粗粒度
- MgdFlow：微电网场景下的多粒度数据流管理算法
的上限，而通过粗粒度聚合的流表划分，将路由尽可能均匀地发送到网络中的各台交换机，避免极端情况下交换机超出最大负载利用率。由网络平均负载与各交换机负载的均方根误差（RMSE）来评估网络中整体负载均衡，计算式为交换机的硬件条件限制了其存储空间的大小，因而对流表项的存储存在着严重的限制[8-9,23]。通过聚合与分流可以极大限度地减少交换机中流表项的插入，以交换机平均表项占有率衡量该算法的效果，计算式为2) ImproveQoS。通常QoS 考虑的指标为可用性、
通信学报 2023年10期2023-11-19
- 基于多级学习的长尾分布下交通多目标检测*
进行分组，得到粗粒度与细粒度的二级类别标签。具体地，将训练样本数相近的目标类别放入同一组，形成组内的细粒度类别，不同的组则构成粗粒度类别。进行不同粒度类别预测，完成平衡的学习过程。其次，构建基于多头注意力机制的特征分组重融合模块。通过多头自注意力机制提取候选框特征（Region of Interest Feature，RoI 特征）的细粒度信息，获得精细化特征，以帮助分类器提升性能。最后，在多级分类器的基础上进行Logit 联合调整，以抑制类别组间的不平衡
计算机与数字工程 2023年3期2023-07-11
- GAP/PET/RDX基推进剂的动态冲击及点火响应行为
中粒度RDX、粗粒度RDX的3种固体推进剂开展实验。推进剂原始试样及扫描电镜图片如图1所示,试样尺寸均为Φ10mm×5mm。组分及含量见表1,其中“P-中粒度”表示PET基体含中粒度RDX推进剂,“G-中粒度”表示GAP基体含中粒度RDX推进剂,“G-粗粒度”表示GAP基体含粗粒度RDX推进剂。制备过程中AP、Al均采用同一批次原材料,同时也保证了不同类别推进剂中主要组分的规格形貌基本一致。表1 不同推进剂组分及质量含量Table 1 Components
火炸药学报 2023年4期2023-05-12
- 基于随机模型预测控制的火电-储能两阶段协同调频控制模型
进行求解。首先粗粒度获取一个粗略的指导性方案,同时降低精粒度的模型求解难度,然后再精粒度优化求解具体的调频策略。此外,调频策略的可行性对电网安全至关重要,因此,在构建模型时需要考虑在非预期调频信号下调频策略的全场景可行性［17］。此外,功率型储能和能量型储能的差异不仅体现在其能量功率比上,也同时体现在其寿命特性上［6］。通常与火电机组协同的能量型储能为电化学储能,在建模环节需要避免频繁的充放电切换和深度充放电切换［18-19］。基于上述问题,本文建立了基于
电力系统自动化 2023年3期2023-02-27
- 一种端到端的加密流量多分类粗粒度融合算法*
了一种端到端的粗粒度融合算法。本文提出的方法能很好地与现有的基于表征学习的多分类算法相结合，在保证运行效率的情况下提升多分类效果。文章的其余部分组织如下：第1 节描述传统的流量分类方法和利用深度学习方法进行流量分类的相关工作；第2节详细介绍本文提出的端到端的加密流量多分类粗粒度融合算法；第3 节描述在ISCX VPN-nonVPN公开流量数据集上进行实验的细节，并对实验结果进行分析；第4 节对本文工作做出总结。1 相关工作1.1 基于传统方法的流量分类传统
通信技术 2022年11期2023-01-16
- 基于交互式特征融合的嵌套命名实体识别
息的识别，构建粗粒度候选区间感知模块，并采用二元序列标记法过滤一些非实体区域。1 相关工作研究人员结合基于规则和机器学习的方法来处理嵌套命名实体［10］。文献［11］基于隐马尔可夫模型（HMM）［12］的方法检测最内部的实体提及，再通过基于规则的后处理方法检测外部提及。文献［13］提出CRF［14］识别生物医学文本中的蛋白质实体和基因实体。文献［15］在文献［13］研究的基础上，提出基于线性链条件随机场构建模型，有效提升生物医学文本中的识别效果。然而，基于
计算机工程 2022年12期2022-12-13
- 基于聚合多阶邻域信息的细化方法的多粒度网络表示学习
生成超点，构成粗粒度网络.通过粗化阶段可以缩小原始网络的规模，同时，由于粗粒度节点与细粒度节点之间的对应关系，可以将粗粒度网络的表示作为原始网络的近似表示.迭代粗化过程还可以获得网络的多粒度结构.网络细化阶段旨在保留粗化过程中获得的多粒度结构，将粗粒度空间的节点表示细化回原始网络，得到原始网络的节点向量.现有的细化方法主要分为3大类：第1类方法，如图1(a)所示，通过在不同粒度网络上运用已有的网络表示学习方法，并利用拼接操作融合不同粒度的节点表示以得到最终
小型微型计算机系统 2022年12期2022-12-06
- 基于分层块稀疏学习的射频层析成像
层的方法，融合粗粒度与细粒度方面的定位结果得到目标位置，降低了计算量，使定位结果具有实时性。1 基于分层块稀疏学习的射频层析成像1.1 分层块稀疏学习的射频层析成像框架分层块稀疏学习的射频层析成像框架如图1所述，主要由多观测向量层、粗粒度检测层、细粒度成像层、图像融合层4个部分构成。首先，多观测向量层获取多个相邻时刻的射频链路RSS数据，形成多观测向量，捕获目标运动的时空关联信息；粗粒度检测层通过块稀疏结构描述目标的时空状态，设计块稀疏贝叶斯学习算法（Bl
物联网技术 2022年11期2022-11-22
- 基于商空间粒度的序关系及其转换研究
微观序转化为更粗粒度上的序(宏观序)，在该序上解决问题，可以降低求解问题的复杂度，提高求解效率.文章基于商空间粒度理论，讨论了元素上的序(微观序)到集合上的序(宏观序)的转换、集合上的序(微观序)到集合幂集上的序(宏观序)的转换以及信息表上序的转换，给出了微观序到宏观序转换的步骤，并举例说明微观序到宏观序的转换在人们生活中的应用.1 相关概念1.1 商空间粒度理论粒度(Granularity)[2-6]就是取不同大小的对象，是描述模糊和不确定性对象的工具.
