期刊文献+
共找到2,852篇文章
< 1 2 143 >
每页显示 20 50 100
L_(1)-Smooth SVM with Distributed Adaptive Proximal Stochastic Gradient Descent with Momentum for Fast Brain Tumor Detection
1
作者 Chuandong Qin Yu Cao Liqun Meng 《Computers, Materials & Continua》 SCIE EI 2024年第5期1975-1994,共20页
Brain tumors come in various types,each with distinct characteristics and treatment approaches,making manual detection a time-consuming and potentially ambiguous process.Brain tumor detection is a valuable tool for ga... Brain tumors come in various types,each with distinct characteristics and treatment approaches,making manual detection a time-consuming and potentially ambiguous process.Brain tumor detection is a valuable tool for gaining a deeper understanding of tumors and improving treatment outcomes.Machine learning models have become key players in automating brain tumor detection.Gradient descent methods are the mainstream algorithms for solving machine learning models.In this paper,we propose a novel distributed proximal stochastic gradient descent approach to solve the L_(1)-Smooth Support Vector Machine(SVM)classifier for brain tumor detection.Firstly,the smooth hinge loss is introduced to be used as the loss function of SVM.It avoids the issue of nondifferentiability at the zero point encountered by the traditional hinge loss function during gradient descent optimization.Secondly,the L_(1) regularization method is employed to sparsify features and enhance the robustness of the model.Finally,adaptive proximal stochastic gradient descent(PGD)with momentum,and distributed adaptive PGDwithmomentum(DPGD)are proposed and applied to the L_(1)-Smooth SVM.Distributed computing is crucial in large-scale data analysis,with its value manifested in extending algorithms to distributed clusters,thus enabling more efficient processing ofmassive amounts of data.The DPGD algorithm leverages Spark,enabling full utilization of the computer’s multi-core resources.Due to its sparsity induced by L_(1) regularization on parameters,it exhibits significantly accelerated convergence speed.From the perspective of loss reduction,DPGD converges faster than PGD.The experimental results show that adaptive PGD withmomentumand its variants have achieved cutting-edge accuracy and efficiency in brain tumor detection.Frompre-trained models,both the PGD andDPGD outperform other models,boasting an accuracy of 95.21%. 展开更多
