基于OBE理念的物联网综合实验课程设计

分析当前物联网综合实验课程教学中面临的问题,以OBE理念为指引,提出“校企协作、产教互促”“软硬结合、虚实相融”“以赛促学、学用相长”“思政引领、立德树人”的实验课程设计思路,介绍课程教学实施过程,最后说明教学效果。

面向深度神经网络大规模分布式数据并行训练的MC^(2)能耗模型

深度神经网络(deep neural network,DNN)在许多现代人工智能(artificial intelligence,AI)任务中取得了最高的精度.近年来,使用高性能计算平台进行大规模分布式并行训练DNN越来越普遍.能耗模型在设计和优化DNN大规模并行训练和抑制高性能计算平台过量能耗方面起着至关重要的作用.目前,大部分的能耗模型都是从设备的角度出发对单个设备或多个设备构成的集群进行能耗建模,由于缺乏从能耗角度对分布式并行DNN应用进行分解剖析,导致罕有针对分布式DNN应用特征进行建模的能耗模型.针对目前最常用的DNN分布式数据并行训练模式,从DNN模型训练本质特征角度出发,提出了“数据预处理(materials preprocessing)-前向与反向传播(computing)-梯度同步与更新(communicating)”三阶段MC^(2)能耗模型,并通过在国产E级原型机天河三号上使用最多128个MT节点和32个FT节点训练经典的VGG16和ResNet50网络以及最新的Vision Transformer网络验证了模型的有效性和可靠性.实验结果表明,MC^(2)与真实能耗测量结果相差仅为2.84%,相较4种线性比例能耗模型以及AR,SES,ARIMA时间预测模型准确率分别提升了69.12个百分点,69.50个百分点,34.58个百分点,13.47个百分点,5.23个百分点,22.13个百分点,10.53个百分点.通过使用的模型可以在超算平台得到DNN模型的各阶段能耗和总体能耗结果,为评估基于能耗感知的DNN大规模分布式数据并行训练及推理各阶段任务调度、作业放置、模型分割、模型裁剪等优化策略的效能提供了基础.

NAND闪存可靠性验证实验平台设计与应用

为满足NAND闪存芯片性能和可靠性量化分析与测试的教学实验需求,自研NAND闪存可靠性验证实验设备,基于该设备构建了NAND闪存可靠性验证实验平台。平台支持软硬件构建过程测试和结果分析等相关实验内容,并通过实例测试验证了其实用性。平台可覆盖计算机类工科本科阶段多门专业课程的课内实验、专题实验、开放创新实验、课程设计以及毕业设计等,培养学生理论结合实践、独立思考、动手解决工程问题的能力。

面向虚拟数据空间的智能TCP拥塞控制算法

为优化虚拟数据空间网络传输性能,提出了基于近端策略优化的智能TCP拥塞控制算法TCP-PPO2。将TCP拥塞控制过程抽象为一个可部分观察的马尔可夫决策过程,在该过程中构建一个智能体,与网络环境进行互动。智能体通过观察网络状态特征对拥塞窗口长度进行调节,网络环境向智能体反馈奖励值,智能体尝试最大化回合内获得奖励期望值。设计了包括吞吐率、网络时延等网络特征的状态空间,使智能体能够观察到足够多的信息进行决策并且降低性能开销。通过加权算法设计奖励函数,使智能体能够平衡优化吞吐率与时延。通过近端策略优化算法更新智能体模型参数,对过大的参数更新进行截断,将参数更新限制在一定范围内,减少梯度下降过程中出现的振荡,实现训练过程的快速收敛。在NS3模拟器上实现了基于近端策略优化的TCP拥塞控制算法,并与Cubic、HighSpeed和NewReno等主流拥塞控制算法进行了对比,结果表明:TCP-PPO2吞吐率性能可达对比算法的2~3倍以上;80%的采样点时延相比链路最小时延值只增加了4%。

