检索结果-内蒙古大学图书馆

小型微型计算机系统 2003年第12期24卷 2291-2294页

作者：沙磊李全龙徐晓飞哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001

局部模型的划分是分解、简化敏捷虚拟企业建立过程决策问题的重要方法 ,划分结果可能直接影响到敏捷虚拟企业的建立方式、伙伴企业的合作方向和虚拟企业模型的优化 .由于该过程涉及到复杂的组合优化问题以及定量评价方法 ,因此对该问题... 详细信息

局部模型的划分是分解、简化敏捷虚拟企业建立过程决策问题的重要方法 ,划分结果可能直接影响到敏捷虚拟企业的建立方式、伙伴企业的合作方向和虚拟企业模型的优化 .由于该过程涉及到复杂的组合优化问题以及定量评价方法 ,因此对该问题的求解具有很高难度 .本文提出了应用遗传算法为主的算法来优化这一项目划分过程的方法 ,该方法根据问题的特点采取特定的基因编码、遗传与变异算子等 ,本文最后依据一个实际算例来说明和验证该算法 .

关键词：敏捷虚拟企业局部模型全局模型组合优化遗传算法模型划分

来源：评论

学校读者我要写书评

暂无评论

SDN中基于模型划分的云边协同推理算法

引用

兰州工业学院学报 2023年第6期30卷 31-37页

作者：许浩朱晓娟安徽理工大学计算机科学与工程学院安徽淮南232001

在网络状态和任务需求的动态变化下,为减少模型推理时延和计算成本,在软件定义网络(Software Defined Network,SDN)中提出了一种基于模型划分的云边协同推理算法。通过构建复杂度预测器分配任务执行环境,采用深度Q网络(Deep Q-network,D... 详细信息

在网络状态和任务需求的动态变化下,为减少模型推理时延和计算成本,在软件定义网络(Software Defined Network,SDN)中提出了一种基于模型划分的云边协同推理算法。通过构建复杂度预测器分配任务执行环境,采用深度Q网络(Deep Q-network,DQN)算法对边缘环境中的推理模型进行自适应划分与卸载;以及用SDN技术从全局感知推理任务与网络资源,实现动态网络环境下网络资源的合理分配。试验结果表明:SDN中基于模型划分的云边协同推理算法具有良好的收敛能力,在动态环境中具有较好的鲁棒性。与现有的推理算法相比,该算法能够在合理分配计算资源的前提下,满足协同推理低时延的目标要求。

关键词：任务分配模型划分边缘智能云边协同推理 SDN

来源：评论

学校读者我要写书评

暂无评论

边缘环境下卷积神经网络模型的划分与分发研究

边缘环境下卷积神经网络模型的划分与分发研究

引用

作者：黄亮湖南师范大学

学位级别：硕士

随着网络通信技术的发展和万物互联时代的到来,网络边缘设备及其产生的数据量都在高速增长。以云计算为代表的集中处理模式已经不能满足海量边缘数据在实时性、能源消耗和隐私安全等方面的需求。智能驾驶和智慧城市等新型应用也推动深... 详细信息

随着网络通信技术的发展和万物互联时代的到来,网络边缘设备及其产生的数据量都在高速增长。以云计算为代表的集中处理模式已经不能满足海量边缘数据在实时性、能源消耗和隐私安全等方面的需求。智能驾驶和智慧城市等新型应用也推动深度学习模型在物联网场景下的应用越来越广泛。然而,物联网环境中边缘设备的资源非常有限,无法满足深度学习模型对于计算、存储和通信等方面的资源需求。因此,高效的模型划分方式和分发调度策略成为在资源受限的边缘集群中部署和运行深度学习模型的关键。本文对物联网边缘集群下卷积神经网络模型的部署和运行方案进行深入研究,基于模型划分和分布式协同推理方法提出了相应解决方案,减小了边缘设备的内存占用,并降低了推理执行延迟。具体的研究工作概括如下:(1)针对资源受限的物联网边缘环境,分析了模型划分的基本原理,提出一种基于纵向融合划分模型的自适应方案。在边缘场景下,单一边缘设备通常无法运行和存储整个神经网络模型,现有的划分策略不能有效地适应边缘设备。提出的方案具有自适应能力,能根据边缘设备的内存情况高效划分模型任务,快速适配于边缘设备。实验分析表明,可以有效降低内存占用,减少中间特征数据传输开销,并且能探索更高的任务并行性。(2)针对自适应划分后的分区任务,提出一种高效的分布式协同推理策略。对于资源需求很大的卷积层,基于卷积运算性质,纵向划分后的分区任务之间会存在数据重叠部分,造成大量冗余计算。采用数据重用方案,分析重用数据引发的依赖关系,提出一种量化表示分区任务依赖程度的方法。在依赖关系和代价函数的约束下,提出一种并行执行分区任务的分布式调度策略。通过实验分析与评估,提出的策略可以高效调度分区任务,有效减小通信开销、降低推理执行时间。

