一种面向向量化的动态指针别名分析框架

指针别名分析是数据流分析中的关键性技术,其分析结果是编译优化和程序变换的基础。在向量化方法和动态指针别名分析相关研究的基础上,设计了一种面向向量化的动态指针别名分析框架。该框架通过动态插桩和试运行提取指针别名信息,并反馈到向量化阶段指导向量化代码生成。从提取候选别名分析集、插桩及试运行和反馈优化3个方面对整体框架进行分析和研究。该框架基于Open64实现,并以通用测试集GCC-VECT和典型应用进行了实验评估,结果表明,该框架相比静态指针别名分析具有更精确的别名分析结果,该结果能够有效改进向量化程序的加速比。

高速公路汽车追尾预警网络MAC算法研究

从高速公路汽车追尾碰撞预警的需要出发,根据高速公路汽车运行速度快、拓扑结构多变的特点,为高速公路汽车追尾预警Ad Hoc网络选择单跳广播方式,基于TDMA机制提出了一种以栅格法和向量指针为改进形式的MAC协议算法。仿真结果显示,该方法协调各区间信息发布权同步移交,有序规定汽车接入信道的时机,实现了数据报文无冲突广播,满足汽车追尾预警实时业务要求。

基于SVM的精密指针式仪表自动读数方法

针对精密指针式仪表读数算法对自动读数的自适应性差问题,提出一种基于SVM的精密指针式仪表自动读数方法。该方法首先对二值化处理后的仪表图像通过面积形态学提取刻度并做极坐标变化,再利用面积形态学特征提取刻度与指针位置,最后利用SVM识别刻度对应的数值进行读数判读。实验表明,自动读数结果与实际数值相比误差均小于0.1%,算法稳定可靠。

在Java语言中实现动态数据结构

就如何在摒弃了指针的 Ｊａｖａ语言中实现动态数据结构提出了两种解决方案：用 ｖｅｃｔｏｒ类和用数组实现之。以二叉树为例分别给出了两种方法的实现算法，讨论了它们各自的优缺点。

基于子词级别词向量和指针网络的朝鲜语句子排序

句子排序是自然语言处理中的重要任务之一,其应用包括多文档摘要、问答和文本生成。不当的句子排序会产生逻辑不通顺的文本,使得文本的可读性降低。该文采用在中英文上大规模使用的深度学习方法,同时结合朝鲜语词语形态变化丰富的特点,提出了一种基于子词级别词向量和指针网络的朝鲜语句子排序模型,其目的是解决传统方法无法挖掘深层语义信息的问题。该文提出基于形态素拆分的词向量训练方法(MorV),同时对比子词n元词向量训练方法(SG),得到朝鲜语词向量;采用了两种句向量方法:基于卷积神经网络(CNN)、基于长短时记忆网络(LSTM),结合指针网络分别进行实验。结果表明采用MorV和LSTM的句向量结合方法可以更好地捕获句子间的语义逻辑关系,提升句子排序的效果。

用于大规模电磁暂态模型自动生成的拓扑分层识别方法

电力系统拓扑自动识别是实现大规模电力系统电磁暂态可视化仿真模型自动生成的重要基础。现有算法大多局限于单层拓扑描述,难以满足大规模电磁暂态模型自动生成对模型分层清晰布局、模块化建模的应用需求。针对该问题提出一种基于关联矩阵压缩和支路指针矢量更新的电力系统拓扑分层识别方法。该方法避免了大量的图搜索和逻辑运算,实现了基于大规模数据源的厂站节点搜索和“站间拓扑+站内拓扑”的自动分层识别,为后续站点自动布局和元件参数自动映射工作提供拓扑基础。对简化系统算例和西南电网实际大规模系统算例进行算法测试分析,验证了所提方法的正确性及适应性。算法可直接应用于省级或区域级复杂电力系统的拓扑分层识别及可视化模型自动生成工作。

普通激光笔的辐射对人的眼睛有害吗?

为了吸引听众的注意力,许多人在演讲时使用激光笔来强调屏幕上的内容信息;小功率的普通激光笔在教学和工作中应用越来越广泛.激光具有高强度、方向性好的特点;本文应用电磁辐射压强分析了激光笔的辐射对人的眼睛是否有害.计算结果表明,即使是功率为3m W的激光笔,它的辐射对人眼产生的压强甚至超过直视太阳光时对人眼产生的压强;直视激光笔对人的眼睛可造成伤害.

STNLTP:一种基于集成策略的中文专利摘要生成模型

【目的】提出一种基于集成策略的中文专利摘要生成模型(STNLTP),以改善现有的自动文本摘要技术在处理长文档摘要生成时存在的生成重复问题和长程依赖问题。【方法】引入专利术语词典,运用基于SAT模型的义原词向量对“中药材”专利文本进行表示。基于集成策略,运用TextRank、Lead4和NMF三种抽取方法抽取专利说明书文本的关键句,经过聚类并去重,选出最优关键句。最后最优关键句通过基于Transformer字向量的指针生成网络得到最终的生成摘要。【结果】STNLTP模型实现了抽取式和生成式方法的结合,相较于对比模型RLCPAR,在ROUGE-1、ROUGE-2和ROUGE-L评价指标上分别提升2.00、9.73和2.35个百分点。【局限】生成摘要的部分结果存在一些常识性错误。【结论】STNLTP模型优于对比模型,可以改善中文专利摘要生成的效果。