基于冯诺依曼邻居的粒子群多阈值分割算法

针对多阈值分割问题,提出了一种新的多阈值分割算法。该算法对传统的Otsu进行修改,使其能够更准确地找到直方图中谷的位置;并利用冯诺依曼拓扑邻居粒子群作为阈值优化算法,提高了优化性能。提出了构造冯诺依曼拓扑结构的方法,并分析和比较了它与全互连结构的差别。实验结果显示此算法具有较好的性能。

基于冯诺依曼拓扑结构的骨干粒子群优化算法

为了改善骨干粒子群优化BBPSO算法的易早熟、易陷入局部最优解等缺点,提出了一种基于冯诺依曼拓扑结构的改进骨干粒子群优化VBBPSO算法。新算法提出"兼顾落后粒子"概念,通过应用冯诺依曼拓扑结构构造邻域,用邻域最优解取代全局最优解,引入中心项调节系数,在邻域范围内调整BBPSO算法的进化中心项与离散控制项,提高了算法全局探索能力与局部开发能力。实验结果表明,较几种经典的BBPSO算法,VBBPSO算法的综合性能有明显提升。

复杂网络的冯诺依曼熵

主要研究了复杂网络的冯诺依曼熵.结论表明,一般情况下,冯诺依曼熵不随边的增加而严格单调增加.其次,定义了星生成图和路生成图,并给出了熵与这两类图的联系.最后,利用3种经典随机图模型和随机树模型,证明了平均场意义下冯诺依曼熵随复杂网络的边数和直径递增.

基于冯诺依曼结构的粒子群算法在项目资源均衡中的应用

针对项目管理中工期固定——资源均衡问题,设计了基于冯诺依曼拓扑结构的粒子群算法局部模型,应用于资源均衡评价函数。通过对文献[5]中算例的计算分析,该模型比全局模型的粒子群算法在寻优率上提高了13.5%,对文献[6]中的资源均衡问题进行优化计算,比较了冯诺依曼结构与标准全局结构的性能,验证了该模型应用在资源均衡中的更好的性能。

冯诺依曼型元胞自动机和自指语句

熊明(2020)把初等元胞自动机与自指语句结合起来进行研究,建立起二者在演化过程方面的紧密关联。沿此路径,本文主要考虑一类称为总和型的二维冯诺依曼型元胞自动机,给出其自指语句表达形式。并且通过利用自指语句的性质,寻找元胞自动机相对应的不动点,将其与自指悖论相联系。同时,通过分析其演化过程的(不)稳定性特征,进行了相应的分类。

关于冯诺依曼结构原理的课堂教学实践研究

文章针对计算机的一个原理性概念——冯诺依曼结构的基本工作原理, 以及如何在课堂教学中以一种相对能够给学生留下深刻印象的、 比较“ 新鲜” 的方式来呈现这一概念进行了实践研究.通过课堂教学实践来探索教师在进行信息科技原理性概念的教学过程中,如何去调动学生的学习积极性, 如何增强学生的主观能动性, 以及如何启发学生对原理的思考并加深对原理的理解.

广义的约当-冯诺依曼型常数和正规结构

本文引入了一个广义的约当-冯诺依曼型常数,并研究了它的相关性质,同时还利用广义的约当-冯诺依曼型常数,弱正交系数μ(X)和Domínguez-Benavides系数R(1,X),对Banach空间中的弱收敛序列系数WCS(X)进行了估计,从而得到了空间具有正规结构的一些充分条件.这些结论严格推广了最近一些文献中的结果.