关键词 Support vector machine proximal stochastic gradient descent brain tumor detection distributed computing
下载PDF
Convergence of Hyperbolic Neural Networks Under Riemannian Stochastic Gradient Descent
2
作者 Wes Whiting Bao Wang Jack Xin 《Communications on Applied Mathematics and Computation》 EI 2024年第2期1175-1188,共14页
We prove,under mild conditions,the convergence of a Riemannian gradient descent method for a hyperbolic neural network regression model,both in batch gradient descent and stochastic gradient descent.We also discuss a ... We prove,under mild conditions,the convergence of a Riemannian gradient descent method for a hyperbolic neural network regression model,both in batch gradient descent and stochastic gradient descent.We also discuss a Riemannian version of the Adam algorithm.We show numerical simulations of these algorithms on various benchmarks. 展开更多
关键词 Hyperbolic neural network Riemannian gradient descent Riemannian Adam(RAdam) Training convergence
下载PDF
Fractional Gradient Descent RBFNN for Active Fault-Tolerant Control of Plant Protection UAVs
3
作者 Lianghao Hua Jianfeng Zhang +1 位作者 Dejie Li Xiaobo Xi 《Computer Modeling in Engineering & Sciences》 SCIE EI 2024年第3期2129-2157,共29页
With the increasing prevalence of high-order systems in engineering applications, these systems often exhibitsignificant disturbances and can be challenging to model accurately. As a result, the active disturbance rej... With the increasing prevalence of high-order systems in engineering applications, these systems often exhibitsignificant disturbances and can be challenging to model accurately. As a result, the active disturbance rejectioncontroller (ADRC) has been widely applied in various fields. However, in controlling plant protection unmannedaerial vehicles (UAVs), which are typically large and subject to significant disturbances, load disturbances andthe possibility of multiple actuator faults during pesticide spraying pose significant challenges. To address theseissues, this paper proposes a novel fault-tolerant control method that combines a radial basis function neuralnetwork (RBFNN) with a second-order ADRC and leverages a fractional gradient