構，作為一可能的設計方案，並利用基

因演算法(Genetic Algorithm, GA)來優化反應蒸餾系統，對該系統多個維度同時進行優化，透過Aspen Plus®與MATLAB®的連結，將整體製程，透過自動化的方式架設，而後以最小年度總成本(TAC)為目標函數，藉由基因演算法中淘汰機制，將最優秀之穩態設計留下，並且於設計中加入了穩態彈性指標(Steady-State Flexibility Index, FIs)方法分析，探討TAC與FIs之最佳設計配置，找出最適合之碳酸二乙酯之反應蒸餾系統之穩態製程，且希望藉由本研究之研究方法，在設計反應蒸餾製程上，能夠作為一個良好的參考資料，使在反應蒸餾程序設計上，能夠有更好的未來發展。