检索结果-内蒙古大学图书馆

小型微型计算机系统 2017年第3期38卷 536-539页

作者：王裕民顾乃杰张孝慈中国科学技术大学计算机科学与技术学院网络计算与高效算法实验室合肥230027 中国科学技术大学中科院沈阳计算所网络与通信联合实验室合肥230027

随着深度学习的不断发展,卷积神经网络凭借其优异的识别性能,在图像识别、语音识别等领域受到了越来越多的关注.卷积神经网络的研究需要进行充分的实验,然而其训练过程通常需要大量时间.使用高性能GPU可以加速卷积神经网络的训练过程,... 详细信息

随着深度学习的不断发展,卷积神经网络凭借其优异的识别性能,在图像识别、语音识别等领域受到了越来越多的关注.卷积神经网络的研究需要进行充分的实验,然而其训练过程通常需要大量时间.使用高性能GPU可以加速卷积神经网络的训练过程,但是由于GPU的特殊结构,进行多GPU的扩展时难以取得令人满意的加速比.提出一种在多GPU下的数据并行算法,与传统的客户机/服务器结构不同,该算法以环形结构组织GPU,更有利于多GPU扩展,系统不会受限于服务器节点的性能.此外还通过并行化单个GPU的计算与传输任务,提高GPU的使用效率.实验结果表明,使用4个GPU时,该算法分别在mnist和cifar10数据集上取得了3.77和3.79倍的加速比,并且对网络的识别性能无显著影响.

关键词：卷积神经网络 GPU 随机梯度下降并行算法

来源：评论

学校读者我要写书评

暂无评论

数字信号变换函数在多簇VLIW DSP上的优化

引用

计算机工程 2016年第3期42卷 47-52页

作者：甄扬顾乃杰叶鸿中国科学技术大学计算机科学与技术学院合肥230027 中国科学技术大学安徽省计算与通信软件重点实验室合肥230027 中国科学技术大学先进技术研究院合肥230027

针对BWDSP100体系结构特点,基于循环展开、指令调度以及软件流水等并行优化技术,结合多簇超长指令架构的特点,通过使用超算硬件指令、零开销循环、指令重新编排与并行等方法对BWDSP100数字信号处理函数库中的函数实施并行化,并基于库中... 详细信息

针对BWDSP100体系结构特点,基于循环展开、指令调度以及软件流水等并行优化技术,结合多簇超长指令架构的特点,通过使用超算硬件指令、零开销循环、指令重新编排与并行等方法对BWDSP100数字信号处理函数库中的函数实施并行化,并基于库中原有的顺序版本实现并行优化版本。实验结果表明,在4宏并行化模式下,所有函数加速比达到9以上,90%的函数加速比超过10,平均加速比为11.12。

关键词：超长指令字单指令流多数据流数字信号处理器循环展开并行化多簇

来源：评论

学校读者我要写书评

暂无评论

基于协议无感知转发技术的信息中心网络:设计、实现与应用

引用

计算机工程与科学 2018年第3期40卷 431-438页

作者：汪强葛俊强常坤王小东田野中国科学技术大学计算机科学与技术学院安徽合肥230027 安徽省高性能计算重点实验室安徽合肥230027

软件定义网络(SDN)的核心思想是将网络中控制平面和数据平面进行解耦,采用集中控制的方式给用户提供开放可编程的接口。信息中心网络(ICN)则集中在对内容进行命名和基于内容名字的路由。协议无感知转发(POF)是一种支持自定义协议的SDN... 详细信息

软件定义网络(SDN)的核心思想是将网络中控制平面和数据平面进行解耦,采用集中控制的方式给用户提供开放可编程的接口。信息中心网络(ICN)则集中在对内容进行命名和基于内容名字的路由。协议无感知转发(POF)是一种支持自定义协议的SDN转发技术。随着未来网络技术的研究与发展,基于SDN思想来实现ICN则可能成为一种解决方案,因而提出了一种基于POF技术的ICN网络设计方案与实现,并搭建了基于POF技术的ICN实验床。多人视频会议应用表明,该设计方案的正确性与可行性,不仅能转发ICN数据包,还能很好地实现实时性应用。

关键词：软件定义网络信息中心网络协议无感知转发

来源：评论

学校读者我要写书评

暂无评论

面向机器学习系统的张量中间表示

引用

中国科学：信息科学 2022年第6期52卷 1040-1052页

作者：庄毅敏文渊博李威郭崎中国科学院计算技术研究所计算机体系结构国家重点实验室北京100190 中国科学院大学北京100049 中国科学技术大学计算机科学与技术学院合肥230026 上海寒武纪信息科技有限公司上海201308

随着各类机器学习算法的广泛应用,高能效地定制机器学习系统受到越来越多的关注.定制机器学习系统高效部署的关键在于其编程与编译环境.中间表示是编程与编译环境的核心,用于连接上层编程语言和底层硬件指令.当前的中间表示或是面向上... 详细信息