descent (FGD) algorithm.We integrate the plant protection UAV model’s uncertain parameters, load disturbance parameters, and actuatorfault parameters and utilize the RBFNN for system parameter identification. The resulting ADRC exhibits loaddisturbance suppression and fault tolerance capabilities, and our proposed active fault-tolerant control law hasLyapunov stability implications. Experimental results obtained using a multi-rotor fault-tolerant test platformdemonstrate that the proposed method outperforms other control strategies regarding load disturbance suppressionand fault-tolerant performance. 展开更多
关键词 Radial basis function neural network plant protection unmanned aerial vehicle active disturbance rejection controller fractional gradient descent algorithm
下载PDF
Thrust Optimization of Flapping Wing via Gradient Descent Technologies
4
作者 Jeshwanth Kundem 《Open Journal of Fluid Dynamics》 2024年第2期83-99,共17页
The current work aims at employing a gradient descent algorithm for optimizing the thrust of a flapping wing. An in-house solver has been employed, along with mesh movement methodologies to capture the dynamics of flo... The current work aims at employing a gradient descent algorithm for optimizing the thrust of a flapping wing. An in-house solver has been employed, along with mesh movement methodologies to capture the dynamics of flow around the airfoil. An efficient framework for implementing the coupled solver and optimization in a multicore environment has been implemented for the generation of optimized solutionsmaximizing thrust performance & computational speed. 展开更多
关键词 Steepest descent CFD Flapping Wing Airfoil Thrust Performance
下载PDF
Rockburst Intensity Grade Prediction Model Based on Batch Gradient Descent and Multi-Scale Residual Deep Neural Network
5
作者 Yu Zhang Mingkui Zhang +1 位作者 Jitao Li Guangshu Chen 《Computer Systems Science & Engineering》 SCIE EI 2023年第11期1987-2006,共20页
Rockburst is a phenomenon in which free surfaces are formed during excavation,which subsequently causes the sudden release of energy in the construction of mines and tunnels.Light rockburst only peels off rock slices ... Rockburst is a phenomenon in which free surfaces are formed during excavation,which subsequently causes the sudden release of energy in