检索结果-内蒙古大学图书馆

计算机研究与发展 2023年第6期60卷 1337-1345页

作者：谭弘泽王剑处理器芯片全国重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院大学北京100049

分支预测允许处理器并行执行分支之后的指令,由于其高准确率具有性能和功耗方面的双重好处,是一项重要的处理器优化技术.根据分而治之的策略,返回地址栈(return-address stack,RAS)将过程返回类分支单独分出并予以预测.其中,RAS利用过... 详细信息

分支预测允许处理器并行执行分支之后的指令,由于其高准确率具有性能和功耗方面的双重好处,是一项重要的处理器优化技术.根据分而治之的策略,返回地址栈(return-address stack,RAS)将过程返回类分支单独分出并予以预测.其中,RAS利用过程调用和返回的后入先出规则,可通过猜测执行中调用栈的模拟准确预测返回地址.但是,由于实际处理器猜测执行带来的错误路径污染,该结构需要通过恢复机制来保障所存储数据的准确性.尤其在对面积资源敏感的嵌入式领域,设计者需要在准确率和恢复机制的开销间进行细致的权衡.针对RAS存储中的冗余,通过溢出检测结合传统栈、持久化栈和后备预测3种预测方式,提出一种基于持久化栈的返回地址预测器——混合返回地址栈(hybrid return-address stack,HRAS),避免错误路径污染和对返回地址的冗余存储,从而有效降低返回误预测率.与此同时,设计解耦传统栈和持久化栈,进一步降低其面积需求.根据SPEC CPU 2000基准测试以及设计编译器的评估结果,HRAS可利用仅1.1×10^(4)μm^(2)的设计面积将过程返回的每千条指令误预测(MPKI)降至2.4×10^(−3),其误预测相比现有RAS可降低96%.

关键词：返回地址预测猜测执行污染恢复持久化后备预测

来源：评论

学校读者我要写书评

暂无评论

并发对象强可线性化性质的检测和验证

引用

软件学报 2024年第9期35卷 4141-4159页

作者：王超贾巧雯吕毅吴鹏西南大学计算机与信息科学学院软件研究与创新中心重庆400715 计算机科学国家重点实验室(中国科学院软件研究所) 北京100190 中国科学院大学北京100049

可线性化被公认为并发对象正确性标准,但其已被证明不能作为含有随机语句的并发对象的正确性标准.为此,Golab等人提出了强可线性化概念,它在可线性化的定义上增加了前缀保持性质,对并发对象具有更强的约束性.关于强可线性化的研究集中... 详细信息

可线性化被公认为并发对象正确性标准,但其已被证明不能作为含有随机语句的并发对象的正确性标准.为此,Golab等人提出了强可线性化概念,它在可线性化的定义上增加了前缀保持性质,对并发对象具有更强的约束性.关于强可线性化的研究集中在使用特定的基本对象构造满足强可线性化性质的并发对象的可行性.对常见的并发对象的强可线性化性质的检测和验证方面的研究较为少见.从并发对象的验证算法和证否方法两个方面研究了强可线性化性质.首先,细化强可线性化性质,将它细分为固定生效点和单纯帮助两类,并证明固定生效点是已有的固定可线性化点概念的扩展.其次,提出两种强可线性化的验证算法,其中一种基于固定可线性化点,另一种基于固定生效点.最后,给出一个构造性的证明并发对象违背强可线性化的证明方法,依据该方法证明了Herlihy&Wing队列、一种单读单写寄存器实现和一种并发快照实现违反强可线性化性质.

关键词：并发对象正确性标准可线性化强可线性化

来源：评论

学校读者我要写书评

暂无评论

基于集合效用边际贡献学习的可解释薪酬预测算法

引用

计算机研究与发展 2024年第5期61卷 1276-1289页

作者：孙莹章玉婷庄福振祝恒书何清熊辉香港科技大学(广州)人工智能学域广州511458 中国科学院计算技术研究所专项技术研究中心北京100190 北京航空航天大学人工智能研究院北京100191 BOSS直聘职业科学实验室北京100028 中国科学院智能信息处理重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院大学北京101408

知识技能对薪酬影响作用视为一种多变量影响下高维元素集合的效用建模问题.深度神经网络为解决复杂问题提供了新的机遇,但针对知识导向的细粒度薪酬预测问题,仍缺乏能够对复杂变量影响下的集合效用进行准确、可解释建模的神经网络结构.... 详细信息

