基于VCR智能特性的系统信息数值处理技术

智能系统信息处理功能的结构要求,具有传统处理技术继承性、现代拓展模式多样性、未来新兴科技之兼容性和综合智能特点的集成性。21世纪信息处理技术的发展趋势是智能信息系统化。变进制(VCR)是基于传统数论中用恒进制(FCR)基础上创新拓展起来的更广义概念上的计数规则,其计数特性能给传统的智能信息数值处理技术带来更多创新和更好应用,并给出了ASCII码字符信息加密与解密的数值计算技术,空间三维立体真实图形表面(Surface)的视觉可视性计算,以及抗扰动数值计算技术等实例。     

一类严格反馈系统变比例增益精确微分补偿控制

针对包含不确定函数和未知外部扰动的一类严格反馈型非线性系统,提出基于精确扰动观测器的变比例增益自适应模糊控制器.系统中的未知不确定函数由模糊逻辑系统在线逼近,同时将模糊逻辑系统的逼近误差和未知外部扰动定义为总扰动,利用精确扰动观测器进行精确微分补偿控制. 将非线性函数应用于设计可调节的输出反馈增益,有效消除系统的稳态误差,使得系统跟踪误差可以控制在零的任意小邻域内.最后,通过Lyapunov定理证明闭环系统中所有信号均是有界的.数值仿真表明了所提出方案的有效性.     

非精确浮点数乘法器设计

随着电路系统数值运算范围以及数据运算精度的不断扩大,浮点数运算的研究变得越来越重要。但传统浮点数运算单元硬件复杂、功耗大、延时长,这些因素很大程度上制约着浮点数运算的性能。非精确计算可以减少容错设备的动态及静态能量损耗,作为解决以上问题的有效方法。提出了一种非精确浮点数乘法器的算法设计,同时将该算法应用于高动态范围图片的图像处理中,并将结果与精确浮点数乘法器的应用结果进行对比,结果表明所提出的非精确浮点数乘法器具有很好的性能。     

基于残差修正GM(1,1)模型的车流量预测

车流量预测是城市智能交通系统研究中的热难点问题之一,精确的车流量预测能有效地支持智能交通系统的发展,减少拥堵。同时车流量预测的精确度密切关系着居民的出行质量。然而车流量受诸多因素的不同程度的影响,具有一定程度的随机性、灰色性和不确定性,从城市交叉路口得到的车流量监控数据也具有一定程度的缺失和偏差,简单、准确且高效地预测车流量成为一个挑战。基于交叉路口采集到的车牌识别数据,通过对比经典GM(1,1)得到的预测值与真实值计算出残差,用残差去修正计算模型进而得到修正GM (1,1)模型,再用得到的修正模型迭代处理同一数据集,最后,数值稳定收敛且精度高于未修正模型的结果。     

基于磁敏的精密电感测试技术

本文提出了一种可籍精确测定电感线圈接近待测零件后的阻抗变值，来判定工作有无缺陷的无损测试技术，并着重介绍了可精确测定电感线圈阻抗变值的电路分析计算基础。若改用１００ｋＨｚ以上的激励电源后，这一技术，凭藉趋肤效应，不仅可以用于内在缺陷检测，而且还可以用于物体形状的检测。     

以双字线双阈值4T SRAM为基础的存内计算设计

为了应对冯·诺依曼计算架构的存储墙,存内计算(CIM)架构将逻辑嵌入到存储器中,在读取数据的同时完成运算,使存储单元具备计算能力并且减少了处理器和存储器之间的数据传输.为实现大容量、低成本存储器设计,提出了一种以双字线双阈值4T SRAM为基础的存储系统,不仅可实现数据的存储与读取,而且还可实现BCAM运算和与、或非、异或等逻辑运算.逻辑运算时,经译码电路任选两行存储数据,位线均预放电至低电平,位线电压通过位线端灵敏放大器与参考电压比较后输出运算结果.BCAM运算时,外部输入数据经译码电路译码后实现对存储单元左右传输管的开、断控制,位线端灵敏放大器经或非门输出匹配结果.在65 nm CMOS工艺下对所提电路进行搭建并仿真.4T存储单元相较于6T存储单元的存储面积减少了25％,双字线4T存储结构相较于单字线4T存储结构在超大规模集成电路(VLSI)应用中读功耗可节省47％左右.BCAM运算时数据匹配最大功耗为909.72 FJ,N列的阵列运算速度在字线电压为600 mV时可达16161.6×N MB/Hz.     

