利用参数稀疏性的卷积神经网络计算优化及其FPGA加速器设计

针对卷积神经网络(CNN)在嵌入式端的应用受实时性限制的问题,以及CNN卷积计算中存在较大程度的稀疏性的特性,该文提出一种基于FPGA的CNN加速器实现方法来提高计算速度。首先,挖掘出CNN卷积计算的稀疏性特点;其次,为了用好参数稀疏性,把CNN卷积计算转换为矩阵相乘;最后,提出基于FPGA的并行矩阵乘法器的实现方案。在Virtex-7 VC707 FPGA上的仿真结果表明,相比于传统的CNN加速器,该设计缩短了19%的计算时间。通过稀疏性来简化CNN计算过程的方式,不仅能在FPGA实现,也能迁移到其他嵌入式端。

一种神经网络模型剪枝后泛化能力的验证方法

针对神经网络模型在剪枝操作中Dropout率下调造成的过拟合问题,提出一种剪枝模型泛化能力的验证方法。研究人为遮挡数据集模拟图像范围的变化情况,分析不同Dropout值和剪枝比例对模型准确率的影响,进而得到剪枝操作后模型泛化能力变化的原因。在卷积神经网络模型lenet-5上进行实验,结果表明,剪枝模型泛化能力减弱是因为Dropout率下调和剪枝操作时参数量的变化。

基于线性脉动阵列的卷积神经网络计算优化与性能分析

针对大部分FPGA端上的卷积神经网络(CNN, convolutional neural network)加速器设计未能有效利用稀疏性的问题,从带宽和能量消耗方面考虑,提出了基于线性脉动阵列的2种改进的CNN计算优化方案。首先,卷积转化为矩阵相乘形式以利用稀疏性;其次,为解决传统的并行矩阵乘法器存在较大I/O需求的问题,采用线性脉动阵列改进设计;最后,对比分析了传统的并行矩阵乘法器和2种改进的线性脉动阵列用于CNN加速的利弊。理论证明及分析表明,与并行矩阵乘法器相比,2种改进的线性脉动阵列都充分利用了稀疏性,具有能量消耗少、I/O带宽占用少的优势。

基于LZW编码的卷积神经网络压缩方法

针对卷积神经网络(CNN)因参数量大难以移植到嵌入式平台的问题,提出基于LZW编码的CNN压缩方法。通过浮点转定点和剪枝2种方法来压缩模型容量。对权值进行k-means聚类量化,并在此基础上进行LZW编码。在MNIST数据集上进行实验,结果表明,剪枝效果优于浮点转定点的压缩效果,在进行剪枝、量化后使用LZW编码,其压缩比可达25.338。

GPS动态后处理技术在超高层建筑施工中的应用

GPS动态后处理技术是利用GPS进行建筑测量的作业模式之一,其采用快速求解全周期模糊度的技术,通过先进的内业处理软件进行平差求中误差,可将精度提高到毫米级。PPK测量模式作业半径可达50 km,不需要在基准站与移动站间传输数据,也不需电台实时传输,数据均为事后处理,而且测量周期短,可满足超高层建筑施工中的结构健康监测和轴线控制网的检核。

基于区域划分的非全互连3D NoC多播路由算法

针对非全互连三维片上网络中多播路由算法传输路径长且易发生网络拥塞的问题,提出一种基于区域划分的多播路由算法。根据目的节点的分布将数据包传输方式分为层间传输和层内传输。在层间传输时,数据包选择硅通孔(TSV)表中最近的TSV作为传输通道。在层内传输时,根据源节点位置坐标划分网络区域,将源节点所在行作为公共路径,在该路径上传输携带目的节点地址的初始包。在此基础上,进行目的地址列检查和数据包复制。实验结果表明,与3D LADPM算法、3D HOE算法相比,该算法能够缩短传输时延,降低网络丢包率。

沥青混合料自愈合微胶囊制备与评价的研究进展

综述了微胶囊自愈合技术中几种主要的囊壁、囊芯材料和微胶囊制备方法;总结了微胶囊壁材、芯材的要求和作用效果;分析了吸附法、锐孔-凝聚浴法、原位聚合法和界面聚合法的制备工艺,以及各方法制备的微胶囊应用效果;阐述了微胶囊自愈合效果的性能评价方法;指出了微胶囊自愈合效果面临的挑战和有效的解决方案。该研究成果可为自愈合微胶囊早日路用夯实基础。

基于通信信号行为的时间序列分析算法综述

时间序列分析是机器学习中一项重要的任务,具有广泛的应用场景,包括电力负载、交通流量和股市指数等,但对非合作通信信号行为等高维时序数据的分析研究较少。分析非合作通信信号时序数据的难点在于信号行为的多变性、数据的间断性和重点目标的不明确性等问题,自回归模型和动态线性模型重点关注于低维数据的处理,在处理类似于非合作通信信号等高纬数据时存在明显缺陷,所以本文将重点结合矩阵分解模型和深度学习模型,为探究如何实现对非合作通信信号行为的时序数据分析提供了参考。