the construction of mines and tunnels.Light rockburst only peels off rock slices without ejection,while severe rockburst causes casualties and property loss.The frequency and degree of rockburst damage increases with the excavation depth.Moreover,rockburst is the leading engineering geological hazard in the excavation process,and thus the prediction of its intensity grade is of great significance to the development of geotechnical engineering.Therefore,the prediction of rockburst intensity grade is one problem that needs to be solved urgently.By comprehensively considering the occurrence mechanism of rockburst,this paper selects the stress index(σθ/σc),brittleness index(σ_(c)/σ_(t)),and rock elastic energy index(Wet)as the rockburst evaluation indexes through the Spearman coefficient method.This overcomes the low accuracy problem of a single evaluation index prediction method.Following this,the BGD-MSR-DNN rockburst intensity grade prediction model based on batch gradient descent and a multi-scale residual deep neural network is proposed.The batch gradient descent(BGD)module is used to replace the gradient descent algorithm,which effectively improves the efficiency of the network and reduces the model training time.Moreover,the multi-scale residual(MSR)module solves the problem of network degradation when there are too many hidden layers of the deep neural network(DNN),thus improving the model prediction accuracy.The experimental results reveal the BGDMSR-DNN model accuracy to reach 97.1%,outperforming other comparable models.Finally,actual projects such as Qinling Tunnel and Daxiangling Tunnel,reached an accuracy of 100%.The model can be applied in mines and tunnel engineering to realize the accurate and rapid prediction of rockburst intensity grade. 展开更多
关键词 Rockburst prediction rockburst intensity grade deep neural network batch gradient descent multi-scale residual
下载PDF
基于优化快速搜索随机树算法的全局路径规划 被引量:2
6
作者 杨炜 谭亮 +2 位作者 孙雪 杜亚峰 周晓冰 《汽车技术》 CSCD 北大核心 2024年第3期31-36,共6页
为了改善传统快速搜索随机树(RRT)算法在全局路径规划中存在的平滑度差、具有潜在碰撞性等问题,提出了一种双重优化的RRT算法。在传统RRT算法基础上,引入自适应目标偏向策略以缩短采样时间,引入角度约束采样策略以适应车辆极限转角。得... 为了改善传统快速搜索随机树(RRT)算法在全局路径规划中存在的平滑度差、具有潜在碰撞性等问题,提出了一种双重优化的RRT算法。在传统RRT算法基础上,引入自适应目标偏向策略以缩短采样时间,引入角度约束采样策略以适应车辆极限转角。得到初始路径后,建立二项优化函数(即降低路径曲率和远离障碍物),并将其作为基点进行梯度下降二次优化,生成可供车辆行驶、平滑性良好且碰撞概率低的路径,并进行仿真验证。结果表明:优化RRT算法相比于传统RRT算法、RRT-Connect算法和RRT算法,平均曲率分别降低了38.1%、36.4%和24.7%,曲率均方差分别降低了38.4%、38.4%和27.2%。 展开更多