知识技能对薪酬影响作用视为一种多变量影响下高维元素集合的效用建模问题.深度神经网络为解决复杂问题提供了新的机遇,但针对知识导向的细粒度薪酬预测问题,仍缺乏能够对复杂变量影响下的集合效用进行准确、可解释建模的神经网络结构.为此,提出一种基于边际贡献的增量式集合效用网络(marginal contribution-based incremental set utility network,MCISUN)来拟合元素加入时的效用增量,从而灵活且可解释地建模集合效用.区别于以往基于池化层的排列不变性建模算法,MCISUN构建顺序敏感的中间结果,利用集合的排列不变性实现数据增强,有效提升模型数据效率及泛化性.最后,大规模真实薪酬数据上的实验结果表明所提模型在基于技能的薪酬预测任务上比最先进的(state-of-the-art,SOTA)模型效果提升超过30%.同时,定性实验证明模型能够为技能设置合理的贡献值且发现技能间的关联.

关键词：集合效用建模边际贡献薪酬预测神经网络可解释性

来源：评论

学校读者我要写书评

暂无评论

面向LQG控制的IEEE 802.11ax网络资源调度方法

引用

通信学报 2024年第3期45卷 81-91页

作者：郑萌张雷梁炜中国科学院沈阳自动化研究所机器人学国家重点实验室辽宁沈阳110016 中国科学院网络化控制系统重点实验室辽宁沈阳110016 中国科学院机器人与智能制造创新研究院辽宁沈阳110169 中国科学院大学计算机科学与技术学院北京100049

由于低成本、易维护和频带免授权等优点,IEEE 802.11ax网络被广泛用于工业控制应用。针对基于IEEE802.11ax的无线网络化控制系统,提出一种控制感知的资源调度方法以支持对多个控制系统的无线高速控制。首先,考虑IEEE802.11ax网络的传感... 详细信息

由于低成本、易维护和频带免授权等优点,IEEE 802.11ax网络被广泛用于工业控制应用。针对基于IEEE802.11ax的无线网络化控制系统,提出一种控制感知的资源调度方法以支持对多个控制系统的无线高速控制。首先,考虑IEEE802.11ax网络的传感数据丢包问题,给出控制系统的最优估计器和线性二次高斯(LQG)控制。然后,分析LQG指标与IEEE 802.11ax传输可靠性的依赖关系,给出期望LQG指标最小化的资源调度问题模型,进而提出一种面向LQG控制的资源调度(LCARS)方法。最后,通过大量仿真验证LCARS的有效性。LCARS可用于自动导引车集群导航、机器人远程控制等智能工厂应用。

关键词：网络化控制系统无线网络线性二次高斯控制资源调度可靠性

来源：评论

学校读者我要写书评

暂无评论

非关系型表格理解前沿进展

引用

中文信息学报 2024年第5期38卷 1-21页

作者：罗平杨清平曹逸轩曹荣禹何清中国科学院计算技术研究所中国科学院智能信息处理重点实验室北京100190 中国科学院大学北京100049 鹏城实验室广东深圳518066

表格理解是指通过计算机对广泛存在于互联网、垂直领域的表格进行自动识别、解析和应用的过程。表格可大致分为关系型表格和非关系型表格。前者类似关系数据库表格,具有结构固定、机器易解析等特点,其研究历史由来已久。后者通常布局多... 详细信息

表格理解是指通过计算机对广泛存在于互联网、垂直领域的表格进行自动识别、解析和应用的过程。表格可大致分为关系型表格和非关系型表格。前者类似关系数据库表格,具有结构固定、机器易解析等特点,其研究历史由来已久。后者通常布局多变,语法灵活,具有更明显的语言特性,这也导致计算机在解析和应用非关系型表格时面临着极大挑战。非关系型表格理解是自然语言和计算机视觉多模态交叉的重要新兴领域之一。随着近年来深度学习技术的普及应用,非关系型表格在表格识别、语义分析、创新应用几个方向得到了长足发展。该文介绍了非关系型表格的结构特点,阐述了其在研究过程中面临的独特挑战,然后从表格识别、语义分析、创新应用三个研究方向简要介绍了近年来此领域的发展,归纳了相关数据集,最后总结了目前非关系型表格理解领域亟需解决的问题,展望了未来研究方向。

关键词：表格智能深度学习多模态自然语言处理

来源：评论

学校读者我要写书评

暂无评论

前馈神经网络和循环神经网络的鲁棒性验证综述

引用

软件学报 2023年第7期34卷 3134-3166页

作者：刘颖杨鹏飞张立军吴志林冯元计算机科学国家重点实验室(中国科学院软件研究所) 北京100190 中国科学院大学北京100049 University of Technology Sydney Sydney 2007Australia 琶洲实验室广东广州510320