兰州文理学院学报(自然科学版) 2022年3期2022-06-08
- 多粒度实值形式概念分析
中的描述通常比粗粒度空间中的描述给出了更多可供参考的信息。(5)根据假设，{as}s∈S、{bt}t∈T均为布尔属性集，且{as}s∈S和{bt}t∈T拥有的对象形成论域U的划分。那么对于任意对象o∈U，由公式(4)可得fo(ai)=fo(bj1)∪fo(bj2)∪…∪fo(bjk)成立。因此，当fo(ai)=∅时，fo(bjt)(t=1,2,…,k)均为∅；当fo(ai)={1}时，fo(bjt)(t=1,2,…,k)中有一个为性质1表明多粒度实值形式背
陕西师范大学学报（自然科学版） 2022年3期2022-06-07
- 一种变粒度缺陷报告严重程度预测方法
一般将其建模为粗粒度分类问题(即二分类问题)或细粒度分类问题(即多分类问题)。具体来说，二分类问题是以严重程度normal 为界限，将超过normal 程度的类型归为一类；低于normal 程度的类型归为另一类。由于二分类问题的粒度较粗，因此构建出的分类模型通常可以取得不错的分类性能。而多分类问题则可以直接预测出缺陷报告所对应的具体严重程度类型，因此可以根据多分类的预测结果，更准确地确定缺陷修复的优先级[3]。但多分类问题一般受到训练数据集规模的不足、数据
南通大学学报（自然科学版） 2022年1期2022-05-19
- 球团停用润磨机下粗粒度铁精粉消耗比例提升实践
分阶段逐步提升粗粒度铁精粉消耗比例,期间进行一系列工艺制度优化,并加强生产工艺监督管理,克服使用粗粒度铁精粉对造球及后续热工制度影响的种种困难,稳定生产工况,在保证球团矿质量指标符合高炉冶炼需求的条件下,尽可能提高粗粒度铁精粉消耗比例,积极为公司含铁资源的平衡消耗及采购创造条件。1 生产使用原料及配比核定根据昆玉钢铁含铁资源供应情况,球团配加粗粒度铁精粉生产拟采用含铁原料质量指标为:正常情况下,昆玉钢铁球团生产以优质铁精粉1 为主,稳定配加8%内循环料组织
新疆钢铁 2022年4期2022-03-04
- 多孔还原氧化石墨烯骨架用于增强杂环芳纶纤维力学性能
角X射线散射和粗粒度分子动力学模拟，研究者发现少量分散良好的HrGO提高了结晶度，并作为拓扑约束，增强了PBIA链的横向相互作用。此外，在复杂的应用场景中，HrGO/PBIA纤维的良好兼容性也通过动态和循环加载测试得到证实。相关研究成果以Holey reducedgraphene oxide scaffolded heterocyclic aramid fibers with enhanced mechanical performance为题发表在Adva
航空制造技术 2022年12期2022-01-01
- 句法复杂性测量指标研究：回顾、反思与展望
可大致将其分为粗粒度指标(large-grained indice)和细粒度指标(fine-grained indice)[6]。顾名思义，粗粒度指标可对句法复杂性进行整体性测量，但缺乏具体语言结构等细节体现，透明性低，因此对指标结果的解释也较模糊；而细粒度指标则能对具体语言结构等细节提供更多信息，透明性高，较易对指标结果进行精确解释，是粗粒度指标的重要补充。下面将句法复杂度测量指标相关研究以粗粒度和细粒度分类回顾。二、粗粒度指标研究粗粒度指标是相对概念，
山东理工大学学报（社会科学版） 2021年1期2021-11-30
- 基于多粗粒度与注意力网络的轴承剩余寿命预测
振动信号进行多粗粒度操作获得多尺度信号，再基于CNN网络进行深层特征提取与融合，并引入注意力机制进行特征重标定，以强化对RUL预测任务贡献度更大的特征，最后利用FNN网络映射得到轴承的RUL预测值。1 基于多粗粒度与注意力网络的轴承RUL预测方法本文所提方法的整体网络结构如图1所示，主要包括多尺度粗粒度层、多尺度特征融合层、注意力加权层以及RUL预测层。图1 本文方法的整体网络结构1.1 多尺度粗粒度层对机械设备的振动信号进行多尺度粗粒度处理得到的多尺度特
中国测试 2021年10期2021-11-12
- 基于SSD框架的红外弱小目标检测技术研究
第二,借鉴了从粗粒度到细粒度的二级检测思想,设计了基于双阈值的粗粒度检测器和细粒度检测器。在目标检测任务中,对单阈值的设定往往要求比较高,阈值设置过高会漏掉许多真目标,导致检测率降低,阈值设置过低则会混入假目标,导致虚警率高。本文设置了两个阈值p1,p2(其中1>p1>p2>0),用于指导粗粒度检测器和细粒度检测器,缓解上述问题。2.1 粗粒度检测器该粗粒度检测器主要是基于SSD进行改进的,原始的SSD网络结构如图1所示,VGG_16网络结构作为基础,对V
激光与红外 2021年10期2021-11-05