关键词 快速搜索随机树 全局路径规划 避障 梯度下降法
下载PDF
分布式训练系统及其优化算法综述 被引量:3
7
作者 王恩东 闫瑞栋 +1 位作者 郭振华 赵雅倩 《计算机学报》 EI CAS CSCD 北大核心 2024年第1期1-28,共28页
人工智能利用各种优化技术从海量训练样本中学习关键特征或知识以提高解的质量,这对训练方法提出了更高要求.然而,传统单机训练无法满足存储与计算性能等方面的需求.因此,利用多个计算节点协同的分布式训练系统成为热点研究方向之一.本... 人工智能利用各种优化技术从海量训练样本中学习关键特征或知识以提高解的质量,这对训练方法提出了更高要求.然而,传统单机训练无法满足存储与计算性能等方面的需求.因此,利用多个计算节点协同的分布式训练系统成为热点研究方向之一.本文首先阐述了单机训练面临的主要挑战.其次,分析了分布式训练系统亟需解决的三个关键问题.基于上述问题归纳了分布式训练系统的通用框架与四个核心组件.围绕各个组件涉及的技术,梳理了代表性研究成果.在此基础之上,总结了基于并行随机梯度下降算法的中心化与去中心化架构研究分支,并对各研究分支优化算法与应用进行综述.最后,提出了未来可能的研究方向. 展开更多
关键词 分布式训练系统 (去)中心化架构 中心化架构算法 (异)同步算法 并行随机梯度下降 收敛速率
下载PDF
基于差分隐私的联邦学习方案 被引量:1
8
作者 孙敏 丁希宁 成倩 《计算机科学》 CSCD 北大核心 2024年第S01期900-905,共6页
联邦学习的特点之一是进行训练的服务器并不直接接触数据,因此联邦学习本身就具有保护数据安全的特性。但是研究表明,联邦学习在本地数据训练和中心模型聚合等方面均存在隐私泄露的问题。差分隐私是一种加噪技术,通过加入适当噪声达到... 联邦学习的特点之一是进行训练的服务器并不直接接触数据,因此联邦学习本身就具有保护数据安全的特性。但是研究表明,联邦学习在本地数据训练和中心模型聚合等方面均存在隐私泄露的问题。差分隐私是一种加噪技术,通过加入适当噪声达到攻击者区分不出用户信息的目的。文中研究了一种基于本地和中心差分隐私的混合加噪算法(LCDP-FL),该算法能根据各个客户端不同权重、不同隐私需求,为这些客户端提供本地或混合差分隐私保护。而且我们证明该算法能够在尽可能减少计算开支的同时,为用户提供他们所需的隐私保障。在MNIST数据集和CIFAR-10数据集上对该算法进行了测试,并与本地差分隐私(LDP-FL)和中心差分隐私(CDP-FL)等算法进行对比,结果显示该混合算法在精确度、损失率和隐私安全方面均有改进,其算法性能最优。 展开更多
关键词 联邦学习 差分隐私 隐私保护 混合加噪 梯度下降
下载PDF
特征域近端高维梯度下降图像压缩感知重构网络 被引量:2
9
作者 杨春玲 梁梓文 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第3期119-130,共12页
压缩感知理论可以被用于解决信源采集设备计算资源受限的问题,但信号重构过程存在不确定性。传统的重构算法计算复杂度高,难以在实际中应用。近期,基于深度学习的重构算法打破传统算法的局限性,以其速度快、质量高等特点受到了广泛关注... 压缩感知理论可以被用于解决信源采集设备计算资源受限的问题,但信号重构过程存在不确定性。传统的重构算法计算复杂度高,难以在实际中应用。近期,基于深度学习的重构算法打破传统算法的局限性,以其速度快、质量高等特点受到了广泛关注。现有的深度学习重构算法可以划分为“黑盒子”以及基于优化启发网络两种类型。与“黑盒子”式的网络结构相比,基于优化启发的深度网络更容易获得高精度的恢复,同时也更具可解释性。然而现有基于优化启发的图像压缩感知重构网络在每个优化阶段仅学习单一梯度,存在测量值信息利用不足、难以准确地学习梯度等缺点,限制了重构性能的提升。为了更充分地利用测量值信息,降低梯度学习的难度,本文提出了高维空间梯度学习思想,实现更准确的梯度回归。在此基础上,本文提出了特征域近端高维梯度下降(FPHGD)算法,并设计了实现该算法的深度神经网络(FPHGD-Net)以获得高精度图像重构结果。此外,本文设计了3种不同复杂度的深度空间近端映射网络结构,以满足不同的应用条件,按空间复杂度从低到高,相应模型分别为FPHGD-Net-Tiny、FPHGD-Net、FPHGD-NetPlus。实验结果表明,与OPINE-Net+相比,所提3种模型在Set11数据上的平均PSNR分别提升1.34、1.51和1.88 dB,并且在重构视觉效果上,能够恢复出更丰富的图像细节。 展开更多
关键词 图像压缩感知 深度学习 图像恢复 卷积网络 近端梯度下降
下载PDF
动量余弦相似度梯度优化图卷积神经网络 被引量:1
10
作者 闫建红 段运会 《计算机工程与应用》 CSCD 北大核心 2024年第14期133-143,共11页