随着智能时代的到来,部署了深度神经网络的智能系统应用已经渗透到了人类生活的各个方面.然而,由于神经网络具有黑盒特性和规模庞大的特点,其预测结果难以让人完全信服,当应用于自动驾驶等安全攸关的领域时,如何保证其安全性仍然是学术... 详细信息

随着智能时代的到来,部署了深度神经网络的智能系统应用已经渗透到了人类生活的各个方面.然而,由于神经网络具有黑盒特性和规模庞大的特点,其预测结果难以让人完全信服,当应用于自动驾驶等安全攸关的领域时,如何保证其安全性仍然是学术界和工业界面临的巨大挑战.为此,学术界针对神经网络一种特殊的安全性——鲁棒性展开了研究,并提出了很多鲁棒性的分析和验证方法.目前为止,验证前馈神经网络的方法包括精确验证方法和近似验证方法,已经发展得比较繁荣;而对于其他类型的网络,如循环神经网络的鲁棒性验证研究还处于起步阶段.回顾深度神经网络的发展以及部署到日常生活中面临的挑战;详尽地调研前馈神经网络和循环神经网络的鲁棒性验证方法,并对这些验证方法间的内在联系进行分析和比较;调研循环神经网络在现实应用场景中的安全性验证方法;阐明神经网络鲁棒性验证领域未来可以深入研究的方向.

关键词：神经网络鲁棒性人工智能安全智能系统形式化方法

来源：评论

学校读者我要写书评

暂无评论

GroupUCP:按需动态调节的细粒度缓存划分策略

引用

计算机研究与发展 2025年第4期62卷 989-1002页

作者：张传奇王卅孙凝晖包云岗处理器芯片全国重点实验室(中国科学院计算技术研究所) 北京100190 中国科学院大学计算机科学与技术学院北京101408 北京开源芯片研究院北京100080

随着现代计算机技术的进步,内存墙问题越发严重.在此背景下,多级缓存中的末级缓存成为了影响性能的关键资源.近年来各项研究通过拓展尺寸,以及动态资源管理的手段优化末级缓存.路划分技术是缓存资源管理的主要方法,通过将缓存按路为单... 详细信息

随着现代计算机技术的进步,内存墙问题越发严重.在此背景下,多级缓存中的末级缓存成为了影响性能的关键资源.近年来各项研究通过拓展尺寸,以及动态资源管理的手段优化末级缓存.路划分技术是缓存资源管理的主要方法,通过将缓存按路为单位划分后分配给各个应用使用,实现系统性能优化.然而路划分粒度较粗,要求缓存的所有组(set)都遵循同样的路划分方案.实际上,应用在不同组可能会有不同的空间需求,路划分技术限制了缓存的空间利用,造成资源浪费.GroupUCP是一种按需调节的细粒度缓存资源管理技术,其设计思路是根据每个应用对各缓存组的不同需求,采用动态分组和实时评估的方式,将各个缓存组聚合成组,分组进行按需分配.这一设计允许各个组进行独立的路划分分配,从而提高缓存使用率和整体系统性能.实验证明,相较于传统的UCP方法,GroupUCP利用更少的硬件资源实现了更细粒度资源按需分配,在对缓存资源敏感且需求不均衡的应用组合下获得了更高的系统性能提升.

关键词：多核处理器共享缓存动态划分动态分组元数据压缩

来源：评论

学校读者我要写书评

暂无评论

基于个人计算机的进化生物学分析新时代:以eGPS为例新时代多功能软件探讨

引用

遗传 2025年第2期47卷 271-285页

作者：虞达浪杨佳宁张建威张皖豫李海鹏国科大杭州高等研究院生命与健康科学学院浙江省系统健康科学重点实验室杭州310024 中国科学院上海营养与健康研究所中国科学院计算生物学重点实验室上海200031 中国科学院大学北京100049

各种多组学技术所产生的大规模数据,提出了如何快速、准确地分析这些数据的重要科学问题。如何在发展创新性新理论和数学模型的基础上,基于软件工程开发出能够让用户高效且精确地处理大规模生物学数据的便捷工具,是生物信息学和计算生... 详细信息