- 基于Web的权限管理方案设计
管理方案，满足粗粒度与细粒度结合的高自由度控制的要求。关键词：Web;权限控制;粗粒度;细粒度;Ruby on Rails 5一个大型的信息系统均会具有许多功能和许多用户，这些用户处于不同的岗位、具有不同的级别，他们从信息系统中获取信息与处理信息的职权亦不同，这就要求应用系统提供一种权限管理机制，控制各种用户使用系统的权力访问。[1]一个稳定可靠的权限管理方案，应该具备粗粒度与细粒度结合、高自由度、高扩展性等特点。设计一个基于Web的信息系统权限管理方案，
科学与生活 2021年19期2021-10-30
- 粗-细两阶段卷积神经网络算法
种子网络组成：粗粒度网络和细粒度网络。每种子网络都独立训练，不会增加整体网络的深度。先基于验证集图像聚类，获得一个粗粒度数据集，用于粗粒度网络的训练。该数据集在每一粗类中包含一个或多个细类且每个细类只属于一个粗类。在CTFTCNN 中，粗粒度网络是一个多尺度卷积神经网络（multi-scale convolutional neural network，MSCNN）[16]。为其分配的任务是确定样本属于哪个粗类，这项任务的重点是识别图像的全局特征，相对较简单
计算机与生活 2021年8期2021-08-07
- 一种多粒度DNS隧道攻击检测方法
NS流量行为的粗粒度特征与细粒度特征，并且使用两种特征相结合对DNS流量进行分类判断。粗粒度与细粒度特征相结合的方式如图1所示，首先将通信流量按时间片划分，使用粗粒度特征判断存在DNS隧道攻击的时间片，再将可疑时间片中的DNS会话进行重组，通过细粒度特征检测出DNS隧道会话流量。图1 粗细粒度结合方式1.1 粗粒度特征由于对每条DNS会话进行重组、计算特征与检测会导致检测效率低下，因此提出了粗细粒度相结合的检测方法。粗粒度特征针对一段时间片内所有的DNS流
现代计算机 2021年17期2021-08-07
- CL-20粒度对GAP/AP/Al高能推进剂燃烧性能的影响
相同含量下，含粗粒度CL-20的混合物燃速高于含细粒度CL-20的混合物。他们提出对于这种黏合剂燃速小于填充物燃速的混合体系，其燃烧适用于两种模型：relay-race(几何)燃烧模型和独立单元燃烧模型，即单位体积推进剂的燃烧时间受黏合剂燃烧时间和填充物颗粒燃烧时间所控制。宋会彬等[14]研究了CL-20粒度对NEPE推进剂燃烧性能的影响，结果表明随着CL-20粒径的增大，推进剂燃速先升高后降低，大约在粒径105～125 μm时燃速达到最大值；而压强指数先
火炸药学报 2021年3期2021-07-12
- 一种新型高效的移动端深度学习图像分类系统
第一阶段定义为粗粒度聚类过程，这个阶段最主要的作用是减少解空间（神经网络模型需要识别数据集中包含的类数）。在此之后，可以将数据聚类为几个彼此不相关的小数据集，但在同一聚类中的图像比在不同聚类中的图像具有更强的相似性；第二阶段是分类过程，在这一阶段设计了几个自定义的轻量级分类器，分别识别图像的特定类。要完成这项工作，将面临两大挑战：一是需要得出一个粗粒度的聚类方法，用来划分数据集的解空间；二是现有的聚类模型都是为了对图像进行聚类，使图像尽可能接近标签，目的是
物联网技术 2021年5期2021-05-24
- 基于图挖掘扩展学习的增强需求跟踪恢复方法
变化的.比如从粗粒度(例如高等级需求(high-level requirements, HL)和用例(user cases, UC)到细粒度(例如低等级需求(low-level requirements, LL)、交互图(interaction diagrams, ID)、测试用例(test cases, TC)和代码类文件(code classes, CC)，这是一个粒度由粗到细的过程.粗粒度制品和细粒度制品之间描述因粒度差异导致缺乏或没有相同主题词的关
计算机研究与发展 2021年4期2021-04-09
- 基于区块链技术的网络舆情观点树挖掘研究*
下，进行第一层粗粒度观点挖掘 （Opinion Mining，OM），得到关于主题的3 种观点 （正面、负面和中立）。其次，对正面、负面两种粗粒度观点进行中粒度OM，得到支持和反对的观点强度。最后，对各个等级的观点强度进行细粒度OM，得到某种强度观点的观点属性。2）第二种：先确定根节点，再进行自下而上的观点树构建。首先，基于某一舆情主题下进行细粒度OM；其次，在细粒度观点的基础上再进行中粒度OM；最后，在中粒度观点的基础上进行粗粒度OM，整棵观点树构建完毕
科技创新与生产力 2021年1期2021-03-06
- 移动目标同现模式挖掘算法的研究∗