随着各类机器学习算法的广泛应用,高能效地定制机器学习系统受到越来越多的关注.定制机器学习系统高效部署的关键在于其编程与编译环境.中间表示是编程与编译环境的核心,用于连接上层编程语言和底层硬件指令.当前的中间表示或是面向上层算法或是面向以标量处理为核心的传统处理器,难以高效应对以张量处理为核心的机器学习系统.本文提出了面向机器学习系统的张量中间表示,以提升机器学习系统的编程和运行效率.具体而言,我们定义了一系列张量类型,张量操作及张量存储空间,并在此基础上进行张量处理优化.我们将所提出的张量中间表示对TVM的底层标量中间表示进行了扩展并在典型机器学习系统上进行了实验.我们探索了原有中间表示没有发掘的优化并取得了1.62~2.85倍的性能提升,同时在典型算子的开发效率上平均提升了5.46倍.

关键词：机器学习系统编程与编译张量处理中间表示编程效率

来源：评论

学校读者我要写书评

暂无评论

在线考试系统中试题上传方法的优化

引用

计算机工程与应用 2016年第21期52卷 241-246页

作者：刘思婷顾乃杰林传文中国科学技术大学计算机科学与技术学院合肥230027 中国科学技术大学安徽省计算与通信软件重点实验室合肥230027 中国科学技术大学先进技术研究院合肥230027

试题库是在线考试系统的数据基础。现有的试题上传方法需人工预处理操作,代价高,效率低。针对这一问题,提出了一种基于语义的高效、智能解析方法 IDP(Intelligent Document Parsing)。IDP根据试题的类型特征,定义解析规则,并对所有段落... 详细信息

试题库是在线考试系统的数据基础。现有的试题上传方法需人工预处理操作,代价高,效率低。针对这一问题,提出了一种基于语义的高效、智能解析方法 IDP(Intelligent Document Parsing)。IDP根据试题的类型特征,定义解析规则,并对所有段落进行规则匹配,实现类型识别。此外,针对特定类型的试题,进行分割段落、语段分析,从而完成智能解析,实现试题上传功能。实验结果表明,IDP省去了人工预处理的步骤,可以直接使用任意格式的试题资源文档完成上传任务,效率明显提升,具有很好的通用性和实用性。

关键词：在线考试系统试题上传解析规则智能解析语段分析

来源：评论

学校读者我要写书评

暂无评论

一种基于低频种子的三代测序序列比对方法

引用

计算机工程与科学 2019年第9期41卷 1551-1556页

作者：宋思怡程昊宇徐云中国科学技术大学计算机科学与技术学院安徽合肥230027 安徽省高性能计算重点实验室安徽合肥230027

随着测序技术的发展,三代测序已广泛应用于基因研究中。但是,由于三代测序序列具有平均长度长、错误率高的特性,如何快速、准确地将测序片段比对到参考基因组上成为严峻挑战。现有方法使用种子(从测序片段中挑选的短序列)来加速比对过程... 详细信息

随着测序技术的发展,三代测序已广泛应用于基因研究中。但是,由于三代测序序列具有平均长度长、错误率高的特性,如何快速、准确地将测序片段比对到参考基因组上成为严峻挑战。现有方法使用种子(从测序片段中挑选的短序列)来加速比对过程,但在挑选时未考虑频率特性,导致定位候选区域阶段时间消耗较大。因此,提出了一种基于低频种子的三代测序序列比对方法,该方法采用种子投票策略,使用低频种子进行投票,减少投票计数的时间消耗,并根据位置及票数关系对候选区域进行再过滤,进一步提高比对速度。实验结果表明,在确保敏感性和准确率的同时,本文方法比现有方法快3倍左右。

关键词：三代测序单分子实时测序序列比对种子-扩展法

来源：评论

学校读者我要写书评

暂无评论

一种面向多核系统的Linux任务调度算法

引用

计算机工程 2015年第2期41卷 36-40,46页

作者：曹越顾乃杰任开新张旭吴志强中国科学技术大学计算机科学与技术学院合肥230027 中国科学技术大学安徽省计算与通信软件重点实验室合肥230027 中国科学技术大学先进技术研究院合肥230027

针对Linux任务调度算法在多核系统中交互性能差的问题,提出一种分组任务调度算法GFS。根据多核系统硬件特性,自动配置物理距离近的一组CPU共享一个任务运行队列,通过平衡组内CPU对任务运行队列的访问竞争与任务迁移的代价,实现组间任务... 详细信息

针对Linux任务调度算法在多核系统中交互性能差的问题,提出一种分组任务调度算法GFS。根据多核系统硬件特性,自动配置物理距离近的一组CPU共享一个任务运行队列,通过平衡组内CPU对任务运行队列的访问竞争与任务迁移的代价,实现组间任务运行队列的负载均衡,减少调度延迟。通过优先调度唤醒任务,加快多核系统中交互任务的响应速度。测试结果表明,在不同任务负载下,GFS能够明显降低交互任务的平均响应时间,从而有效提高多核系统交互应用的调度性能。

