一种基于区块链和梯度压缩的去中心化联邦学习模型

联邦学习可在保护数据隐私的前提下完成模型的训练,但实际应用中存在的安全问题阻碍了联邦学习的发展。提出一种基于区块链和梯度压缩的去中心化联邦学习模型。首先,利用区块链存储训练数据,训练参与方通过全局模型本地更新的方式取代中心服务器并使用智能合约实现对链上数据的访问控制。其次,提出一种梯度压缩方法,对模型参数进行压缩以减少参与方与区块链之间的数据传输量且有效防止了梯度隐私泄露。最后,为减弱梯度压缩对全局模型收敛速度的影响,使用热身训练的方式提升全局模型的收敛速度以缩短整体训练时间。实验结果表明,该模型在减少传输数据量的情况下对全局模型准确率有较小影响且提升了联邦学习训练效率。

MRNDA:一种基于资源受限片上网络的深度神经网络加速器组播机制研究

片上网络(Network-on-Chip,NoC)在多处理器系统中得到了广泛的应用.近年来,有研究提出了基于NoC的深度神经网络(Deep Neural Network,DNN)加速器.基于NoC的DNN加速器设计利用NoC连接神经元计算设备,能够极大地减少加速器对片外存储的访问从而减少加速器的分类延迟和功耗.但是,若采用传统的单播NoC,大量的一对多数据包会极大的提高加速器的通信延迟.并且,目前的深度神经网络规模往往非常庞大,而NoC的核心数量是有限的.因此,文中提出了一种针对资源受限的NoC的组播方案.该方案利用有限数量的处理单元(Processor Element,PE)来计算大型的DNN,并且利用特殊的树形组播加速网络来减少加速器的通信延迟.仿真结果表明,和基准情况相比,本文提出的组播机制使加速器的分类延迟最高降低了86.7%,通信延迟最高降低了88.8%,而它的路由器面积和功耗仅占基准路由器的9.5%和10.3%.

一种旁路机制下的低功耗片上网络功率门控设计

随着技术尺寸的缩小,静态功耗在片上网络(NoC)的功耗开销中占据主导地位。功率门控作为一种通用的功耗节约技术,将NoC中空闲模块关闭以降低静态功耗。然而,传统的功率门控技术带来了诸如数据包唤醒延迟,盈亏平衡时间等问题。为了解决上述问题,该文提出代替功率门控路由器进行数据包传输的分区旁路传输机制(PBTI),并基于该旁路机制设计了低延迟低功耗的功率门控方案。PBTI使用相互独立的旁路分别处理东西方向传输的数据包,并在旁路内部使用公共的缓冲区以提高缓冲区利用率。PBTI可以在路由器断电时实现数据包的注入、传输和弹出。即使网络中所有的路由器均处于功率门控状态,数据包也可以从源节点传输到目的节点。当流量增大超过PBTI的传输能力时,路由器以列为单位进行统一的唤醒。实验结果表明,与不使用功率门控的NoC相比,所提方案降低了83.4%的静态功耗和17.2%的数据包延迟,同时只额外增加了6.2%的面积开销。相较于常规的功率门控方案该文功率门控设计实现了更低的功耗和延迟,具有显著的优势。

一种基于随机森林分类器构建高性能应用程序性能分析模型的方法

高性能应用程序的传统性能分析方法因分析过程存在额外开销和分析结果不准确等缺陷,致使用户耗费更多的时间和领域知识。为解决以上问题,将程序的性能分析问题转化成高维特征下非平衡小样本数据集的多分类问题,采集500条包含程序运行时进程切换次数、内存利用率、磁盘I/O负载等7种性能数据,经PCA降维等数据预处理后,使用随机森林分类器训练程序性能问题分析模型。实验验证该模型可识别出内存利用率过高、磁盘I/O负载过重等5类性能问题。为评估模型的指导有效性,分别采集HotSpot3D程序和LU-Decomposition程序运行时产生的性能数据,并根据模型输出结果指导,分别基于运行级和编译级优化2个验证程序运行。实验结果表明,所提方法可有效指导优化程序的运行性能,2个验证程序的加速比分别为1.056和5.657。

基于卷积神经网络CNN的示功图智能分析方法

针对目前对船舶柴油机示功图的分析评估大多通过人工进行,其结果依赖于轮机管理人员的业务能力与经验,存在不确定性的问题,构建了一种基于卷积神经网络的示功图智能分析监测模型.该模型包括5层卷积神经网络和2层全连接神经网络,采用多种优化算法并使用GPU进行硬件加速.训练与实验结果表明,示功图训练精度为99.5%,识别精度为95.9%,平均识别时间为0.032 s,验证了该模型的可靠性和准确性,可以对示功图进行智能分析,满足柴油机燃烧工况智能监测的精度要求,为实现船舶动力系统智能化管理提供支持.