关键词：边缘计算卷积神经网络物联网模型划分分布式调度

来源：评论

学校读者我要写书评

暂无评论

一种动物体模型层次划分方法

一种动物体模型层次划分方法

引用

作者：毛天露朱小龙夏时洪王兆其 100080 北京市海淀区中关村科学院南路6号

本发明公开了一种动物体模型层次划分方法，包括：输入动物体模型；根据所述皮肤表面模型顶点与骨骼间的绑定关系，将所述皮肤表面模型划分为多个块；在每个块中，将块中对应的骨骼划分成多个段，并根据所述皮肤表面模型上的顶点到骨骼... 详细信息

标准号: CN100476883C

本发明公开了一种动物体模型层次划分方法，包括：输入动物体模型；根据所述皮肤表面模型顶点与骨骼间的绑定关系，将所述皮肤表面模型划分为多个块；在每个块中，将块中对应的骨骼划分成多个段，并根据所述皮肤表面模型上的顶点到骨骼投影的投影点的位置，将所述顶点划分到所述投影点所属的段中；在每个所述块中，建立一个一根轴与所述块中骨骼所在直线重合的局部坐标系，并将所述局部坐标系与所述骨骼垂直的平面按照极坐标角度划分为多个片断，然后在每个所述段中，根据所述顶点到骨骼的垂线在所述局部坐标系中与坐标轴间的夹角，将所述顶点划分到与所述夹角对应的片断。本发明加快了动物体模型和其它物品之间的位置冲突检测；算法复杂度较低。

关键词：骨骼动物体模型局部坐标系皮肤表面顶点划分投影点片断算法复杂度绑定关系层次划分冲突检测模型顶点模型划分坐标轴垂线投影

来源：评论

学校读者我要写书评

暂无评论

3D打印中的模型去支撑划分方法

引用

西安电子科技大学学报 2016年第2期43卷 180-185页

作者：魏潇然耿国华张雨禾西北大学信息科学与技术学院陕西西安710069

打印模型适应打印空间,模型悬空部分添加支撑,这是3D打印过程中需要解决的两类重要问题,现有算法无法同时解决这两类问题.针对这两类问题,提出一种模型划分算法,将模型划分为适应打印空间的锥体:锥体是一种打印时不需要支撑结构的图形.... 详细信息

打印模型适应打印空间,模型悬空部分添加支撑,这是3D打印过程中需要解决的两类重要问题,现有算法无法同时解决这两类问题.针对这两类问题,提出一种模型划分算法,将模型划分为适应打印空间的锥体:锥体是一种打印时不需要支撑结构的图形.该算法首先采用区域生长方法对模型表面进行分区,分析各区域法向获取多个候选划分方向;用候选划分方向生成候选切面划分模型,若划分后的子模型为非锥体,则用相同的方法继续对子模型进行划分,直到所有子模型均为锥体.多个候选划分切面会生成多组划分方式,一组划分方式可以表示为一棵树,利用评价函数计算划分价值,并采用集束搜索对解空间搜索获得价值最大的树,即为最优划分.实验结果表明,该算法能将模型划分为不需要支撑结构同时适应打印空间的子模型.