传统梯度下降算法仅对历史梯度进行指数加权累加,没有利用梯度的局部变化,造成优化过程越过全局最优解,即使收敛到最优解也会在最优解附近震荡,其训练图卷积神经网络会造成收敛速度慢、测试准确度低。利用相邻两次梯度的余弦相似度,动... 传统梯度下降算法仅对历史梯度进行指数加权累加,没有利用梯度的局部变化,造成优化过程越过全局最优解,即使收敛到最优解也会在最优解附近震荡,其训练图卷积神经网络会造成收敛速度慢、测试准确度低。利用相邻两次梯度的余弦相似度,动态调整学习率,提出余弦相似度梯度下降(SimGrad)算法。为进一步提升图卷积神经网络训练的收敛速度和测试准确度,减少震荡,结合动量思想提出动量余弦相似度梯度下降(NSimGrad)算法。通过收敛性分析,证明SimGrad算法、NSimGrad算法都具有O(√T)的遗憾界。在构建的三个非凸函数进行测试,并结合图卷积神经网络在四个数据集上进行实验,结果表明SimGrad算法保证了图卷积神经网络的收敛性,NSimGrad算法进一步提高图卷积神经网络训练的收敛速度和测试准确度,SimGrad、NSimGrad算法相较于Adam、Nadam具有更好的全局收敛性和优化能力。 展开更多
关键词 梯度下降类算法 余弦相似度 图卷积神经网络 遗憾界 全局收敛性
下载PDF
基于偏航机动的常推力定点着陆制导方法
11
作者 李骥 张洪华 +1 位作者 张晓文 关轶峰 《深空探测学报(中英文)》 CSCD 北大核心 2024年第1期47-55,共9页
实现定点着陆终端位置速度六分量控制通常需要发动机推力可调。提出了一种通过偏航机动实现固定推力下的定点着陆制导方法。该方法通过偏转航向角,调节发动机输出在下降轨迹平面内的分量,从而实现航程控制;为了消除推力方向偏转产生的... 实现定点着陆终端位置速度六分量控制通常需要发动机推力可调。提出了一种通过偏航机动实现固定推力下的定点着陆制导方法。该方法通过偏转航向角,调节发动机输出在下降轨迹平面内的分量,从而实现航程控制;为了消除推力方向偏转产生的横向位置、速度偏差,设计了偏转角符号调整策略,使得着陆器在水平面内呈“之”字形运动,以一定推进剂为代价,最终保证了下降着陆终端位置、速度的全部可控。仿真表明,所提方法简单有效,易于工程实施。 展开更多
关键词 动力下降 定点着陆 常推力 显式制导
下载PDF
基于气化理论探讨阳明燥金之内涵及临床应用
12
作者 丛紫东 李晓凤 +4 位作者 都芮 宋博涵 梁嘉钰 苏宇情 杜武勋 《天津中医药大学学报》 CAS 2024年第10期870-875,共6页
基于气化理论从阳明燥金之性、用、常与变的角度探讨阳明燥金在自然、人体气化中的内涵,阐释如何利用药物气化调节阳明燥金之变。自然气化之阳明燥金揭示了气的收降之势,其性"清凉",其用为收敛肃降,阳明燥金当以气的阖、聚、... 基于气化理论从阳明燥金之性、用、常与变的角度探讨阳明燥金在自然、人体气化中的内涵,阐释如何利用药物气化调节阳明燥金之变。自然气化之阳明燥金揭示了气的收降之势,其性"清凉",其用为收敛肃降,阳明燥金当以气的阖、聚、收、降为顺。阳明燥金在自然气化过程中寓有敛阳入阴、气机右旋、阖降内收的气化趋势。人体气化之阳明燥金对应于肺、胃、大肠,与脾密切相关,司人身气机降敛,与中土、肝木共同维持气机升降。阳明燥金之变以热盛、气逆、积滞为主。以药物气化纠正阳明燥金之变当以斡旋中气、敛降肺金、达肝平木为治疗原则,选用顺应阳明燥金之性、用的药物。 展开更多
关键词 阳明燥金 气化理论 燥邪 收敛肃降
下载PDF
基于动作时限曲线拟合思想的含DG型配电网后备保护新方法
13
作者 黄景光 赵珩 +5 位作者 李浙栋 张宇鹏 梅诺男 孙佳航 张员宁 翁汉琍 《电网技术》 EI CSCD 北大核心 2024年第5期2199-2206,I0115,共9页
分布式电源(distributed generation,DG)的接入可能会改变电力系统的短路电流特性,从而影响到反时限过流保护的选择性和配合关系。为此,提出一种基于动作时限曲线拟合思想的含DG型配电网后备保护新方法。从配电网主保护和后备保护的动... 分布式电源(distributed generation,DG)的接入可能会改变电力系统的短路电流特性,从而影响到反时限过流保护的选择性和配合关系。为此,提出一种基于动作时限曲线拟合思想的含DG型配电网后备保护新方法。从配电网主保护和后备保护的动作时间差入手,建立曲线拟合模型,并运用梯度下降法对反时限过流保护的动作时限曲线进行优化。通过在优化整定计算中考虑保护的选择性以及DG接入所带来的影响,使优化参数适用于配电网中各分段位置。然后,在配电网中设置两相、三相短路故障,并根据故障位置、类型进行整定参数再调整,最终得到参数的全局最优解。基于PSCAD/EMTDC仿真软件进行仿真分析,验证了所提方法的有效性和实用性。 展开更多
关键词 反时限过流保护 分布式电源 梯度下降算法 曲线拟合 速动性 选择性
下载PDF
基于知识模糊迁徙的城市污水处理膜污染决策
14
作者 何政 赵楠 +5 位作者 李杰 陈行行 阜崴 顾剑 韩红桂 刘峥 《北京工业大学学报》 CAS CSCD 北大核心 2024年第3期299-306,共8页