Graph，粗粒度层的构建基于移动目标轨迹信息匹配及FT 过滤器筛选，代替了直接遍历轨迹点集，通过减少计算对象来降低建模耗时；并提出基于连接的挖掘算法CFCMDCOP Graph Miner，挖掘中通过对粗粒度层移动目标间的引发序列计算，提前对不满足引发阈值的移动目标组合进行剪枝，细粒度层能够快速挖掘多条轨迹之间的时间交集，并计算多轨迹间的时空邻近频繁度，减少挖掘过程中的冗余计算来提高算法挖掘效率。2 关联性挖掘主要公式及定义本文提出了粗细粒度结合的混合
计算机与数字工程 2020年11期2020-12-23
- 非结构CFD软件MPI+OpenMP混合并行及超大规模非定常并行计算的应用
将混合并行分为粗粒度并行和细粒度并行，简单介绍了两种并行的实现原理和基于C++编程语言的实现细节。其次，在国产in-house集群上，通过CRM(Common Research Model)标模定常湍流算例[10]对两种混合并行模式进行测试和比较。随后，为了验证两种混合并行模式在非定常计算中的可扩展性，在机翼外挂物投放标模算例的3.6亿非结构重叠网格上进行效率测试，并采用12 288核完成了基于混合并行模式投放过程的非定常计算，得到了较高的并行计算效率。最
航空学报 2020年10期2020-11-06
- 基于文本筛选和改进BERT的长文本方面级情感分析
集上将方面分为粗粒度方面和细粒度方面两个层次，对于粒度方面的利用研究目前还在初步阶段，如何把现有的模型应用在这个数据集上是一个挑战。针对以上问题，本文提出文本筛选和改进BERT 的算法来处理长文本的ABSA 任务。该算法首先利用文本筛选网络（Text Filter Network，TFN）对文本中的每个语句进行粗粒度方面的分类，得到部分语句，再对部分语句按次序进行组合，输入到BERT-Pair-ATT 情感分类模型中进行训练和预测。BERT-Pair-AT
计算机应用 2020年10期2020-10-18
- 基于卷积神经网络的粗粒度数据分布式算法
库中的信息分为粗粒度信息和细粒度信息[1]. 粗粒度表示类别级, 即仅考虑对象的类别, 不考虑对象的某个特定实例. 粗粒度文本信息在本文中被称为粗粒度数据, 是一种不具特定实例的信息或数据. 在现实数据库系统中粗粒度信息较难获得, 而在很多场景下粗粒度信息在综合信息评价方面用途较广, 因此对粗粒度信息的分类、 评价与应用, 已成为当前大数据挖掘与应用领域的研究热点之一. 数据库中的粗粒度信息与细粒度信息具有紧密的关联性, 粗粒度数据的挖掘还要基于不同粒度数
吉林大学学报（理学版） 2020年4期2020-07-18
- 基于动态数据流的粗粒度可重构阵列设计
法的能力，因此粗粒度可重构阵列[1]成为了当下研究的热点。粗粒度可重构阵列由阵列控制器、大量的处理单元（Process Element，PE）及互联资源构成，处理单元的功能及处理单元之间的互联结构均可以根据算法的需求重构，在利用空间计算提升执行效率的同时还能够获得较高的灵活性。但是阵列中如此多的处理单元往往很难被充分的利用，受到长延迟操作、数据依赖关系等诸多因素的制约，因此提高处理单元的利用率是粗粒度可重构阵列研究中的重要问题，也是提升整体性能的关键。现有
现代计算机 2020年6期2020-04-01
- 一种适应GPU的混合访问缓存索引框架∗
占用相对更小的粗粒度LRU CCHT.其中,双重LRU CCHT 通过两个缓存踢出优先级队列,在全局踢出与桶内踢出过程中独立使用,实现了高缓存命中率.粗粒度LRU CCHT 方法则仅通过一个缓存踢出优先级队列,在全局踢出与桶内踢出过程中共同使用,在保证了缓存命中率的同时,进一步减少了优先级队列对索引空间的占用开销.本文将CCHT 在GPUCPU 异构环境下进行了实现,并为减少内存带宽的占用与GPU 的访问次数,提出了基于外存计算系统(out-of-core
软件学报 2020年10期2020-01-02
- 面向变电站视频监控终端的目标检测方法及其优化
的检测主要采用粗粒度检测与细粒度分类相结合的方案。在方案中，将检测的目标细分为作业人员、施工车辆2类，而其中作业人员又包含了是否穿戴作业安全帽和是否穿着工作服，施工车辆又进一步划分为吊车、泵车、铲斗车、挖掘机等特种车类别。在面向上述目标的粗粒度检测方面，主要采用基于TensorFlow框架的YOLO v3目标检测方案，使用优化后的YOLO v3算法对目标进行检测并输出其在图像中的位置坐标。在细粒度分类方面，采用基于TensorFlow框架的深层神经网络分类
广东电力 2019年9期2019-10-10
- Co粉粒度对中、粗硬质合金性能的影响