关键词： 3D打印模型划分支撑结构锥体

来源：评论

学校读者我要写书评

暂无评论

异构平台下卷积神经网络推理模型自适应划分和调度方法

引用

计算机应用 2023年第9期43卷 2828-2835页

作者：尚绍法蒋林李远成朱筠西安科技大学计算机科学与技术学院西安710600 西安邮电大学电子工程学院西安710121

针对卷积神经网络(CNN)在异构平台执行推理时存在硬件资源利用率低、延迟高等问题,提出一种CNN推理模型自适应划分和调度方法。首先,通过遍历计算图提取CNN的关键算子完成模型的自适应划分,增强调度策略灵活性;然后,基于性能实测与关键... 详细信息

针对卷积神经网络(CNN)在异构平台执行推理时存在硬件资源利用率低、延迟高等问题,提出一种CNN推理模型自适应划分和调度方法。首先,通过遍历计算图提取CNN的关键算子完成模型的自适应划分,增强调度策略灵活性;然后,基于性能实测与关键路径-贪婪搜索算法,在CPU-GPU异构平台上根据子模型运行特征选取最优运行负载,提高子模型推理速度;最后利用张量虚拟机(TVM)中跨设备调度机制,配置子模型的依赖关系与运行负载,实现模型推理的自适应调度,降低设备间通信延迟。实验结果表明,与TVM算子优化方法在GPU和CPU上的推理速度相比,所提方法在模型推理准确度无损前提下,推理速度提升了5.88%~19.05%和45.45%~311.46%。

关键词：张量虚拟机卷积神经网络模型划分任务调度特征分析

来源：评论

学校读者我要写书评

暂无评论

一种基于加权图模型的空域扇区划分方法

一种基于加权图模型的空域扇区划分方法

引用

作者：陈阳舟张德夫毕虹宋卓希 100124 北京市朝阳区平乐园100号

本发明属于空中交通管理领域，提出了一种基于加权图模型的空域扇区设计方法。本发明在建立一种能够准确表示航路和空中交通量的无向图模型后，将图顶点作为Voronoi图基点把空域离散化，然后依据每个Voronoi图单元的工作负荷和航路上的... 详细信息

标准号: CN103226900A

本发明属于空中交通管理领域，提出了一种基于加权图模型的空域扇区设计方法。本发明在建立一种能够准确表示航路和空中交通量的无向图模型后，将图顶点作为Voronoi图基点把空域离散化，然后依据每个Voronoi图单元的工作负荷和航路上的交通量构建加权图模型。进而，利用融合了一般加权图切算法、负荷平衡算法和启发式算法的图划分方法，将加权图模型划分为多个子图，再由各个子图所包含的顶点映射到对应的Voronoi图单元组合形成扇区。由本方法设计的扇区不仅满足负荷平衡和协作负荷最小化约束，而且满足扇区最小距离约束、凸性约束和连通性约束。

关键词：加权图扇区算法交通量约束负荷平衡空域单元组合工作负荷模型划分设计方法最小距离离散化连通性最小化映射航路交通管理基点融合协作

来源：评论

学校读者我要写书评

暂无评论

一种基于加权图模型的空域扇区划分方法

一种基于加权图模型的空域扇区划分方法

引用

作者：陈阳舟张德夫毕虹宋卓希 100124 北京市朝阳区平乐园100号

标准号: CN103226900B

关键词：加权图扇区交通量约束负荷平衡算法一种空域启发式算法单元组合顶点映射工作负荷空中交通模型划分设计方法最小距离离散化连通性图划分无向图最小化构建航路凸性子图满足基点对应空中包含融合协作准确设计管理建立

来源：评论

学校读者我要写书评

暂无评论

基于并行工程的当代建筑建造流程研究

基于并行工程的当代建筑建造流程研究

引用

作者：马立天津大学

学位级别：博士

将并行工程理论与方法、数字制造领域的技术成果引入当代建筑建造系统,回溯与反思传统建造方式与传统建筑运作模式的基础上,探讨适宜于当下及未来人居模式的建筑建造方式及运行流程。课题从三个层面进行研究:信息集成层面,应用数字制造... 详细信息

