[目的]直观把握东北黑土区沟蚀研究进展与热点,推进东北黑土区沟蚀研究领域的发展。[方法]以CNKI与Web of Siencec数据库中245篇相关文献为对象,利用文献计量的方法,使用CiteSacep软件绘制东北黑土区沟蚀研究知识图谱。[结果]结果表明:...[目的]直观把握东北黑土区沟蚀研究进展与热点,推进东北黑土区沟蚀研究领域的发展。[方法]以CNKI与Web of Siencec数据库中245篇相关文献为对象,利用文献计量的方法,使用CiteSacep软件绘制东北黑土区沟蚀研究知识图谱。[结果]结果表明:(1)黑土区沟蚀研究起步较晚,近十年发文量显著增加,但国际期刊发表成果较少,仅占26%。(2)该领域研究力量主要分布在我国东北,其中水利部松辽流域委员会、北京师范大学、中国科学院东北地理与农业生态研究所、东北农业大学、沈阳农业大学等机构贡献突出、影响较大;张树文是该领域中文发文量最多的学者,刘宝元和伍永秋是英文发文量最多的学者。(3)关键词共现表明,目前对东北黑土区沟蚀的关注重点主要集中在侵蚀沟发育特征、影响因素和沟蚀防治措施等方面。[结论]东北黑土区沟蚀尚未形成完整的研究框架和全面的认识,在未来的研究中,需进一步注重东北黑土区沟蚀形成和发育过程及机理研究,并深入分析地质、地形、水文、人类活动等因素的影响。展开更多
风蚀监测可反映风沙运动规律,集沙仪是风蚀监测的必备仪器,而以往研究大多在沙漠或沙地开展,较少涉及黑土农田。本研究基于BSNE(Big Spring Number Eight)集沙仪,将采沙盒底部阻风结构中的18目孔径筛网改进为逆向百叶窗式的阻风挡板,采...风蚀监测可反映风沙运动规律,集沙仪是风蚀监测的必备仪器,而以往研究大多在沙漠或沙地开展,较少涉及黑土农田。本研究基于BSNE(Big Spring Number Eight)集沙仪,将采沙盒底部阻风结构中的18目孔径筛网改进为逆向百叶窗式的阻风挡板,采用模拟试验对比分析BSNE集沙仪和改进后rBSNE(Revised Spring Number Eight)集沙仪的保沙和集沙能力,并将其应用于野外黑土农田风蚀监测。研究结果表明:与BSNE集沙仪相比,rBSNE集沙仪降低了小粒级颗粒的损失率,当风速低于20 m·s^(-1)时,对<0.25 mm粒径的土壤颗粒的损失率显著降低74.3%~87.1%;当风速达到20 m·s^(-1)时,对所有试验粒径的土壤颗粒的损失率显著降低46.9%~74.3%。与BSNE集沙仪相比,rBSNE集沙仪有助于对小粒级颗粒的收集,当风速低于20 m·s^(-1)时,对粒径为<0.5 mm的集沙量显著增加了9.0%~44.0%;当风速达到20 m·s^(-1)时,对所有试验粒径的集沙量均显著增加7.3%~34.4%。野外监测结果显示风蚀输沙量随高度增加呈指数函数递减趋势,说明rBSNE集沙仪可应用于黑土农田风蚀的监测。展开更多
神经结构搜索技术可以在大量候选网络集合中搜索到适用于特定任务的神经网络结构.目前,大多数结构搜索网络的部署是针对英伟达GPU、英特尔CPU或谷歌TPU等硬件设备的.然而,将搜索到的架构迁移到一些AI专用加速器中,如寒武纪加速卡或华为A...神经结构搜索技术可以在大量候选网络集合中搜索到适用于特定任务的神经网络结构.目前,大多数结构搜索网络的部署是针对英伟达GPU、英特尔CPU或谷歌TPU等硬件设备的.然而,将搜索到的架构迁移到一些AI专用加速器中,如寒武纪加速卡或华为Atlas推理加速器,推理效果却表现不佳.主要存在两方面的问题:在搜索空间设计层面,由于硬件架构设计对不同算子的支持存在差异,复用传统的搜索空间到专用神经网络加速器上,其推理效率不是最优的;在结构搜索层面,由于专用神经网络加速器在并行计算资源和数据流水通道等设计的不同,仅采用参数量、计算量作为搜索目标不能准确度量推理延迟,并且限制了神经结构搜索在精度和延迟上的探索空间.为了解决上述问题,本文提出一种基于硬件感知的多目标神经结构搜索方法,首先通过测试不同类型的卷积算子在目标硬件上的性能表现,使用非支配排序设计出定制化的高效搜索空间.然后,将延迟纳入搜索目标,提出一种启发式的混合粒度交叉算子,通过粗粒度阶段间交叉和细粒度阶段内交叉提高种群在多目标下的收敛性和多样性,更好地权衡神经网络的精度和推理延迟.本文主要针对国产寒武纪加速卡MLU270-F4进行了实验分析与方法验证,在CIFAR-10上搜索得到的MLUNet-S4精度比DARTS高0.14%的同时推理速度提升了4.7倍,相比于NSGANet精度仅下降0.04%的同时速度提升了5.5倍;在ILSVRC2012数据集上MLUNet-C相较于具有相同推理速度的Mobile Net V2和Mnas Net速度上提升了1.2倍的同时预测精度也分别提升了2.3%和0.2%,效果提升显著.展开更多