针对城市污水处理膜污染难以精准决策的问题,提出一种基于知识模糊迁徙的膜污染决策方法。首先,结合城市污水处理运行过程数据和运行经验,利用模糊规则的形式实现膜污染决策知识的表达;其次,提出一种知识重构机制(knowledge reconstruct... 针对城市污水处理膜污染难以精准决策的问题,提出一种基于知识模糊迁徙的膜污染决策方法。首先,结合城市污水处理运行过程数据和运行经验,利用模糊规则的形式实现膜污染决策知识的表达;其次,提出一种知识重构机制(knowledge reconstruction mechanism,KRM),动态平衡源域与目标域之间的准确性和多样性,并采用知识迁徙的方法完成决策知识重构;最后,建立一种基于数据和知识驱动的区间二型模糊神经网络(data-knowledge-driven interval type-2 fuzzy neural network,DK-IT2FNN)的决策模型,利用模糊规则设计模型参数,采用迁徙梯度下降算法动态调整网络权值,提高决策精度。实验结果表明,该模型能够实现膜污染的精准决策。 展开更多
关键词 城市污水处理 膜污染 知识重构机制(knowledge reconstruction mechanism KRM) 模糊神经网络 模糊迁徙 梯度下降算法
下载PDF
集中供热系统水力热力耦合特性辨识方法研究
15
作者 王娜 田栩 +3 位作者 肖木森 张新光 王雅然 由世俊 《天津大学学报(自然科学与工程技术版)》 EI CAS CSCD 北大核心 2024年第9期982-991,共10页
集中供热系统的运行能效主要受其水力热力特性的影响,换热站作为连接热源、热网和热用户的枢纽,是分析系统水力热力特性的关键,站内设备的长期运行性能衰减会导致供热系统整体能耗升高、能效下降,因此有必要对站内设备的运行性能进行诊... 集中供热系统的运行能效主要受其水力热力特性的影响,换热站作为连接热源、热网和热用户的枢纽,是分析系统水力热力特性的关键,站内设备的长期运行性能衰减会导致供热系统整体能耗升高、能效下降,因此有必要对站内设备的运行性能进行诊断.基于换热站实测运行数据,分别采用最小二乘法和梯度下降对站内主要设备包括换热器、循环泵和调节阀的性能曲线进行了辨识,从而构建了集中供热系统的水力热力特性计算方法,全面分析了某典型换热站主要设备性能衰减情况和能耗水平,对主要设备运行性能进行了评估,并对设备维护的经济性和碳减排效果进行了计算.结果表明:换热站内主要设备性能存在不同程度衰减,其中换热器传热系数由1.00 kW/(m^(2)·K)下降至0.64 kW/(m^(2)·K),循环泵标况扬程由22.4 m下降至17.3 m,调节阀流通能力由183.0 t/h下降至82.4 t/h,且阀门整体开度较低,以上问题导致了系统整体能耗的增加;为消除气候变化对集中供热系统能耗分析的影响,结合度日数和实际供热面积,对系统能耗进行评价,与标准年相比,测试年采暖季同期平均热耗和电耗分别增加了0.86 GJ/(104 m^(2)·℃·d)和2.38 kW·h/(104 m^(2)·℃·d);对主要设备进行清洗和更换后,集中供热系统采暖季诊断时间内的同期累计电耗可降低16.3%,全生命周期内CO_(2)排放量可减少128.5 t. 展开更多
关键词 集中供热系统 换热站特性 水力热力辨识 最小二乘法 梯度下降
下载PDF
针对频率失调问题的挖掘机ANC系统优化设计
16
作者 袁守利 陈际 +1 位作者 刘志恩 吴方博 《传感技术学报》 CAS CSCD 北大核心 2024年第9期1563-1570,共8页
在进行窄带主动噪声控制(Narrowband Active Noise Control,NANC)过程中,常采用非声学传感器来获取参考信号,但非声学传感器会因老化和疲劳积累产生误差,使NANC系统频率失调(Frequency Mismatch,FM),导致降噪性能下降,甚至失效。针对此... 在进行窄带主动噪声控制(Narrowband Active Noise Control,NANC)过程中,常采用非声学传感器来获取参考信号,但非声学传感器会因老化和疲劳积累产生误差,使NANC系统频率失调(Frequency Mismatch,FM),导致降噪性能下降,甚至失效。针对此问题,提出一种基于自适应补偿(Adaptive Compensation,AC)的控制方案,该方案利用滤波增强信号与原始信号的相关性,设计一个频率跟踪质量评价因子,使该方案能更精准地实现对频率的追踪,以取得更优的FM补偿效果。通过仿真对比发现,与传统解决方案相比,AC方案能应对更大FM,使NANC系统具有更好的稳定性,初步验证了算法的优越性。进一步开展台架试验与实机实验,试验结果表明:当FM达到10%,经AC方案优化的NANC系统对挖掘机2、4、6阶噪声降噪量仍达到了15.2 dB、24.1 dB、21.2 dB,进一步验证了AC方案的性能。同时,也表明所提AC方案能有效实现对FM的控制,具有较高的实用价值。 展开更多
关键词 窄带主动噪声控制 频率失调 延时陷波算法 最速下降法 非声学传感器
下载PDF
基于自动终止准则改进的kd-tree粒子近邻搜索研究
17
作者 张挺 王宗锴 +1 位作者 林震寰 郑相涵 《工程科学与技术》 EI CAS CSCD 北大核心 2024年第6期217-229,共13页