R-dedup:一种重复数据删除指纹计算的优化方法

为减缓存储系统中传统重复数据删除方法在高性能固态存储盘中存在的指纹计算性能瓶颈,提出了重复数据删除指纹计算的性能优化方法R-dedup。在基于内容分块算法基础上,将切分后形成的所有数据块进一步切分为更小粒度的48 B等长数据片。基于Rabin哈希长度小于原始数据、多个Rabin哈希同时发生碰撞概率极低、数据片的Rabin哈希可以重复利用基于内容分块算法在滑动窗口过程中产生的计算结果的基础,利用数据片的Rabin哈希替代原始数据,并将其作为数据块的SHA-1指纹输入,减少SHA-1函数数据计算量,提高指纹计算性能。选取Linux内核、Imagenet等5组具有代表性的数据集,对R-dedup和标准基于内容分块的重复数据删除方法在数据分块性能、指纹计算性能、索引表检索性能和I/O性能方面分别进行了比较。结果表明:R-dedup的数据分块性能、索引表检索性能、I/O性能与对比方法具有4%左右的误差波动,性能基本一致;R-dedup的指纹计算吞吐率是对比方法的165%~422%,总体吞吐率是对比方法的6%~54%。

内容分块算法中预期分块长度对重复数据删除率的影响

针对基于内容分块重复数据删除方法缺少能够定量分析预期分块长度与重复数据删除率之间关系的数学模型,导致难以通过调整预期分块长度优化重复数据删除率的问题,提出了一种基于Logistic函数的数学模型。在大量真实数据测观察基础上,提出了通过Logistic函数描述非重复数据的"S"形变化趋势,解决了该数据难以从理论上推导、建模的问题,证明了基于内容分块过程服从二项分布,并从理论上推导出了元数据大小模型。基于上述两种数据模型,通过数学运算最终推导得到重复数据删除率模型,并利用收集到的3组真实数据集对模型进行了实验验证。实验结果表明:反映数学模型拟合优度的R2值在0.9以上,说明该模型能够准确地反映出预期分块长度与重复数据删除率之间的数学关系。该模型为进一步研究如何通过调整预期分块长度使重复数据删除率最优化提供了理论基础。

重复数据删除中的无向图遍历分组预测方法

针对重复数据删除系统中存储容量受内存限制难以进行扩展的问题,提出了一种基于无向图遍历的重复数据删除分组预测方法。该方法将索引表保存在磁盘中,并在内存中维护索引表缓存,以此提高系统最大可支持的存储容量。对于索引表缓存命中率低、系统性能差的问题,采用了图遍历分组方法予以解决,根据数据块访问序列特征信息建立无向图并进行分析,基于分析结果对索引项进行分组,并以组进行缓存替换,从而提高缓存命中率和系统性能。实验结果表明,基于缓存预取原理和无向图遍历分组,在将缓存设置为索引表大小的10%时,重复数据删除存储系统最大存储容量比原有方法提高了7.5倍,缓存命中率由不进行索引项分组时的47%提高到87.6%。

面向SQLite的TPC-E基准测试系统的设计与实现

TPC-E是TPC(transaction processing performance council,事务处理性能委员会)组织发布的新一代数据库性能评测标准,用于取代日渐老化的TPC-C标准。SQLite是目前被广泛使用的一种嵌入式数据库,研究在TPC-E标准下的SQLite具体性能表现对实际应用具有重要参考意义。然而,目前业界缺少面向SQLite的TPC-E实现。为了解决该问题,设计和实现了面向嵌入式轻量级数据库SQLite的TPC-E基准测试系统,它不仅可以为SQLite数据库提供准确高效的性能评测系统,而且对SQLite在市场上的扩展应用和开发具有重要的参考价值。该测试系统严格遵循TPC组织最新发布的OLTP性能评测基准TPC-E,不仅能对SQLite作为内存数据库与文件数据库时的数据库特性进行精确有效的性能评测,还能客观真实地获得SQLite数据库的性能评测数据。实验结果表明,在TPC-E负载下,与Oracle等重量级的关系型数据库相比,SQLite事务处理性能较低。但由于其简单易用和体积小等优势,SQLite在实时性高的行业小型智能设备方面的应用依然具有较大的优势。同时通过对实验结果的分析,指出了制约SQLite性能的主要原因。

起重机断错相保护装置使用分析

新的《起重机械安装改造重大维修监督检验规则》TSGQ7016—2008和《起重机械定期检验规则》TSGQ7015—2008发布实施以来，要求起重机装设供电电源的断错相保护装置，从而实现起重机运行过程中，当动力电源出现断错相时，避免电机反转或起升力矩不足导致重物坠落事故发生。从几年来的使用情况看，很多起重机使用单位和检验人员对断错相保护原理认识还存在一定的差异，同时现有的断错相保护装设方式也有一定的缺陷，需要进一步的改进，本文将就此进行深入分析探讨。