各种多组学技术所产生的大规模数据,提出了如何快速、准确地分析这些数据的重要科学问题。如何在发展创新性新理论和数学模型的基础上,基于软件工程开发出能够让用户高效且精确地处理大规模生物学数据的便捷工具,是生物信息学和计算生物学的重要研究方向。本文主要介绍了生物信息学相关软件的发展历史、基于进化生物学的应用场景和进化与组学多功能分析软件平台eGPS、计算机使用的3种方式和软件编程的3个范式,以及如何基于Conda、R语言生态与eGPS软件平台分析单基因、通路和基因组水平的数据。针对不同科学目标的用户群体,提出了软件开发、使用、维护的新思路,并对进化生物学软件应用领域的未来发展进行了展望。最后,本文提出使用个人计算机进行进化与多组学分析不仅是时代所需也是未来发展的趋势,在生物信息学分析中扮演越来越重要的角色。

关键词：个人计算机进化生物学分析多组学分析 eGPS软件平台软件开发

来源：评论

学校读者我要写书评

暂无评论

基于可变尺度先验框的声呐图像目标检测

引用

系统工程与电子技术 2024年第3期46卷 771-778页

作者：黄思佳宋纯锋李璇中国科学院声学研究所水下航行器信息技术重点实验室北京100190 中国科学院大学电子电气与通信工程学院北京100049 中国科学院自动化研究所智能感知与计算研究中心北京100190

利用深度学习对声呐图像进行目标检测是近年来的研究热点,然而声呐图像存在目标尺度分布集中、数据获取难等问题,导致检测效果难以满足需求。针对该问题,提出了一种基于可变尺度先验框的目标检测方法。首先,考虑到声呐图像中目标的尺度... 详细信息

利用深度学习对声呐图像进行目标检测是近年来的研究热点,然而声呐图像存在目标尺度分布集中、数据获取难等问题,导致检测效果难以满足需求。针对该问题,提出了一种基于可变尺度先验框的目标检测方法。首先,考虑到声呐图像中目标的尺度分布具有其特殊性,基于先验统计生成可变尺度先验框。其次,为了解决声呐图像稀缺的难题,采用数据增强的方法对训练集进行扩充。最后,探索了模型的轻量化,通过删减模型的大目标检测层,在不降低模型精度的同时简化模型结构。为了评估算法的有效性,以前视声呐图像为例进行了综合试验,平均精度(mean average precision,mAP)@0.75和mAP@0.5:0.95分别达0.585和0.559,较原Yolov5网络分别提升了5.8%和3.1%,同时每秒10亿次浮点运算次数下降到14.9。结果表明,所提算法具有更高的精度和更轻量化的模型结构。

关键词：声呐图像目标检测数据增强尺度聚类轻量化模型

来源：评论

学校读者我要写书评

暂无评论

面向Apache Flink流式分析应用的高吞吐优化技术

引用

软件学报 2024年

作者：秦政许利杰陈伟王毅吴铭钞曾鸿斌王伟中国科学院软件研究所中国科学院大学计算机科学国家重点实验室(中国科学院软件研究所) 中国科学院大学南京学院

随着大数据时代的到来,海量的用户数据赋能了众多数据驱动的行业应用,例如智慧交通、智能电网、商品推荐等.在数据实时性要求高的应用场景下,数据中的业务价值随时间增长快速降低,因此数据分析系统需要具有高吞吐和低延迟能力,以Apache ... 详细信息

随着大数据时代的到来,海量的用户数据赋能了众多数据驱动的行业应用,例如智慧交通、智能电网、商品推荐等.在数据实时性要求高的应用场景下,数据中的业务价值随时间增长快速降低,因此数据分析系统需要具有高吞吐和低延迟能力,以Apache Flink为代表的流式大数据处理系统得到广泛应用. Flink通过在集群的计算节点上并行化计算任务,水平扩展系统吞吐量.然而,已有研究指出, Flink存在单点性能弱,集群水平可扩展性差的问题.为了提高流式大数据处理系统的吞吐量,研究者在控制平面设计、系统算子实现和垂直可扩展性等方面开展优化,但现有工作尚缺乏对流式分析应用数据流的关注.流式分析应用是由事件流驱动并使用有状态处理函数的应用,例如智能电网场景下的低电压检测应用、商品推荐场景下的广告活动分析应用等.对典型的流式分析应用的数据流特征进行分析,总结其中存在的3个水平可扩展性瓶颈并给出相应的优化策略,包括:键级水位线,动态负载分发策略和基于键值的数据交换策略.基于上述优化技术,对Flink框架进行扩展并形成原型系统Trilink,选取真实场景数据集:低电压检测应用,桥梁拱顶监测应用和典型流式分析测试基准Yahoo Streaming Benchmark,与现有工作进行测试比较.实验结果表明,相较于Flink, Trilink在单机环境下吞吐率提升了5倍以上, 8节点下水平扩展加速比提高了1.6倍以上.

关键词：流式处理分布式系统性能优化大数据系统

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：