对于大规模运动模拟问题而言,近邻点的搜索效率将对整体的运算效率产生显著影响。本文基于关联性分析建立kd-tree的最大深度dmax与粒子总数N的自适应关系式,提出了kd-tree自动终止准则,即ATC-kd-tree,同时还考虑了叶子节点大小阈值n_(0... 对于大规模运动模拟问题而言,近邻点的搜索效率将对整体的运算效率产生显著影响。本文基于关联性分析建立kd-tree的最大深度dmax与粒子总数N的自适应关系式,提出了kd-tree自动终止准则,即ATC-kd-tree,同时还考虑了叶子节点大小阈值n_(0)对近邻搜索效率的影响。试验表明,ATC-kd-tree具有更高的近邻搜索效率,相较于不使用自动终止准则的kd-tree搜索效率最高提升46%,且适用性更强,可求解不同N值的近邻搜索问题,解决了粒子总数N发生改变时需要再次率定最大深度dmax的问题。同时,本文还提出了网格搜索法组合坐标下降法的两步参数优化算法GSCD法。通过2维阿米巴虫形状的参数优化试验发现,GSCD法可更为快速地率定ATC-kd-tree的可变参数,其优化效率比网格搜索法最高提升了205%,相较于改进网格搜索法最高提升了90%。研究结果表明,ATC-kd-tree和GSCD法不仅提高了近邻搜索的效率,也为复杂运动中近邻粒子搜索问题提供了一种更为高效的解决方案,能够显著降低计算资源的消耗,进一步提升模拟的精度和效率。 展开更多
关键词 KD-TREE 粒子近邻搜索 自适应 网格搜索法 坐标下降法
下载PDF
基于混合协作NOMA的安全MEC能耗优化
18
作者 余雪勇 傅新程 朱洪波 《系统工程与电子技术》 EI CSCD 北大核心 2024年第3期1116-1124,共9页
非正交多址接入(non-orthogonal multiple access,NOMA)技术的广泛应用改变了传统物理层安全对用户传输速率的限制,在降低时延的同时会引起系统能耗增加。针对安全通信与降低能耗问题,提出一种基于混合协作NOMA的安全边缘计算传输方法... 非正交多址接入(non-orthogonal multiple access,NOMA)技术的广泛应用改变了传统物理层安全对用户传输速率的限制,在降低时延的同时会引起系统能耗增加。针对安全通信与降低能耗问题,提出一种基于混合协作NOMA的安全边缘计算传输方法。该方法对每个用户数据处理过程设计了多时隙混合协作方案,根据不同用户的信道条件分别设置卸载决策,保证用户间公平,并推导出系统保密中断概率的闭合表达式。然后以最小化系统能耗为目标,采用基于块坐标下降的三步迭代优化算法求得最优卸载方案。仿真结果显示,所提出的传输方法能在保证信息安全的条件下有效地减少系统能耗。 展开更多
关键词 非正交多址接入 物理层安全 移动边缘计算 中断概率 块坐标下降
下载PDF
基于FPGA并行实现SVM训练的可重构计算系统
19
作者 彭卫东 郭威 魏麟 《计算机科学》 CSCD 北大核心 2024年第S02期786-792,共7页
针对支持向量机在处理大规模数据集时所面临的计算复杂度高和训练时间长的问题,设计了一种基于FPGA并行实现支持向量机训练的可重构计算系统,并分析了不同量化方式下的硬件资源消耗与加速性能。通过采用随机梯度下降法训练支持向量机,... 针对支持向量机在处理大规模数据集时所面临的计算复杂度高和训练时间长的问题,设计了一种基于FPGA并行实现支持向量机训练的可重构计算系统,并分析了不同量化方式下的硬件资源消耗与加速性能。通过采用随机梯度下降法训练支持向量机,使得需要求解的维度与样本的维度相关联,相较于传统的基于二次规划的求解方法可以显著降低计算复杂性。同时,利用基于FPGA的可重构硬件平台设计了专用并行计算结构以加速支持向量机的训练过程。对设计的完整系统进行了软硬件联合仿真,在4个公共数据集上的仿真结果表明,整体模型预测准确率达到90%以上;在训练阶段,相较于采用相同算法的软件实现,所提出的浮点数表示下硬件实现的单个样本处理时间至少减少了2个数量级;定点数表示下硬件实现的单个样本处理时间最大减小了3个数量级;与基于二次规划问题求解的硬件实现相比,单个样本处理速度最快提升了394倍。 展开更多
关键词 现场可编程逻辑门阵列 支持向量机 可重构系统 并行计算 随机梯度下降法
下载PDF
一种基于指令MKS的自动向量化代价模型
20
作者 王震 聂凯 韩林 《计算机科学》 CSCD 北大核心 2024年第4期78-85,共8页
自动向量化代价模型是编译器进行自动向量化优化时的重要组成部分,其作用是评估代码在应用向量化转换后能否获得性能提升。当代价模型不准确时,编译器会应用负收益的向量化转换,从而降低程序的执行效率。针对GCC编译器默认代价模型的不... 自动向量化代价模型是编译器进行自动向量化优化时的重要组成部分,其作用是评估代码在应用向量化转换后能否获得性能提升。当代价模型不准确时,编译器会应用负收益的向量化转换,从而降低程序的执行效率。针对GCC编译器默认代价模型的不精确问题,以Intel Xeon Silver 4214R CPU为平台,提出了一种基于指令MKS的自动向量化代价模型。该模型充分考虑了指令的机器模式、运算类型以及运算强度等,并使用梯度下降算法自动搜索不同指令类型的近似代价。在SPEC2006以及SPEC2017上进行了单线程测试,实验结果表明,该模型能够减少收益评估错误的情况。与默认代价模型生成的向量程序相比,GCC编译器添加MKS代价模型后,在SPEC2006课题上最高获得了4.72%的提速,在SPEC2017课题上最高获得了7.08%的提速。 展开更多
关键词 GCC编译器 自动向量化 代价模型 收益评估 梯度下降
下载PDF
上一页 1 2 143 下一页 到第
使用帮助 返回顶部