将并行工程理论与方法、数字制造领域的技术成果引入当代建筑建造系统,回溯与反思传统建造方式与传统建筑运作模式的基础上,探讨适宜于当下及未来人居模式的建筑建造方式及运行流程。课题从三个层面进行研究:信息集成层面,应用数字制造中工艺规程规划方法、数据标准与接口技术,结合建筑学科已有的数字设计及数字建造领域的研究成果,建立从数字设计到数字建造的集成体系,使得传统意义上、基于普适层面的设计与建造分离现状得以改观,从而运行建筑“设计-制造”一体化流程;材料集成层面,应用可再生能源提供动力、借助制造业中的叠层实体制造法、三维打印技术完成材料集成过程,形成低碳材料集成体系,以改观传统化石能源供能模式下的分层砌筑现象;组织模式层面,利用质量功能配置方法完成设计因素从定性到定量的转变、应用模糊聚类分析方法划分及拆解三维数字化模型,使集成建筑信息模型从传统意义上的生成阶段拓展到拆解、制造阶段,并利用Solidworks系统进行可装配性评价验证,在划分建筑结构的跨学科团队、数据管理系统建立的基础上,进行并行化操作。在此基础上,并行化操作模式下、应用集成数字技术体系、低碳材料集成体系,从而构建划分建筑结构的装配式建造模式。论文创新性成果主要体现在如下三个方面:首先,借助数字制造领域的工艺规程与数据交换技术,优化了数字设计系统中几何模型到数控设备中加工生产模型转变的集成路径,完成划分建筑模块及层级拆解,从而运行“设计-制造”一体化流程;其次,利用跨学科团队以集成建筑信息模型平台协同工作为基础,借助质量功能配置方法、过程建模技术、数据管理系统技术,整合了并行化建筑运作模式;第三,利用模糊聚类分析方法及Solidworks系统进行模块划分与可装配性验证,结合建筑学学科内的研究基础,综合集成化建造流程与并行化操作模式,构建了分布式环境下装配式建造方式。

关键词：并行化操作模型划分工艺排序材料集成制造建造

来源：评论

学校读者我要写书评

暂无评论

深度学习模型的分布式优化方法研究

深度学习模型的分布式优化方法研究

引用

作者：杨城中国科学院大学

学位级别：硕士

为了追求更高的精度，当前神经网络的研究朝着模型更复杂、训练数据规模更大的方向发展，这导致模型的训练部署更困难、训练时间急剧增长。怎样将大型神经网络模型在多GPU集群环境下进行合理的部署，达到减少模型训练时间的任务极具挑... 详细信息

为了追求更高的精度，当前神经网络的研究朝着模型更复杂、训练数据规模更大的方向发展，这导致模型的训练部署更困难、训练时间急剧增长。怎样将大型神经网络模型在多GPU集群环境下进行合理的部署，达到减少模型训练时间的任务极具挑战。当前研究主要基于数据并行方法来加速小模型的训练过程，或采用与已有大数据系统相结合的方案来实现模型的自动化训练部署，但它们均无法解决大模型训练面临的挑战;另外，针对终端设备智能化的趋势，当前主要采用由强大资源做后盾的云端部署方案。该方案可以达到很高的精度，却不能满足对延迟敏感的应用需求;最新趋势是采用直接在终端设备上部署小型化模型的离线方案，达到满足实时性和无带宽的场景需求，然而却以牺牲结果精度为代价。怎样实现低成本、低延迟、低带宽的推理模型的部署是终端设备智能化的主要挑战。\n 本文针对以上两个问题分别提出了相关方法。对于超大模型的训练部署，本文提出的NeuroPlacerOnCloud方法实现了基于模型并行的强化学习部署方案。通过精准预测大模型的训练时间、合理聚合模型的计算节点op并最终通过强化学习方法实现对模型的划分部署，不仅极大的加速了大模型的划分过程，而且使得该模型的训练速度提高了20％左右。本文的NeuroPlacerOnMobile方案在充分评估了终端设备的硬件性能后，选择最优的个性化部署方案，从而实现终端设备的模型部署目标。

关键词：深度学习模型分布式优化模型划分神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：