智能自律分散系统

提出智能自律分散系统(IADS,intelligent autonomous decentralized systems),它是基于自律分散系统(ADS,autonomous decentralized systems)和分布式人工智能(DAI,distributed artificial intelligence)相结合的发展.为了设计和实现IADS,对智能自律分散系统的概念、模型、结构、性能、方法和技术进行了论述.给出了基于"智体"(Agent)的三种智能自律分散系统:联盟式智能自律分散系统(Union-IADS)、市场式智能自律分散系统(Market-IADS)、集团式智能自律分散系统(Group-IADS).它们不仅有自律控制和自律协调的性能,而且也有拟人的分布式人工智能特性,如主动性,机动性、敏感性、反应性、社团性.     

零代价函数条件下的前馈神经网络统计灵敏度分析

讨论了输入层和输出层为恒等变换神经元,隐层为非线性变换神经元的三层神经网络的统计灵敏度,给出了权值和输入样本的加性扰动灵敏度计算的理论公式.当输入扰动较小时,通过选择多种不同的隐层神经元函数,按照本文理论结果计算出来的灵敏度数值与仿真实验的结果十分吻合,说明了本文理论分析结果的正确性.当输入扰动较小时,隐层取不同函数时灵敏度的值是不同的,但数值基本上稳定不变.对于某些隐层函数,当输入扰动值较大时,网络的灵敏度数值迅速下降,但是网络输出的平均相对误差却迅速增加.在求灵敏度时,网络的权值是用代价函数为0的精确算法求得的.     

基于MATLAB的球谐函数M函数库

以MATLAB为设计语言,开发了系列用于原子轨道球谐函数Y_(1m)(θ,φ)如s、p、d、f原子轨道及sp~3和d~2sp~3杂化轨道角度函数可视化的精确、快速、简便的m函数库。根据球坐标的自变量定义域:φ∈[0,2π]、θ∈[0,π],设定离散的自变量值T,P,对球谐函数Y_(1m)(θ,φ)及杂化轨道角度函数的解析式进行计算机程序化,根据解析式计算对应的R值,然后由MATLAB矩阵变换命令[X,Y,Z]=sph2cart(T,P,R)和绘图命令mesh(X,Y,Z)实现球谐函数Y_(1m)(θ,φ)及杂化轨道角度函数的可视化。详细介绍了程序设计思路、编写方法,给出了球谐函数Y_(1m)(θ,φ)及杂化轨道角度函数的解析式数组算法表达式、m-file绘图程序和运行结果。     

基于VBA自定义函数的有机化合物分子式精确质量的批量计算

设计编写一个基于VBA(Visual Basic for Applications)的自定义函数用于在电子表格中批量计算有机分子式的精确质量。使用这个函数，多个有机分子式的精确质量可以在电子表格中通过简单的鼠标拖放快速批量计算，有助于提高有机质谱分析的工作效率。     

基于VCN智能特性动态实时输入技术的算法

提出一种基于VCN智能特性的定时向量中断技术,来实现工业上非线性动态实时输入的测试与控制技术的方法.即增加一路这样的变步数据VSD采样,用于智能地确定计算机对其他信号的采样速度,同时套用VCN分段处理技术及其变溢性VCO等动态计数设置规则加以实现.     

无人机辅助的移动边缘计算中的任务分配策略

在使用无人机（UAV）作为计算卸载的数据收集器对用户设备（UE）提供移动边缘计算（MEC）服务的场景下,设计了一种通过UAV实现高效的UE覆盖的无线通信策略。首先,在给定UE分布的条件下,对于UAV的飞行轨迹和通信策略,使用了连续凸逼近（SCA）的优化方法来得出一种可以使全局能量最小化的近似最优解;此外,对于UE大范围分布或任务量较大的场景,提出了一种自适应聚类算法,以将地面的UE划分成尽量少的聚类,并保证每个聚类中全部UE的卸载数据都可以在一次飞行中全部完成收集;最后,将每个聚类中UE的计算卸载数据收集任务分配给一次飞行,从而达到减少单个UAV完成任务所需的派遣次数或多UAV执行任务所需的UAV派遣数量的目的。仿真结果表明,所提方法可以生成相比K-Means算法更少的聚类数量且能快速收敛,适用于UE大范围分布下UAV辅助的计算卸载场景。     

移动边缘计算环境中面向机器学习的计算迁移策略

针对物联网（IoT）数据源的多样化、数据的非独立同分布性、边缘设备计算能力和能耗的异构性,提出一种集中学习和联邦学习共存的移动边缘计算（MEC）网络计算迁移策略。首先,建立与集中学习、联邦学习都关联的计算迁移系统模型,考虑了集中学习、联邦学习模型产生的网络传输延迟、计算延迟以及能耗;然后,以系统平均延迟为优化目标、以能耗和基于机器学习准确率的训练次数为限制条件构建面向机器学习的计算迁移优化模型。接着对所述计算迁移进行了博弈分析,并基于分析结果提出一种能量约束的延迟贪婪（ECDG）算法,通过延迟贪婪决策和能量约束决策更新二阶优化来获取模型的优化解。与集中式贪婪算法和面向联邦学习的客户选择（FedCS）算法相比,ECDG算法的平均学习延迟最低,约为集中式贪婪算法的1/10,为FedCS算法的1/5。实验结果表明,ECDG算法能通过计算迁移自动为数据源选择最优的机器学习模型,从而有效降低机器学习的延迟,提高边缘设备的能效,满足IoT应用的服务质量（QoS）要求。     