基于Arduino的“现代传感器综合应用”课程教学模式探究

文章主要研究如何将“现代传感器综合应用”课程与Arduino单片机进行融合,采用项目化教学,将各种传感器的实际应用与Arduino单片机紧密结合,旨在有效缓解学生对枯燥传感器理论知识的学习压力,增强学习的趣味性,并培养学生的创新意识。

“单片机应用技术”精品在线开放课程建设探索与实践

文章以高职院校电子信息工程技术专业为例,详细阐述了“单片机应用技术”精品在线开放课程的教学改革探索和实践效果,主要涵盖课程设计、建设历程、教学实施以及课程特色等方面。通过课程教学改革,学生的学习效果明显提升,教师的教学能力得到了显著提升;同时,课堂教学模式和课程考核方式得以创新,构建了多维评价体系,对课程建设起到了示范引领的作用。

MEF:基于在线容错的云计算资源调度方法

云计算系统效率的关键是提升资源利用率与性能,系统可靠性的关键是备份组件。针对云环境下任务完成时间最小化、容错成本优化问题,提出一种基于在线容错的云计算资源调度方法。在线容错具有静态、动态的属性。静态容错根据组件可靠性和完成过程可靠性改进LeaderRank算法备份关键组件;动态容错在故障时快速替换故障组件;通过MEF算法实现任务完成时间短、容错成本低的多目标优化。实验表明,与现有容错方法对比,MEF算法不仅降低了容错费用,而且增强了故障时的系统效率。

面向天河新一代超算系统通用处理器的性能分析工具集

天河新一代超算系统是继天河2号后天河系列的新一代超算系统.该系统拟采用通用处理器配合加速器的混合异构架构,其中通用处理器采用ARM架构.目前,面向ARM架构处理器的性能分析工具仍不够完善,而面向新一代超算的性能分析工具更是较为匮乏,实用性和效率还难以满足编程人员的需求.本文针对天河新一代超算系统的通用处理器,设计开发了一套性能分析工具集,包含缓存冲突检测、伪共享检测和内存缺陷检测三个子工具.工具集可以在天河新一代超算系统的普通用户权限下分析系统单节点内以及数据并行性较高的多节点程序的性能问题,并可以解决程序的内存问题.本文使用min-write、缓存行对齐填充、线程访问隔离等多种性能优化策略来提高工具性能,采用以上策略的工具的运行时间可至多减少至原先的1/20,同时使用新颖的红区检测法和红区隐藏与恢复机制来降低工具报告的假错误率.本文还开发了配套的可视化界面,使用户可以对程序的性能分析数据进行可视化的分析和处理,提高了工具的实用性和易用性.工具对程序执行带来的额外时间开销是40~100倍,额外内存开销是100~200倍,正确性和实用性得以保证,可以提高天河新一代超算系统的编程效率和程序性能.

基于遗传算法的晶圆级芯片映射算法研究

近年来,随着人工智能领域的发展,深度学习已经成为如今最重要的计算负载之一,下一代人工智能以及高性能计算应用对计算平台的算力与通信能力提出了前所未有的需求,晶圆级芯片通过在整片晶圆上集成超高密度的晶体管数量以及互连通信能力,有望为未来的人工智能与超算平台提供革命性的算力解决方案。而其中,晶圆级芯片具有的超大计算资源和独特的新架构使得任务映射算法面临前所未有的新问题,相关研究成为近年来学术界的研究重点。专注于研究人工智能任务在晶圆级硬件资源的映射算法,即通过将人工智能算法表达为多个卷积核,再考虑卷积核的算力特性来基于遗传算法设计晶圆级芯片的映射算法。一系列映射任务下的仿真结果验证了映射算法的有效性,并揭示了执行时间、适配器成本等参数对代价函数的影响。

