一种基于FPGA的新的SVM硬件实现方法

提出了一种基于递归神经网络的实现最小二乘支持向量机的FPGA串行计算方法,与已有的并行计算方法相比,该方法利用了递归神经网络的并行性及最小二乘支持向量机简化的约束条件的优点,在保证计算速度的同时,明显提高了FPGA的硬件资源利用效率,能够适应大规模训练样本的情况。实验结果表明,由于该方法具有灵活的串行计算、并行传输的特点,在较少使用FPGA硬件资源的同时,计算速度不会有明显变化,可有效地用硬件实现支持向量机。

基于集群机的大规模电力系统暂态过程并行仿真

由于传统的串行计算方法无法满足互联电力系统在线动态安全分析和实时仿真的要求,研究高效的电力系统暂态并行仿真算法及其软件已成为电力系统动态实时仿真的关键。该文基于集群系统,提出一种利用电力系统区域特性的多重化网络划分方案,弥补了传统网络划分算法在计算规模和划分质量上的不足;并提出了一种基于分块思想、消息传递与动态多线程相结合的网络方程分层算法及其实现策略,缩短了网络方程的计算时间,解决了暂态仿真中计算量突增的问题,提高了算法的并行效率和整体性能。同时,文中还简化了暂态稳定算法迭代流程,改进了全局收敛判定方法,有效地减少了算法计算量和通信损耗。实际电网的数值计算结果表明,文中提出的算法计算加速比高,实时性好,因此研制的电力系统动态并行仿真程序能够满足大规模电力系统暂态过程实时仿真、甚至超实时仿真的要求。