o粉制备的中、粗粒度牌号压坯中Co相分布(绿色)与中粒度牌号相比，粗粒度牌号压坯中的Co分布规律略微不同。当Co粉粒度在1.0-2.0之间时，Co在压坯中的分布较均匀，当钴粉粒度小于1.0 μm或大于2.0 μm时，压坯中Co的分布出现团聚、不均匀现象。原因分析如下：当Co粉粒度小于1.0 μm时，Co粉与WC粉粒度差异较大，在球磨过程中，细颗粒的Co粉易出现团聚、偏析的现象，反而不利于湿磨过程中Co粉的分散。而当Co粉粒度大于2.0 μm后压坯中Co分布
凿岩机械气动工具 2019年2期2019-06-24
- 不同粒度遥感信息的非线性优化Otsu分割算法
分割，将此称为粗粒度分割，若信息提取的需求是海岛土地利用变化检测，则需将岛屿上的不同地物类别进行分割，将此称为细粒度分割。阈值分割是图像分割方法之一[9-11]。国内外学者进行了大量的研究，如日本学者Otsu基于聚类思想提出了最大类间方差图像分割算法(Otsu算法)，该算法计算简单且不受图像亮度与对比度影响[12]。Reddi等利用迭代方法将Otsu算法推广为多阈值图像分割算法[13]。Liao等提出利用查表方法改进多阈值Otsu算法，降低了图像分割算法计
遥感信息 2019年1期2019-03-22
- 基于分步的位置指纹定位算法研究
训练阶段，进行粗粒度的定位(粗略定位)，确定未知点所在的区域，排除不可能的区域点；在在线定位阶段，进行细粒度的定位(精确定位)。2 基于分步的位置指纹定位算法使用基于分步的位置指纹定位算法进行距离估算时，不依赖精确的室内传播模型，可以减小环境因素对定位精度的影响；此外使用粗粒度与细粒度的概念，有利于实现粗定位和精定位。基于分步的位置指纹定位算法流程图如图2所示。图2 位置指纹算法流程图2.1 离线训练阶段环境分析[11]是基于分步的位置指纹定位算法的第一步
电子科技 2018年11期2018-12-03
- 基于粗细粒度深度学习的脱机手写汉字识别
，第一步是使用粗粒度的分类器对待分类样本进行初次分类，如果该汉字样本被错误分类也会以较大的大概率被分类到与它相似的其他汉字类别上，因此可以对汉字集进行分析，找出全部的相似字集，然后对每一个相似字集训练专门的细粒度分类器；第二步根据初次分类的结果确定待分类汉字所对应的相似字集，然后使用相应的细粒度分类器进行最终的分类。由于细粒度分类器的分类正确率更高，所以能够纠正相当多一部分原先通过大规模无差别学习得到的分类器进行分类造成的错误，从而提高总体识别正确率。2.
梧州学院学报 2018年3期2018-07-27
- 在线评论情感分析研究综述
粒度即细粒度和粗粒度两方面进行情感分类。对在线评论情感进行分析，有利于消费者的购买决策，也有利于商家制定营销战略。讨论了情感分析的现有不足以及面临的挑战。关键词：情感分析；情感强度；细粒度；粗粒度；情感极性DOIDOI：10.11907/rjdk.173102中图分类号：TP3-05文献标识码：A 文章编号文章编号：1672-7800（2018）002-0001-041 在线文本情感分析概述文本情感分析又称观点挖掘，它是依据计算机等先进技术对有关新闻资料、
软件导刊 2018年2期2018-03-10
- 基于飞行轨迹的飞机飞行异常检测算法
迹检测方法：由粗粒度到细粒度。1 算法描述如图1所示，在5条轨迹中，明显可以看出轨迹3属于异常轨迹。在航空飞行中，这样偏离正常的轨道说明飞机在这个时间段遇到了异常状况，有可能是内部因素（航空器异常），也有可能是外部因素（天气因素）。总之，在这个时间段内有危险征候，需要加强防范。当轨迹出现异常的时候，轨迹点之间的夹角也随之发生较大的偏差。因此，方向信息也可以反映出异常情况。在这种情况下，再对异常轨迹进行细粒度划分，如图1中的p0p1、p1p2和p2p3三个子
现代计算机 2018年1期2018-02-09
- 自动驾驶汽车的可视化因果关系解读
视觉关注机制的粗粒度解码器；（3）视觉关注机制的细粒度解码器，用于因果关系的视觉检测，并细化空间关注图。编码器：使用卷积神经网络提取编码的视觉特征向量，称为卷积特征立方体。每个特征向量具有输入图像的部分特征，这些特征是视觉关注网络模型筛选出的特征。粗粒度解码器：采用深度学习中的软注意力分析，寻找最优的背景向量，称为卷积特征向量。利用一种标准反向传播方法进行训练。细粒度解码器：改进了关注图像，并检测了局部视觉效果。通过视觉关注网络模型获得了3个数据集（Com
汽车文摘 2017年11期2017-12-04
- 基于申威众核处理器的混合并行遗传算法
于此，设计了“粗粒度-主从式”混合式并行遗传算法(HBPGA)，并在目前TOP500上排名第一的超级计算机神威“太湖之光”平台上实现。该算法模型采用两级并行架构，结合了MPI和Athread两种编程模型，与传统在单核或者一级并行构架的多核集群上实现的遗传算法相比，在申威众核处理器上实现了二级并行，并得到了更好的性能和更高的加速比。实验中，当从核数为16×64时，最大加速比达到544，从核加速比超过31。混合并行遗传算法；神威“太湖之光”；众核；MPI；At