面向深度学习视觉应用ISP过程的图像缩放攻击实验平台

大多数基于深度学习技术的视觉设备都配备了图像信号处理(Image Signal Processing, ISP)过程以实现RAW数据到RGB图像的转换,同时集成数据预处理过程以完成高效的图像处理。该文在同时考虑ISP和数据预处理过程影响基础上,搭建了深度学习视觉应用实验平台,提出针对ISP过程的图像缩放攻击,即精心制作对抗RAW经过ISP过程得到攻击图像,一旦缩放到特定尺寸就会呈现出完全不同的样貌。由于所提出的攻击是由基于ISP过程的梯度驱动的,因此构建了一个等效模型来学习目标ISP的转换过程,利用等效模型的近似梯度来发动攻击。该攻击平台的构建涵盖了深度学习算法、图像处理及对抗攻击优化等内容,有助于学生深入学习和理解基于深度学习视觉应用的任务处理原理以及深度学习模型的弱点,培养学生针对复杂算法问题的创新与实践能力。

同步辐射光源实验中虚拟计算系统的设计和应用

【目的】高能同步辐射光源(HEPS)会产生海量实验数据,需要大量的高性能计算资源来处理和分析,进而支持多样化的科学研究。同时,计算环境需要提供安全的数据存储和访问控制机制,以确保数据的安全性和隐私保护。当前工作站的计算能力成为限制实验分析的瓶颈,庞大的数据量使用户难以创建本地数据副本。用户使用本地工作站进行数据下载和分析的传统方式已无法满足日益增长的实验需求,需要强大的云计算平台和计算系统支持。【方法】本文提出了基于虚拟化技术的HEPS云桌面计算系统,用于HEPS中的三维数据成像和晶体散射类等实验,其特点是对图像显示效果要求高,需要高性能的GPU计算和图像渲染。因此,利用计算集群的资源来提供虚拟云桌面服务,统一纳管计算资源并提高资源利用率非常重要。【应用背景】本文介绍了HEPS的基本情况、实验特点和虚拟云桌面系统的研究动机。【结果】本文设计了虚拟云桌面的体系结构、服务模式、认证系统、GPU的使用方法等。【结论】展示了虚拟云桌面系统在光源实验中的实际应用效果,体现了虚拟云桌面的优越性和在同步辐射光源领域的良好应用前景。

一种有状态容器跨集群实时迁移方法

虚拟容器的跨集群实时迁移技术是网络服务云化应用中的一项重要技术.容器实时迁移技术的优化能够达到缩短云端服务停机时间的目的,在实际应用中有重要的现实意义.目前针对跨集群容器实时迁移优化的研究相对较少,其中迭代迁移是一种能够有效缩短停机时间的迁移方式,但这项技术在实际应用中还存在很多需要解决的问题.针对跨集群场景中网络延迟对服务停机时间产生的影响提出了一种容器实时迁移方法,该方法着重考虑集群间的网络延迟,并据此建立了数学模型.通过数学模型理论分析了跨集群迁移过程中网络延迟对迁移性能的影响,确定了启用迭代迁移方法的起始条件和迭代过程的终止条件,并给出了计算满足终止条件迭代次数的方法.该模型充分考虑了网络延迟对跨集群容器实时迁移的影响.实验结果表明该方法能够有效缩短服务停机时间.

改进麻雀搜索算法求解多目标低碳冷链物流车辆路径问题

目的 在传统冷链物流的车辆路径问题模型基础上,考虑服务节点和车辆运输过程中产生的碳排放,并加入客户满意度,在有限资源情况下最小化路径成本和最大化客户满意度。方法 构建多目标低碳冷链物流车辆路径问题模型,将爬山算法局部搜索思想应用到麻雀搜索算法中,形成改进麻雀搜索算法,并用其对上海市某区域内的冷链物流配送路径优化问题算例进行求解。结果 通过与改进前及其他2种智能优化算法运行结果进行对比发现,改进后的麻雀搜索算法具有更快的寻优速度和更好的寻优能力,且改进后的算法对模型的碳排放效用性更高。结论 基于国家的低碳政策,设计出符合当下实情的低碳冷链物流运输模型,通过改进优化算法设计运输方案,验证了爬山算法局部搜索思想对麻雀搜索算法进行改进的有效性及所构建低碳冷链物流车辆路径模型的合理性。

Kubernetes资源调度策略

在Kubernetes中可以通过nodeSelector在不同节点上部署不同的应用,但是当指定节点资源不足时,应用将会处于无法被调度的状态。针对这个问题,提出一种Kubernetes资源调度策略,设计实现一个自定义调度器,在指定节点部署应用资源不足时,将等待调度的应用调度到Kubernetes集群中的其它节点上。实验结果表明,该自定义调度器的调度策略能够在指定部署节点资源不足时将等待调度的应用调度到其它节点上,提高了集群资源利用率和集群负载均衡,降低了用户应用等待调度时间。