关键词：多核系统调度算法交互性能自动配置唤醒任务负载均衡

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征融合CNN模型的车辆精细型号识别

引用

计算机工程与应用 2018年第18期54卷 154-160页

作者：刘廷建顾乃杰张孝慈林传文中国科学技术大学计算机科学与技术学院合肥230027 中国科学技术大学安徽省计算与通信软件重点实验室合肥230027 中国科学技术大学先进技术研究院合肥230027

车辆精细型号是车辆识别的主要线索之一,也是智能交通系统的重要组成部分。针对车辆精细型号种类繁多、车辆所处环境复杂多变等因素,提出一种基于多尺度特征融合的车辆精细型号识别方法。该方法基于传统的卷积神经网络,通过提取并融合... 详细信息

车辆精细型号是车辆识别的主要线索之一,也是智能交通系统的重要组成部分。针对车辆精细型号种类繁多、车辆所处环境复杂多变等因素,提出一种基于多尺度特征融合的车辆精细型号识别方法。该方法基于传统的卷积神经网络,通过提取并融合来自网络底层和高层的车辆特征,完成对车辆精细型号的识别。与其他基于卷积神经网络的车辆精细型号识别方法相比,该方法在提高分类准确率的同时还大幅度降低了整体网络的参数规模。实验结果表明,在公开数据集Comp Cars的监控场景下其识别精度达到了98.43%,且模型参数大小仅为3.93 MB,平均每张图片只需0.83 ms的分类时间。

关键词：车辆精细型号识别卷积神经网络多尺度特征融合深度学习

来源：评论

学校读者我要写书评

暂无评论

移动平台Android操作系统虚拟化技术的实现

引用

计算机工程与应用 2017年第14期53卷 32-38页

作者：刘博文顾乃杰谷德贺苏俊杰中国科学技术大学计算机科学与技术学院合肥230027 中国科学技术大学安徽省计算与通信软件重点实验室合肥230027 中国科学技术大学先进技术研究院合肥230027

虚拟化技术的研究正逐渐从服务器端转向移动智能设备领域。现有的虚拟化架构需要在物理硬件层和虚拟系统间进行大量的指令翻译,开销大,效率低。针对这一问题,提出了一种轻量级的移动操作系统虚拟化架构。通过在Linux内核命名空间机制的... 详细信息

虚拟化技术的研究正逐渐从服务器端转向移动智能设备领域。现有的虚拟化架构需要在物理硬件层和虚拟系统间进行大量的指令翻译,开销大,效率低。针对这一问题,提出了一种轻量级的移动操作系统虚拟化架构。通过在Linux内核命名空间机制的基础上扩展Driver命名空间框架,实现了多个虚拟Android系统的同时运行。此外,针对多个虚拟系统同时访问一套硬件设备发生冲突的问题,设计了通用的active-inactive模型来保证虚拟系统间对硬件设备的隔离复用。实验结果表明,虚拟后的Android系统在CPU使用率上并没有增加额外的开销,在内存使用量上减少了6.7%,此虚拟化架构具有很好的通用性与实用性。

关键词：操作系统虚拟化 Android 系统命名空间机制硬件隔离复用

来源：评论

学校读者我要写书评

暂无评论

面向智能教育的自适应学习关键技术与应用

引用

智能系统学报 2021年第5期16卷 885-898页

作者：陈恩红刘淇王士进黄振亚苏喻丁鹏马建辉竺博中国科学技术大学计算机科学与技术学院大数据分析与应用安徽省重点实验室安徽合肥230027 科大讯飞股份有限公司安徽合肥230088

本文是关于我们获得2020年度吴文俊人工智能科学技术奖主要工作的一个介绍。该成果针对自适应学习中面临的教学资源表示困难、学习状态诊断困难以及学习策略设计困难等关键技术难题,首先构建数据驱动的教学资源无监督表示新框架,提高了... 详细信息

本文是关于我们获得2020年度吴文俊人工智能科学技术奖主要工作的一个介绍。该成果针对自适应学习中面临的教学资源表示困难、学习状态诊断困难以及学习策略设计困难等关键技术难题,首先构建数据驱动的教学资源无监督表示新框架,提高了教学资源质量评估和内容检索的精度和效率。其次提出基于深度学习的学习者认知诊断新方法,突破了以量表为基础的教育测量理论研究范式。然后设计基于知识匹配的个性化推荐技术以及多目标匹配的自适应推荐技术,满足了智能教育场景的复杂约束与学习者的多样目标需求。最后,本文成果研发了面向基础教育的智能教育系统——智学网,已在全国推广使用,对我国智能教育发展具有积极意义。

关键词：自适应学习智能教育教学资源表示质量评估内容检索认知诊断知识追踪个性化推荐自适应推荐智能教育系统

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：