计算机应用 2017年9期2017-11-15
- 论子话题粒度对搜索结果多样化算法的影响
题，我们称之为粗粒度的子话题。同理，我们将每个子话题分别输入Google并收集其query suggestions，得到子话题的子话题集合，称之为细粒度的子话题。表1展示了对于NTCIR的查询“三毛”(id=13)在Google上取得的粗粒度子话题T1和细粒度子话题T2。表1 基于Google Suggestions生成的查询“三毛”的粗粒度子话题和细粒度子话题本文进一步研究了子话题粒度和多样化算法的关系，发现使用不同粒度的子话题，对于多样化算法的表现有直
中文信息学报 2017年4期2017-10-11
- 一种基于解空间分割的并行遗传算法
标准遗传算法和粗粒度并行遗传算法。解空间分割; 并行化; 遗传算法; 线性加速比; 优化Class Number TP1831 引言遗传算法作为一种经典的求解复杂问题最优解的算法,在电网规划、生产调度、复杂网络分析等领域得到广泛应用[1～3]。由于标准遗传算法[4]是串行算法,存在运行时间长、易陷入局部最优解的弊端,为更好满足当今大规模计算的应用需求,往往需要对标准遗传算法进行并行化改进。其中,粗粒度并行遗传算法[5]是应用最为广泛的一种并行遗传算法,具备
计算机与数字工程 2017年2期2017-03-02
- 高精度太阳追踪系统研究与实现
到预期位置完成粗粒度定位。系统在定位追踪的过程中会不断地读取PSD传感器的数值，若某一次读到的数值处于精调范围，则系统立即进入精粒度追踪模式[6]，执行精粒度调整子程序。若左右扫描过程中没有进入精粒度调整范围，则系统开始进入粗粒度追踪模式，该模式主要由GPS算出太阳当前高度角和方位角，然后系统执行粗粒度定位。大约每四分钟会定位一次，直到进入精调范围则执行精粒度追踪。若粗粒度追踪时间大于预设阈值，则程序回到左右扫描的过程继续执行。在主程序不断循环过程中，系统
电子技术应用 2016年8期2016-12-01
- 基于公共池自适应迁移策略的并行遗传算法
： 分析了传统粗粒度并行遗传算法的局限性，针对其迁移固定不变及无效迁移造成的通信开销大等缺点，将公共池与自适应迁移策略相结合，提出了一种适合在多核计算机上运行的基于公共池自适应迁移策略的并行遗传算法。该算法根据当前的进化状态自适应地进行迁移，并利用公共池淡化了子种群间交换个体时的拓扑结构。对复杂非线性函数求极值的仿真结果表明，该算法与传统并行遗传算法相比，收敛速度快，求解精度高，得到最优解的进化代数提前，并行效率明显提升。关键词： 粗粒度； 并行遗传算法；
计算机时代 2016年10期2016-11-30
- 基于3D-Mesh互连网络的粗粒度逻辑阵列研究*
sh互连网络的粗粒度逻辑阵列研究*赵宗国1，李伟1，2，戴紫彬1，耿九光3(1.解放军信息工程大学，河南 郑州 450000；2.复旦大学 专用集成电路与系统国家重点实验室，上海 201203；3.71315部队，河南 商丘476000)提出了一种3D-Mesh拓扑互连网络结构，其支持动态可重构配置，数据路径位宽为32 bit。基于该3D-Mesh拓扑互连网络结构，设计了一种拥有48个 RPE（Reconfigurable Process Element）
电子技术应用 2016年5期2016-11-30
- 一种由粗至精的RGB-D室内场景语义分割方法
语义类别,实现粗粒度区域级语义标签推断.然后,为了改善粗粒度级的语义标签,利用几何深度导引和内部反馈机制改进像素级稠密全连接条件随机场模型,以求精细粒度像素级语义标注.最后,在粗、细粒度语义标注之间引入全局递归式反馈,渐进式迭代更新室内场景的语义类别标签.2个公开的RGB-D室内场景数据集上的实验结果表明,与其他方法相比,所提出的语义分割方法无论在主观还是客观评估上,均具有较好的效果.RGB-D室内场景;语义分割;SLIC过分割;稠密CRFs;递归式反馈场
东南大学学报（自然科学版） 2016年4期2016-09-21
- 复杂产品多粒度再制造性综合评价方法*
化方法。给出了粗粒度指标的量化公式，用于产品和组件层的可再制造性评价；针对细粒度指标难以量化的特点，提出了基于层次分析法(AHP)的细粒度评价方法，用于零件层的可再制造性评价。为提高评价效率，提出了逐层递归再制造性综合评价方法。最后，验证了所提方法的可行性与有效性。再制造性；评价；层次分析法再制造性评价一直是国内外关注的热点。文献[3]将影响再制造的各设计属性集成到设计表进行再制造性评价和设计修改。文献[4-5]基于可装配设计指标提出了通过实际和理论时间参