气象部门终端入网控制系统的设计与实现

气象信息网络的快速发展,促进气象内部网络的设备种类和数量不断增加,对传统的入网管理方式提出新的挑战。现阶段,气象内网办公区网络接入设备数量超过7000台,在网设备的种类和数量难以梳理,违规占用网络资源的现象时有发生。由于接入设备的合法性难以确定,在违规接入设备后无法第一时间发现和阻断,对业务系统和气象数据安全带来威胁。在网设备可能存在恶意程序运行,接入气象网络后可能对其它设备的安全产生重大影响。传统控制技术需要维护本地的数据信息,存在数据准确性滞后和泄露风险。该文以解决以上问题为出发点,设计和实现适应气象网络需求的无客户端模式终端入网控制系统,通过与统一信任服务系统和终端安全管理系统数据共享,实现身份认证信息的自动更新和维护,同时促进终端安全管理软件在气象园区的广泛应用,及时发现和阻断违规设备的接入,消除潜在的安全隐患。

基于强化学习的航天器姿态预设性能容错控制

针对惯量不确定性和执行机构故障的航天器姿态控制问题,提出了一种基于强化学习的预设性能容错控制方法。采用预设性能方法设计航天器的姿态控制器,以保证控制过程的暂态响应。为在线补偿惯量不确定,在预设性能控制器的基础上引入强化学习算法,使用评判网络近似代价函数,用于评估系统性能,同时使用动作网络产生前馈补偿控制,用于处理惯量不确定;设计自适应补偿控制,补偿执行机构故障和外扰动对航天器姿态的影响。基于Lyapunov稳定性理论证明整个闭环系统的稳定性。仿真结果表明:所提容错控制方法能够实现航天器执行机构故障情况下的稳定控制。

基于奖励积分机制的高效拜占庭容错算法DIG-PBFT

实用拜占庭容错共识算法(PBFT)作为联盟链中最常见的共识算法,可以在恶意节点少于三分之一的情况下,保证系统的正确性.然而,PBFT算法在建立信任与共识过程中存在高时延、低吞吐量、主节点选取安全性、恶意节点未处理等问题.为了解决这些问题,引入奖励积分机制来对共识节点进行分组并设定候选节点集,提出了一种高效快速的拜占庭容错算法(DIG-PBFT).在共识过程中,DIG-PBFT通过动态地调整实际参与共识的节点,增加了安全性更高节点的参与度.仿真实验结果表明:与PBFT算法及其同类工作相比,DIG-PBFT算法的吞吐量更大、时延更低,且安全性更高.

改进量子位初始映射的综合SWAP优化策略

在嘈杂的中尺度量子时代,传统的初始映射策略忽略了后续操作中可能出现的邻接性的问题。针对这一挑战,综合考虑量子比特间的距离、交互时间和门操作的错误率,设计了一个多因素交互成本函数,并提出综合SWAP优化策略(comprehensive SWAP optimization strategy,CSOS)。该策略包括最佳SWAP选择和基于SWAP的批量更新策略,用于优化量子电路的局部量子位映射。最佳SWAP选择通过对比SWAP操作的效益,选择最佳收益的SWAP门;批量更新策略在映射阶段考虑即将执行的量子操作序列,预先执行批量的SWAP操作。二者综合可以减少整个电路执行过程中的SWAP数量,以最大程度减少映射开销。实验结果显示,CSOS优化方式可以平均减少38.1%的插入SWAP门数量,并降低约12%的硬件门计数开销。

基于统一身份认证的实验室远程预约机制设计

实验室远程预约存在节点负载不均衡问题,导致预约出错次数多、预约时间差大。面对该问题,设计了基于统一身份认证的实验室远程预约机制。创新性地在统一身份认证约束条件下计算预约所需时间和预约信息平均负载,通过调整负载的方差和算术平方根值,判断分配预约任务数,达到远程预约节点负载均衡调度的目的。根据远程预约节点负载均衡调度结果,计算并更新实验综合受益总分,设计实验室远程预约机制。根据远程预约客户端与预约时间差值,判定远程预约有效性。通过计算增益误差校正控制值,校正预约时间差。测试结果表明,所设计机制预约出错次数最大仅为18次,最大时间差仅为1 min,有效降低了实验室远程预约的出错效率。