采收成熟度对牛肝菌保鲜贮藏的影响

不同成熟度的食用菌子实体采后生理、病理及贮藏品质有不同的变化规律 ,本文通过对美柄牛肝菌(BoletusspeciosuFrost)三种不同成熟度的子实体的呼吸强度、呼吸商的测定分析 ,及贮藏过程中菌体外观品质变化综合评定的产生及发展进行分析 ,为牛肝菌采集及贮藏中的原料标准的制定提供依据。

云南野生食用菌——牛肝菌的病害调查研究报告

通过对云南省石屏地区牛肝菌病害的调查 ,初步发现牛肝菌病害 9种 ,其中真菌性病害 5种 ,细菌性病害 4种 ,另外还发现一种由蚤蝇引起的虫害。调查结果表明 ,黑霉病、软腐病在本地区分布较广 ,且为害严重 ,白霉病、拟青霉病、轮枝霉病等都有发生但为害较轻。最后 ,根据调查及鉴定结果 ,提出了相应的防治措施。

一种基于V^3模型的内存数据库性能分析研究

针对大数据时代各种复杂业务对数据处理日益增长的性能要求,以及对数据管理中:模式自由、高可用、轻量级复制、大容量水平可扩展等方面的需要,文中从内存数据库的存储类型、体系结构、规模、并发性、可用性与可扩展性等方面对19种主流内存数据库进行了对比分析。提出了一种综合考虑处理速度、规模与可扩展性的V3性能模型,对主流内存数据库进行了分类,并选取了有代表性的内存数据库在高频量化交易测试环境进行性能分析与测试。结果表明,New SQL数据库有较好的综合性能。为提高内存数据库在多任务并行情况下处理的速度,文中对多核环境中内存数据库的设计与优化进行了分析,将优化过程分为访存、并发加速和数据划分模式,并对内存数据库发展进行了展望。

再论冶金起重机正反向接触器故障保护功能设置

自辽宁铁岭4．18钢水包倾覆事故发生后，国家质检总局专门针对冶金桥式起重机出台了新的“起重机机械安全技术监察规程——桥式起重机》TSGQ0002-2008，其中第五十二条规定：吊运熔融金属的起重机，起升机构应当具有正反向接触器故障保护功能，防止电动机失电而制动器仍然在通电，导致电动机失速造成重物坠落。关于这一条的理解，

冶金起重机正反向接触器故障保护功能的设置

自辽宁铁岭418钢水包倾覆事故发生后，国家质检总局专门针对冶金桥式起重机出台了新的《起重机机械安全技术监察规程——桥式起重机》TSGQ0002--2008，其中第五十二条规定：吊运熔融金属的起重机，起升机构应当具有正反向接触器故障保护功能，防止电动机失电而制动器仍然在通电，导致电动机失速造成重物坠落。

分析核磁共振成像(MRI)结合扩散加权成像(DWI)在脑神经胶质瘤分级诊断中的应用

探讨脑神经胶质瘤采取核磁共振成像(MRI)结合扩散加权成像(DWI)分级诊断的效果。方法 选取2023年6月-2024年6月期间,收治的70例疑似脑神经胶质瘤患者为研究对象,68例经病理检查确诊,其中43例为高分级,25例为低分级,所有患者均接受MRI、DWI检查,以病理检查结果为金标准,对比MRI、DWI对脑神经胶质瘤的分级诊断效果。结果 对MRI与MRI联合DWI的检测结果进行了对比,MRI联合DWI的诊断效能与分级诊断准确率更高(P<0.05)。结论 在分级诊断脑神经胶质瘤时,可将MRI检查与DWI联合,能够获得与病理诊断相接近的结果,尤其是ADC值、rADC值可用于高分级与低分级的鉴别,更利于确定患者的疾病病情状况,以便于尽早制定治疗方案。

