一种基于数据并行的过程神经网络训练算法

针对过程神经网络时空聚合运算机制复杂、学习周期长的问题,提出了一种基于数据并行的过程神经网络训练算法。该方法基于梯度下降的批处理训练方式,应用MPI并行模式进行算法设计,在局域网内实现多台计算机的机群并行计算。文中给出了基于数据并行的过程神经网络训练算法和实现机制,对不同规模的训练函数样本集和进程数进行了对比实验,并对加速比、并行效率等算法性质进行了分析。实验结果表明,根据网络和样本规模适当选取并行粒度,算法可较大提高过程神经网络的训练效率。     

一种基于数据并行的过程神经网络训练算法

针对过程神经网络时空聚合运算机制复杂、学习周期长的问题,提出了一种基于数据并行的过程神经网络训练算法。该方法基于梯度下降的批处理训练方式,应用MPI并行模式进行算法设计,在局域网内实现多台计算机的机群并行计算。文中给出了基于数据并行的过程神经网络训练算法和实现机制,对不同规模的训练函数样本集和进程数进行了对比实验,并对加速比、并行效率等算法性质进行了分析。实验结果表明,根据网络和样本规模适当选取并行粒度,算法可较大提高过程神经网络的训练效率。     

人工神经网络在并行计算机集群上的设计研究

人工神经网络在集群上的并行化设计和实现能够充分发挥ANN并行处理的特点,缩短训练时间,降低算法复杂度。随着并行技术的日益成熟,在并行集群上以软硬件相结合的方式设计神经网络的重要性也不断提高。从软硬件平台的多方面讨论了并行集群技术对人工神经网络设计的支持,提出了一种SOM神经网络在并行集群上的设计方法和基础框架,并就并行集群上神经网络训练效率的问题进行了深入讨论。该方案可广泛应用于多种神经网络模型的并行计算机实现。     

基于层次遗传算法的RBF神经网络并行训练方法研究

本文探讨了径向基函数(Radial Basis Function，简称RBF)神经网络的工作原理及特点，针对该神经网络在时序数据预测中的应用，提出了用层次遗传算法提高网络学习效果的策略。同时根据数据预测中，处理大训练集的特点，提出了一种并行训练RBF神经网络的方法。     

深度卷积神经网络的多GPU并行框架

近年来,深度卷积神经网络在图像识别和语音识别等领域被广泛运用,取得了很好的效果。深度卷积神经网络是层数较多的卷积神经网络,有数千万参数需要学习,计算开销大,导致训练非常耗时。针对这种情况,本文提出深度卷积神经网络的多GPU并行框架,设计并实现模型并行引擎,依托多GPU的强大协同并行计算能力,结合深度卷积神经网络在训练中的并行特点,实现快速高效的深度卷积神经网络训练。      

基于Im2col的并行深度卷积神经网络优化算法

针对大数据环境下并行深度卷积神经网络（DCNN）算法中存在数据冗余特征多、卷积层运算速度慢、损失函数收敛性差等问题,提出了一种基于Im2col方法的并行深度卷积神经网络优化算法IA-PDCNNOA。首先,提出基于Marr-Hildreth算子的并行特征提取策略MHO-PFES,提取数据中的目标特征作为卷积神经网络的输入,有效避免了数据冗余特征多的问题;其次,设计基于Im2col方法的并行模型训练策略IM-PMTS,通过设计马氏距离中心值去除冗余卷积核,并结合MapReduce和Im2col方法并行训练模型,提高了卷积层运算速度;最后提出改进的小批量梯度下降策略IM-BGDS,排除异常节点的训练数据对批梯度的影响,解决了损失函数收敛性差的问题。实验结果表明,IA-PDCNNOA算法在大数据环境下进行深度卷积神经网络计算具有较好的性能表现,适用于大规模数据集的并行化深度卷积神经网络模型训练。     

一种并行不对称空洞卷积模块

构建卷积神经网络要耗费大量的人力资源,且训练过程中需要消耗大量的算力资源.利用空洞卷积代替卷积神经网络中的池化操作,能有效增加感受野,降低运算复杂度,但是空洞卷积会带来空间层次和信息连续性的丢失.本文提出了一种并行不对称空洞卷积模块,该模块能够补全空洞卷积所丢失的信息,可以嵌入到现有的卷积神经网络中,代替3×3卷积进行网络训练,从而加速网络的收敛,提高网络的性能.实验结果表明,利用本文所提出的并行不对称空洞卷积模块,可以显著提高不同网络在CIFAR-10等数据集上的分类效果.     