因子冯诺依曼代数上保持混合Lie三重ξ-积的非线性映射

设 M 和 N 是 2 个维数大于 1 的因子冯诺依曼代数,对于任意一个保持混合 Lie 三重ξ-积(ξ≠1)的双射Φ: M→N ,均有如下形式: A→εΨ( A),其中ε∈{1,- 1},Ψ: M→N。并且有,当ξ∈R时,Ψ是一个线性或共轭线性*-同构;当ξ∈C \R时,Ψ是一个线性*-同构。

因子冯诺依曼代数上的第二类非线性混合Lie三重导子（英文）

设M是一个维数大于1的因子冯诺依曼代数,且L:M→M是一个第二类非线性混合Lie三重导子,即对任意的A,B,C∈M满足L([[A,B],C]*)=[[L(A),B],C]*+[[A,L(B)],C]*+[[A,B],L(C)]*.则L是一个可加的*-导子。

“中国芯”颠覆冯诺依曼架构 中国首款嵌入式神经网络处理器(NPU)“星光智能一号”诞生——全球首次成功应用于嵌入式视频监控芯片并实现量产

2016年6月20日下午,中星微＂数字多媒体芯片技术＂国家重点实验室在北京宣布,经过五年多的攻坚克难和不懈努力,中国首款嵌入式神经网络处理器（NPU）芯片诞生,并已于今年3月6日实现量产。这标志着我国在神经网络处理器领域的研究和开发上取得了重大突破;在基于＂数据驱动并行计算＂架构的深度学习人工智能领域达到国际先进水平;使我国视频监控行业发展由模拟时代、数字时代跨入智能时代，实现产业化并促进整体水平提升，在全球确立领先地位。

人工纳米流体突触可实现存内计算

据报道,瑞士洛桑联邦理工学院工程学院研究团队制造了一种用于内存的新型纳米流体设备,这使他们第一次能连接两个“人工突触”。该设备为受大脑启发的液体硬件设计铺平了道路。这项研究发表在最新一期《自然·电子学》杂志上。大脑信息处理是直接对存储的数据执行计算,而计算机则在内存单元和中央处理单元之间来回传输数据。这种低效的分离(冯诺依曼瓶颈)导致计算机能源成本不断上升。

基于SRAM的感存算一体化技术综述

基于SRAM(静态随机存取)存储器的感存算一体化芯片架构将传感、存储和计算功能结合,通过使存储单元具备计算能力,避免了计算过程中数据的搬移,解决了冯诺依曼架构所面临的“存储墙”的问题。该结构与传感器部分结合,可以实现超高速、超低功耗的运算能力。SRAM存储器相较于其他存储器在速度方面具有较大优势,主要体现在该架构能够实现较高的能效比,在精度增强后可以保证较高精度,适用于低功耗高性能要求下的大算力场景设计。该文调研了近几年来关于感存算一体化的研究,介绍了传统感知系统和持续感知系统及感算共融系统,并介绍了基于SRAM存储器的感存算一体芯片最常见的几种计算单元结构,在电压域、电荷域和数字域考察了基于SRAM的感存算一体的研究发展,进行分析对比其优劣势,结合调研分析讨论了该领域的未来发展方向。

存内计算芯片研究进展及应用

随着数据快速增长,冯诺依曼架构内存墙成为计算性能进一步提升的关键瓶颈。新型存算一体架构(包括存内计算(IMC)架构与近存计算(NMC)架构),有望打破冯诺依曼架构瓶颈,大幅提高算力和能效。该文介绍了存算一体芯片的发展历程、研究现状以及基于各类存储器介质(如传统存储器DRAM,SRAM和Flash和新型非易失性存储器ReRAM,PCM,MRAM,FeFET等)的存内计算基本原理、优势与面临的问题。然后,以知存科技WTM2101量产芯片为例,重点介绍了存算一体芯片的电路结构与应用现状。最后,分析了存算一体芯片未来的发展前景与面临的挑战。

瑞萨推出新的DDR5内存芯片

最新的瑞萨DDR5芯片能提高服务器和客户端的传输速度。在DDR5上,瑞萨公司已经宣布了两款新的DDR5 DIMM芯片,用于在新兴应用中提高服务器和客户端性能。目前,在冯诺依曼架构限制下,DDR4似乎已经到达了极限,为了解决内存墙问题,需要内存尽快升级。