文摘[目的]直观把握东北黑土区沟蚀研究进展与热点,推进东北黑土区沟蚀研究领域的发展。[方法]以CNKI与Web of Siencec数据库中245篇相关文献为对象,利用文献计量的方法,使用CiteSacep软件绘制东北黑土区沟蚀研究知识图谱。[结果]结果表明:(1)黑土区沟蚀研究起步较晚,近十年发文量显著增加,但国际期刊发表成果较少,仅占26%。(2)该领域研究力量主要分布在我国东北,其中水利部松辽流域委员会、北京师范大学、中国科学院东北地理与农业生态研究所、东北农业大学、沈阳农业大学等机构贡献突出、影响较大;张树文是该领域中文发文量最多的学者,刘宝元和伍永秋是英文发文量最多的学者。(3)关键词共现表明,目前对东北黑土区沟蚀的关注重点主要集中在侵蚀沟发育特征、影响因素和沟蚀防治措施等方面。[结论]东北黑土区沟蚀尚未形成完整的研究框架和全面的认识,在未来的研究中,需进一步注重东北黑土区沟蚀形成和发育过程及机理研究,并深入分析地质、地形、水文、人类活动等因素的影响。
文摘风蚀监测可反映风沙运动规律,集沙仪是风蚀监测的必备仪器,而以往研究大多在沙漠或沙地开展,较少涉及黑土农田。本研究基于BSNE(Big Spring Number Eight)集沙仪,将采沙盒底部阻风结构中的18目孔径筛网改进为逆向百叶窗式的阻风挡板,采用模拟试验对比分析BSNE集沙仪和改进后rBSNE(Revised Spring Number Eight)集沙仪的保沙和集沙能力,并将其应用于野外黑土农田风蚀监测。研究结果表明:与BSNE集沙仪相比,rBSNE集沙仪降低了小粒级颗粒的损失率,当风速低于20 m·s^(-1)时,对<0.25 mm粒径的土壤颗粒的损失率显著降低74.3%~87.1%;当风速达到20 m·s^(-1)时,对所有试验粒径的土壤颗粒的损失率显著降低46.9%~74.3%。与BSNE集沙仪相比,rBSNE集沙仪有助于对小粒级颗粒的收集,当风速低于20 m·s^(-1)时,对粒径为<0.5 mm的集沙量显著增加了9.0%~44.0%;当风速达到20 m·s^(-1)时,对所有试验粒径的集沙量均显著增加7.3%~34.4%。野外监测结果显示风蚀输沙量随高度增加呈指数函数递减趋势,说明rBSNE集沙仪可应用于黑土农田风蚀的监测。
文摘神经结构搜索技术可以在大量候选网络集合中搜索到适用于特定任务的神经网络结构.目前,大多数结构搜索网络的部署是针对英伟达GPU、英特尔CPU或谷歌TPU等硬件设备的.然而,将搜索到的架构迁移到一些AI专用加速器中,如寒武纪加速卡或华为Atlas推理加速器,推理效果却表现不佳.主要存在两方面的问题:在搜索空间设计层面,由于硬件架构设计对不同算子的支持存在差异,复用传统的搜索空间到专用神经网络加速器上,其推理效率不是最优的;在结构搜索层面,由于专用神经网络加速器在并行计算资源和数据流水通道等设计的不同,仅采用参数量、计算量作为搜索目标不能准确度量推理延迟,并且限制了神经结构搜索在精度和延迟上的探索空间.为了解决上述问题,本文提出一种基于硬件感知的多目标神经结构搜索方法,首先通过测试不同类型的卷积算子在目标硬件上的性能表现,使用非支配排序设计出定制化的高效搜索空间.然后,将延迟纳入搜索目标,提出一种启发式的混合粒度交叉算子,通过粗粒度阶段间交叉和细粒度阶段内交叉提高种群在多目标下的收敛性和多样性,更好地权衡神经网络的精度和推理延迟.本文主要针对国产寒武纪加速卡MLU270-F4进行了实验分析与方法验证,在CIFAR-10上搜索得到的MLUNet-S4精度比DARTS高0.14%的同时推理速度提升了4.7倍,相比于NSGANet精度仅下降0.04%的同时速度提升了5.5倍;在ILSVRC2012数据集上MLUNet-C相较于具有相同推理速度的Mobile Net V2和Mnas Net速度上提升了1.2倍的同时预测精度也分别提升了2.3%和0.2%,效果提升显著.