一种并行BP神经网络的动态负载平衡方案

为了加快在大规模神经网络训练下并行技术的训练速度问题,从BP算法的内部结构分析了BP神经网络算法的大规模行划分方法,提出了一种动态负载平衡方案。通过在PC集群环境下对并行算法的试验结果表明,这种并行划分提高了加速比,具有现实意义。     

生物序列模式分析中神经网络的并行训练策略

神经网络作为模式识别、数据挖掘等方面的有效工具，已被广泛应用到生物序列的模式分析中，而生物序列的超大规模、超长同时也给神经网络提出了挑战，即必须解决训练时间过长、效率低下的问题。本文提出了若干适合生物应用的神经网络并行训练策略，并按其神经网络粒度进行分类，同时分析和比较了各种策略的代价。     

一种并行BP神经网络的动态负载平衡方案

为了加快在大规模神经网络训练下并行技术的训练速度问题，从BP算法的内部结构分析了BP神经网络算法的大规模行划分方法，提出了一种动态负载平衡方案。通过在PC集群环境下对并行算法的试验结果表明．这种并行划分提高了加速比，具有现实意义。     

捷联式惯性导航系统性能的综合评价新方法

该文根据捷联式惯性导航系统的组成元件及功能,给出评价其性能的多层次指标体系,具体评价步骤如下：首先由专家采用百分制给出的三角模糊数的初始评价矩阵,选用隶属函数得到三角模糊数隶属关系阵。其次利用AHP确定各层次的指标权重,由此建立了三角模糊数与AHP相结合的多层次模糊评价模型。最后应用Yager方法计算三角模糊数的平均值对各系统的评价结果进行排序。此方法弥补了单纯的AHP法解决多层次问题以及对评价结果排序的不足。为评价实际工程中多系统、多层次问题的研究提供了新的方法。     

提高一阶多值逻辑Tableau推理效率的布尔剪枝方法

含有量词的一阶多值Tableau方法具有统一的扩展规则，并由Zabel等人给出了可靠性和完备性的证明，但由于扩展后的分枝随着真值数目的增加而呈指数的增加，因而影响了机器推理执行的效率，该文提出了布尔剪枝方法，将带符号的公式与集合的上集／下集联系起来，使含量词的一阶多值逻辑公式的扩展规则大大简化，进一步，通过对布尔剪枝方法的分析，建立了一类特殊一阶多值逻辑正则公式的更为简洁的Tableau推理方法，该方法使得含量词的一阶多值逻辑Tableau推理类同于经典逻辑Tableau方法。     

一种基于小波变换的数据除噪方法

Donoho等提出了一种基于小波变换的阈值除噪方法,这种方法在信号除噪及数据压缩等领域得到了广泛的应用。但是,Donoho设计的阈值处理方法对含有微弱的局部信号的除噪效果不明显。根据局部信号和白噪声有着不同的Lipschitz指数,经过小波变换后二者在时间-尺度平面上有不同特征,文中提出了一种新的除噪方法,利用该方法可以有效地去除噪声,同时保留微弱的局部信号,减少除噪过程中信号能量的损失。     

A distributed method for reconfiguration of a three-dimensional homogeneous structure

A distributed reconfiguration method is proposed for a theree-dimensional reconfigurable structure, composed of many identical mechanical units. The method aims to enable the structure to transform itself into a desired structure from an arbitrary initial configuration. The proposed method is implemented in such a way that each unit has identical software as well as hardware, so that any unit can play any role in the system. It is also featured by a stochastic relaxation process, which allows the system to converge to a given target structure by searching for a proper unit motion over many degrees of freedom. Furthermore, the method is extended for the structure to reconfigure itself dynamically according to the environment. The effectiveness of the method is confirmed by computer simulations.     