制造技术与机床 2016年1期2016-08-31
- 阿根廷米纳毕戈塔地区水系沉积物采样粒度试验研究
积物样品筛分成粗粒度(10～60目)、中间粒度(-60目、60～80目)和细粒度(-80目)三级4种粒度。(4)样品由国土资源部长春矿产资源监督监测中心进行分析。采用原子荧光、X 荧光光谱、质谱、发射光谱、原子吸收和离子选择电极等分析方法分析了Au、Ag、Cu、Pb、Zn等39种元素和氧化物(表1)。表1 分析方法及分析元素3.2粒度试验结果对4种粒度(10～60目、-60目、60～80目、-80目)水系沉积物的元素分析所进行的统计结果，如表2—表5所述。
地质找矿论丛 2016年2期2016-07-16
- 控制流完整性的发展历程
被分为细粒度和粗粒度两种。细粒度CFI严格控制每一个间接转移指令的转移目标，这种精细的检查，在现有的系统环境中，通常会引入很大的开销。而粗粒度CFI则是将一组类似或相近类型的目标归到一起进行检查，以降低开销，但这种方法会导致安全性的下降。CFI已经被提出十多年的今天，依然有许多研究者在探索新的CFI技术，使其在可接受的开销下能获得高安全性，图1给出了CFI的发展历程，本文将介绍在该历程中的重要的技术创新和相关研究成果。基于插桩技术的CFI为了有效防御控制流
中国教育网络 2016年4期2016-06-06
- 程序周期行为技术分析*
为细粒度划分和粗粒度划分两种。目前并无区分粗细粒度的严格界限。一般来讲，细粒度程序段可以是长度相对较小的定长程序段，如 100K条指令或 10M条指令，也可以是程序的最内层循环或最内层递归调用。而粗粒度程序段可以是长度相对较长的定长程序段，如 1 000M条指令，也可以是程序的最外层循环或递归调用。在周期行为分析过程中，除单独使用这两种划分方法外，也有将两种划分方法结合构造多层次粒度划分程序执行的方法。2 周期行为分析和预测技术在利用周期行为进行动态优化过
电子技术应用 2015年3期2015-02-23
- 一种粗细粒度结合的动态污点分析方法
分析方法。对比粗粒度污点分析和细粒度污点分析的实现过程，提出两者结合的新型分析框架。预先在线执行粗粒度污点分析以筛选有效指令，之后离线执行细粒度污点分析以计算污点信息。根据粒度的差异分别建立粗细粒度污点数据的引入标记方法，制定粗细粒度条件下的数据流和控制流传播策略，设计离线轨迹记录结构作为粗细粒度污点分析的传递文件。在原型系统上的测试结果表明，该方法通过在线粗粒度模式保证了污点分析信息采集的快速性，同时采用离线细粒度模式以合理的时间消耗提升了污点分析的精确
计算机工程 2014年3期2014-06-02
- 粒度配比对WC基金刚石钻头的性能影响研究①
t2.1 调整粗粒度对钻进性能的影响粗粒度的调整是在保证中、细粒度配比不变的情况下,通过40/45和45/50目之间的调换来实现的。SY1和SY4都是以60/70、80/100目这些稍大粒度的金刚石颗粒作为中粒度和细粒度的配比,不同的是SY4使用了更小的45/50目为粗粒度配比。通过对比SY1和SY4的钻进结果可知,胎体的磨损高度从0.98mm下降到了0.91mm,增加了0.09mm;寿命从7.346m增加到7.912m,增加了大约0.6m;效率从2.83
超硬材料工程 2014年5期2014-03-24
- 基于粗粒度可重构架构的并行FFT算法实现
FPGA相比,粗粒度可重构架构[2]的区别在于将FPGA中的LUT替换成粗粒度的运算单元,同时简化了FPGA的互联类型.近年来众多粗粒度可重构架构[2]被提出并得到应用.例如,XPP和ADRES架构已经被应用于无线通讯[3-4]和媒体处理[5-6]领域.而作为数字信号处理中的核心运算单元,FFT已经在很多粗粒度可重构架构上被实现,如NoC[7],MorphoSys[8],SmartCell[9], ePUMA[10]等.REMUS_LPP(reconfig
东南大学学报（自然科学版） 2013年6期2013-12-26
- 粗粒度并行遗传算法的MapReduce并行化实现
础平台上研究了粗粒度并行遗传算法的MapReduce并行编程实现方法，并进行了相关实验。1 MapReduce编程模型MapReduce编程模型的基本思路是将大数据集分解为成百上千的小数据集splits，每个(或若干个)数据集分别由集群中的1个节点(一般是1台普通计算机)并行执行Map计算任务(指定了映射规则)，并生成中间结果，然后这些中间结果又由大量的节点并行执行Reduce计算任务(指定了归约规则)，形成最终结果。图1描述了MapReduce的运行机制