关于几个不等式

本文指出参考文献 [1]中的一个错误 ,并企图应用函数的凸性解决一些复杂的不等式问题。

光纤传感器在石油测井中的应用分析

石油测井技术直接影响了石油开发质量以及石油开发效率,是石油开发中的重要环节之一,发挥着重要的作用,我国目前石油测井过程中还存在一定的问题,直接影响石油测井的准确度,因此想要有效地解决以上问题,在石油测井中应用了一种光纤传感器,光纤传感器有着稳定性强、准确度高、体积小、效率高的优势,提高了石油测井的工作效率。本文主要阐述了光纤传感器的工作原理,以及光纤传感器在石油测井中的应用原理,根据实际情况制定光纤传感器在石油测井中的应用策略,促进我国石油测井技术的可持续发展。

UPPA:面向异构众核系统的统一并行编程架构

主流异构并行编程方法如CUDA和OpenCL,其编程抽象层次低,编程接口靠近底层,无法为用户屏蔽底层硬件和运行时细节,导致编程逻辑复杂,编程困难易错.同时应用性能绑定于底层运行时环境,在硬件架构变化时需要根据硬件特征进行针对性改动和优化,无法保证上层应用的统一.为了简化异构并行编程,提高编程效率,实现上层应用的统一和跨平台,本文提出了一种面向异构众核系统的高层统一并行编程架构UPPA(Unified Parallel Programming Architecture).架构中首先提出了数据关联计算编程模型,实现了不同层级不同模式并行性的统一描述,简化了异构并行编程逻辑,提供了高层统一的并行编程抽象;继而设计了数据关联计算描述语言为用户提供简便易用的统一编程接口,通过高层语义结构保留了应用的并行特征,可以指导编译和运行时系统实现向不同硬件架构的自动映射,保证了上层应用的统一,并采用C语言兼容的语法提供针对高层语义结构的语言扩展,保证编程接口的易学易用;最后提供了基于OpenCL的编译和运行时原型系统,以OpenCL为中间语言实现了高层应用在不同异构系统上的执行,提供了良好的跨平台特性.我们使用数据关联计算描述语言对Parboil和Rodinia测试集中的多个测试用例进行了重构,并在NVIDIA GPU和Intel MIC两种异构平台上进行了验证测试.每个测试用例重构的代码量与测试集提供的串行代码相当,仅为测试集OpenCL代码的13%~64%,有效地降低了异构编程的工作量.在编译和运行时系统的支持下,重构代码无需改动就可以在两种平台上执行.相比于人工编写且经过优化的测试集OpenCL代码,重构代码在GPU和MIC两种平台下分别能够达到其性能的91%~100%和76%~98%,这表明了本文方法的有效性和编译与运行时系统的高效.

一起门座式起重机“溜钩”事故分析

2010年3月某市一家企业的1台门座式起重机：型号：S4070K10，额定起重量：40t、工作幅度30～70m、最大起重力矩：7000KNm、工作级别A6。在起吊重物过程中，突然溜钩，重物急速下降，此时制动器却未能有效抱闸，从而造成了在起重机下施工的1名工人死亡。事故后在对该起重机的管理、维护和使用人员的询问中得知，

采用数据降维的固态硬盘故障检测方法

针对固态硬盘SMART数据包含大量高维数据特征导致故障检测准确率不理想的问题,结合固态硬盘SMART数据的时序特点,基于门控循环单元对传统自动编码器的结构做了改进,提出了一种基于门控循环单元稀疏自动编码器降维的固态硬盘故障检测方法(GAL)。首先利用固态硬盘SMART数据训练GRUAE模型,然后利用GRUAE模型中的编码器作为降维的工具,对固态硬盘的原始高维SMART数据进行降维,减少固态硬盘原始SAMRT数据中噪声特征的影响并突出与数据特点更加相关的特征,以提高故障检测的准确率,最后基于降维过的低维SMART数据利用长短时记忆网络进行故障检测。选取阿里巴巴固态硬盘数据集,对多种人工智能算法在准确率、召回率和F_(0.5)方面进行了比较。实验结果表明:相比于没有采用任何降维手段,采用GAL方法可使两种闪存类型的固态硬盘的故障检测准确率、召回率和F_(0.5)分别提高4%、5%、4%和4%、8%、5%,分别达到97%、95%、97%和97%、96%、97%;GAL方法的故障检测准确率、召回率和F_(0.5)分别超出WEFR对比方法53%、25%、43%。