基于混合优化算法的工业机器人逆运动学求解

为简化工业机器人逆运动学求解过程,提高求解精度,增强求解算法通用性,提出一种计算工业机器人逆运动学问题的混合优化算法(hybrid optimization algorithm,HOA)。该方法基于冯诺依曼邻域和差分进化算法对标准灰狼优化算法(grey wolf optimize,GWO)的种群个体进行重新构造,得到一种改进的GWO;在Rosenbrock搜索法中引入柯西变异改善劣质解;将改进的GWO的解作为Rosenbrock搜索法的初值计算运动学逆解,以六自由度和七自由度工业机器人为测试对象进行仿真实验。结果表明,混合优化算法相较于对比算法具有更高的精度,更好的稳定性和通用性,证明了算法的有效性。

一种可支持不同CPU架构的仿真器

为特定指令集进行软件移植通常以某典型架构(如AArch64)为模板进行重构,然而理解并运用不同平台架构的计算机,进行软硬件协同开发较为困难。从计算机架构的基本概念入手阐述了一种可支持不同类型CPU的软件仿真器框架,该框架可模拟不同指令集的运行结果,在一定程度上提高了移植效率。

基于CEEMD能量熵特征提取和VNWOA-LSSVM的风力机轴承故障诊断方法研究

针对极端复杂工况下风力发电机组轴承故障诊断问题,对风力机运行状态监测中常用的故障诊断方法进行了研究,提出了一种基于互补总体经验模式分解能量熵的故障特征提取和改进的鲸鱼算法来优化最小二乘支持向量机的风力机轴承故障诊断方法;通过互补总体经验模式分解,降低了噪声对微弱故障信号的干扰,提取了各分量的能量熵构建故障特征集合,作为诊断模型的输入;利用冯诺依曼拓扑结构的特性,克服了鲸鱼算法中收敛慢、寻优精度低的问题,构建了改进的鲸鱼算法优化最小二乘支持向量机的诊断模型分类器,实现了对不同故障类型特征参数的准确分类;最后利用试验数据集进行了测试。研究结果表明:所提出的方法计算速度快、泛化能力强、分类正确率高,其诊断结果优于基于鲸鱼算法优化的最小二乘支持向量机,远优于传统的最小二乘支持向量机算法。

R语言在降水极值统计分析中的应用

利用1951—2010年河南省5个气象站年最大日降水量序列,运用R语言进行编程,对其统计特征进行分析。运用冯诺依曼检验法对其进行独立性检验,采用Mann-Kendall检验法对其进行趋势性检验,通过KS检验法找出降水量序列服从的概率分布。结果表明:1951—2010年河南省5个站最大日降水量独立性明显,且极端降水事件的发生频率在增高;选用广义极值分布拟合最大日降水量序列效果相对较好,其变化趋势的空间分布具有很好的一致性;安阳、驻马店和信阳百年一遇的降水量很大,在进行防汛规划时应按高标准进行;郑州虽然降水量处于中等水平,但是人口密度大,也应按高标准进行防汛规划。

人工智能发展趋势研究

介绍了人工智能发展的一系列的主要难题,如机器翻译和模式识别所面临的问题,并尝试性地指出了人工智能的发展趋势,如从整体上把握人工智能以及智能理论的数学化趋势。

基于SRAM的通用存算一体架构平台在物联网中的应用

最近,存算一体(IMC)架构引起了广泛关注,并被认为有望成为突破冯诺依曼瓶颈的新型计算机架构,特别是在数据密集型(data-intensive)计算中能够带来显著的性能和功耗优势。其中,基于SRAM的IMC架构方案也被大量研究与应用。该文在一款基于SRAM的通用存算一体架构平台——DM-IMCA的基础上,探索IMC架构在物联网领域中的应用价值。具体来说,该文选取了物联网中包括信息安全、二值神经网络和图像处理在内的多个轻量级数据密集型应用,对算法进行分析或拆分,并将关键算法映射到DM-IMCA中的SRAM中,以达到加速应用计算的目的。实验结果显示,与基于传统冯诺依曼架构的基准系统相比,利用DM-IMCA来实现物联网中的轻量级计算密集型应用,可获得高达24倍的计算加速比。