重庆理工大学学报(自然科学) 2013年10期2013-08-01
- 基于粗粒度可重构架构的并行FFT算法实现
FPGA相比,粗粒度可重构架构[2]的区别在于将FPGA中的LUT替换成粗粒度的运算单元,同时简化了FPGA的互联类型.近年来众多粗粒度可重构架构[2]被提出并得到应用.例如,XPP和ADRES架构已经被应用于无线通讯[3-4]和媒体处理[5-6]领域.而作为数字信号处理中的核心运算单元,FFT已经在很多粗粒度可重构架构上被实现,如NoC[7],MorphoSys[8],SmartCell[9], ePUMA[10]等.REMUS_LPP(reconfig
东南大学学报（自然科学版） 2013年6期2013-03-22
- 对象级粗粒度切片方法
统依赖图构造了粗粒度的切片，粒度是方法级的，也有文章如文献 ［7］对李必信的粗粒度切片有一定扩展的。D.Liang和 M.J.Harrold的对象级切片方法是基于SDG的。专门对对象间的关系的探讨如文献 ［8］，阐述了对象间的关系类型。本文在程序切片技术思想的基础上，依据对象间的关联、组合等UML类间关系［9］构造对象级切片，提出一种对象级粗粒度切片方法，这种对象级粗粒度切片相对于庞大的语句级切片在一定程度上有更好的可读性和实用性，为人们分析面向对象程序的
计算机工程与设计 2012年3期2012-11-30
- 面向中小企业的变粒度双网映射零部件设计重用
，格外构造一个粗粒度网状基于语义（例如用OWL表示）的零部件知识结构网.将企业原有的零部件数据库作为细粒度树状知识网，建立两个知识结构网映射的知识网用于产品底层的设计重用.1 变粒度双网映射的零部件设计知识重用本文给出的粗细粒度双网映射的零部件设计知识重用方法如图1所示.该方法的特点可描述如下：（1）借鉴语义网知识［13］，构造一个粗粒度零部件知识网（网状结构）.在粗粒度零部件知识网中，仅保留了重要零部件检索信息（例如零部件结构、功能等特征），更具体的细节
大连理工大学学报 2012年1期2012-09-27
- 基于可重构计算技术的ASIP设计与实现
令，以及嵌入式粗粒度可重构阵列流水线处理器的体系结构。通过指令流水线设计，实现虚拟指令的并行执行，将指令级并行扩展为线程级并行。系统运行时，采用订阅/发布机制作为可重构阵列的通信机制，利用可重构系统可重复配置的特点，提高了系统的计算效率。通过仿真实验验证了基于可重构计算技术的流水线处理器结构的有效性。可重构计算;粗粒度可重构阵列;循环指令流水线;订阅/发布机制0 引言可重构计算兼顾定制计算的高效性与通用计算的灵活性，是一种新型的时空域计算模式。在可重构计算
舰船科学技术 2012年5期2012-07-12
- 基于细粒度任务分配的空时自适应并行处理算法研究
题，传统方法以粗粒度的划分方式将 STAP算法分配到特定硬件系统中的不同处理器中，利用处理器间的流水计算来提高系统计算吞吐量。该文分析了传统并行处理方法的缺陷：粗粒度的任务划分方式牺牲了 STAP算法的并行度；传统处理方法仅能适用于特定的系统环境。针对上述情况，该文提出一种基于细粒度任务分配的 STAP并行处理方法，该方法分为以下3个步骤：构建细粒度的DAG(Direct Acyclic Graph)形式的STAP算法任务模型；使用统一拓扑结构模型描述不同
电子与信息学报 2012年6期2012-01-27
- 信息管理系统中实体bean问题之解决方案研究
一：是设计一个粗粒度(coarse-grained)的实体 bean，还是一个细粒度(fine-grained)的实体bean。粗粒度一般表示类别级(the type of object)，即仅考虑对象的类别，不考虑对象的某个特定实例。比如，用户管理中，创建、删除，对所有的用户都一视同仁，并不区分操作的具体对象实例。细粒度表示实例级，即需要考虑具体对象的实例(the instance of object)，当然，细粒度是在考虑粗粒度的对象类别之后才再考虑特
网络安全技术与应用 2011年1期2011-06-12
- 玉米粒度对蛋鸡消化道生理及饲料流通速率的影响
疡评分显著高于粗粒度组（P=0.027）,而粗粒度组和中等粒度组（P=0.661）、中等粒度组和细粒度组（P= 0.062）之间差异不显著。玉米粉碎粒度对十二指肠形态发育（肠壁厚度,P=0.078;绒毛高度,P=0.276;隐窝深度,P= 0.159;V/C,P=0.158）有一定影响。具体表现为:粗粒度组的肠壁厚度显著高于细粒度组（P= 0.031）;玉米粒度越大,十二指肠绒毛高度和V/C值越大,而隐窝深度越小,但各处理间差异不显著（P＞0.05）。表3
动物营养学报 2010年5期2010-04-17