也谈“JSP程序设计”教学方法

目前许多高等院校针对不同专业开设了"JSP程序设计"课程。针对这门实践性很强的课程,如何提高教学质量,改进教学方法,寻求合理的教学模式是课程教学中着重要解决的问题。在多年教学经验的基础上,本文提出该课程"以设计模式为主线,理论为基础,项目为目标"的教学方法。     

基于网格的流体界面追踪方法分析与改进

对于流体运动,需要去求解其自由表面,才能将其与周围的环境分开,目前许多人都对界面追踪进行了相关研究,并提出了许多方法,其中早期的主要有PIC法、MAC法和VOF法等。LevelSet方法可以有效地实现动态的界面,并且对计算机图形学的研究起到关键的作用,但是LevelSet方法对界面的尖角部分会有较强的抹平效应。ParticleLevelSet方法是在kvdSet方法的基础上,在界面附近引入示踪粒子,从而可以弥补这一缺陷。本文分另q介绍这几种方法,并提出一些改进与几种方法的综合应用。     

万维网地理信息系统发展及前景

万维网地理信息系统是地理信息系统和万维网相结合的产物,和传统的地理信息系统相比具有很多优越性,近几年来,国内外软件厂商开发了很多万维网地理信息系统平台软件,也在各行各业得到广泛的应用,万维网地理信息系统主要的构造方法有：CGI方法,服务器应用程序接口方法,插件法,Java Applet方法和ActiveX方法。WebGIS的构造模型包括浏览器／服务器三层和多层结构体系,WebGIS之间的互操作为空间信息共享提供了技术基础,OpenGIS提出了万维网地理信息系统的互操作模型,本文对WebGIS发展进行了综述,并分析了总结了WebGIS的发展趋势。     

A parallel strategy for the multiparametric analysis of structures with large contact and friction surfaces

The objective of this work is to develop an efficient strategy for the resolution of many configurations of a quasi-static problem with multiple contacts. Our approach is based on the multiscale LATIN method with domain decomposition. Here we propose to take advantage of the capability of the LATIN method to reuse the solution of a given problem in order to solve many similar problems. We firstly introduce the LATIN method and compare our approach to different strategies commonly used to solve contact problems. Then, we illustrate the capabilities of our method through two examples.     

Two-microphone separation of speech mixtures.

Separation of speech mixtures, often referred to as the cocktail party problem, has been studied for decades. In many source separation tasks, the separation method is limited by the assumption of at least as many sensors as sources. Further, many methods require that the number of signals within the recorded mixtures be known in advance. In many real-world applications, these limitations are too restrictive. We propose a novel method for underdetermined blind source separation using an instantaneous mixing model which assumes closely spaced microphones. Two source separation techniques have been combined, independent component analysis (ICA) and binary time - frequency (T-F) masking. By estimating binary masks from the outputs of an ICA algorithm, it is possible in an iterative way to extract basis speech signals from a convolutive mixture. The basis signals are afterwards improved by grouping similar signals. Using two microphones, we can separate, in principle, an arbitrary number of mixed speech signals. We show separation results for mixtures with as many as seven speech signals under instantaneous conditions. We also show that the proposed method is applicable to segregate speech signals under reverberant conditions, and we compare our proposed method to another state-of-the-art algorithm. The number of source signals is not assumed to be known in advance and it is possible to maintain the extracted signals as stereo signals.     

An automatic initialization of interactive segmentation methods using shortest path basins

Image segmentation is one of many fundamental problems in computer vision. The need to divide an image to a number of classes is often a part of a system that uses image processing methods. Therefore, lots of methods were developed that are based on different approaches. The image segmentation could be classified with respect to many criteria. One such a criterion is based on the degree of allowed interactivity. The interactivity could be of several types—interactive initialization, interaction while the computation is running or manual refinement of achieved results, for example. Especially the precise initialization plays an important role in many methods. Therefore the possibility to initialize the method manually is often invaluable advantage and information obtained this way could be the difference between good and poor results. Unfortunately, in many cases it is not possible to initialize a method manually and the process needs to be automated. In this paper, an approach for such an automation is presented. It is based on shortest paths in a graph and deriving an area of influence for each obtained seed point. This method is called shortest path basins.