基于EM的模糊-粗糙集最近邻算法

针对由类的重叠引起的训练样本模糊不确定性,以及属性不足引起的类边界粗糙不确定性,提出一种基于期望-最大化(EM)的模糊-粗糙集最近邻分类算法——EM-FRNN。利用UCI数据库的突发性水污染事件案例进行实验,实验结果表明,与朴素的KNN、模糊最近邻算法、模糊粗糙最近邻算法相比,该算法的运算精度高且计算成本较低。     

移动边缘计算中基于粒子群优化的计算卸载策略

计算卸载作为移动边缘计算（MEC）中降低时延与能耗的手段之一,通过合理的卸载决策能够降低工业成本。针对工业生产线中部署MEC服务器后时延变长和能耗增高的问题,提出了一种基于粒子群优化（PSO）算法的计算卸载策略PSAO。首先,将实际问题建模为时延模型与能耗模型。由于是针对时延敏感型的应用,因此将模型转化为在能耗约束条件下的最小化时延问题,使用惩罚函数来平衡时延与能耗。其次,根据PSO算法优化后得到计算卸载决策向量,通过集中控制的方式使每一个计算任务合理分配到对应的MEC服务器。最后,通过仿真实验,对比分析了本地卸载策略、MEC基准卸载策略、基于人工鱼群算法（AFSA）的卸载策略以及PSAO的时延数据,PSAO的平均总时延远远低于其他三种卸载策略,PSAO比原来系统总代价降低了20%。实验结果表明,PSAO策略能够降低MEC中的时延,均衡MEC服务器的负载。     

面向车路协同推断的差分隐私保护研究

车路协同推断通过联合车载终端与路侧边缘服务器进行深度卷积网络推断运算,提高了网络架构推断效率,但是存在用户隐私泄露问题。攻击者在未知车载终端网络结构和参数的前提下,通过训练反卷积网络的方式,可复原车载终端上传的计算结果对应的图像数据,从而发起图像还原攻击。基于差分隐私理论,针对图像还原攻击设计模型扰动、输入扰动、输出扰动3种防御算法,分别在车载终端深度卷积网络的模型参数、输入原始图像、输出计算结果中加入随机拉普拉斯噪声,干扰攻击者的图像还原。通过理论分析得出3种算法均满足差分隐私保护,攻击者难以从计算结果中挖掘出原始数据的隐私信息。实验结果表明,3种算法在有效防御黑盒图像还原攻击的同时能保持推断精确度在90%以上,其中模型扰动算法在均衡隐私保护和推断精确度方面的性能表现优于输入扰动和输出扰动算法。     

一种基于AI-Fuzzy VCR算法的FPGA新技术

基于神经模糊系统原理及数值换算规则．提出一种基于VCR模糊数值算法的FPGA技术方案。该算法采用了一种VCR运算路径可部分重复使用技术、中间结果可任意变形处理及存放于动态RAM中的实现方法。经深入的理论研究和典型的试验分析．证明该算法是切实可行的。     

基于终端直通通信的多用户计算卸载资源优化决策

随着计算密集和时延敏感类应用的激增,移动边缘计算（MEC）被提出应用在网络边缘为用户提供计算服务。针对基站（BS）端边缘服务器计算资源有限以及网络边缘用户远距离计算卸载的时延较长等问题,提出了基于终端直通（D2D）通信的多用户计算卸载资源优化决策,将D2D融入MEC网络使用户以D2D方式直接卸载任务到相邻用户处执行,从而能够进一步降低卸载时延和能耗。首先,以最小化包括时延和能耗的系统计算总开销为优化目标,建模多用户计算卸载和多用户计算资源分配的联合优化问题;然后,将求解该问题看作是一个D2D配对过程,并提出基于稳定匹配的低复杂度的多用户计算卸载资源优化决策算法;最后,迭代求解D2D卸载的优化分配决策。通过理论证明分析了所提算法的稳定性、最优性和复杂度等特性。仿真结果表明,所提算法相较于随机匹配算法能够有效降低10%~33%的系统计算总开销,并且其性能非常接近最优的穷举搜索算法。可见,所提基于D2D卸载的决策有利于改善时延和能耗开销性能。     

嵌入式系统在资源争用条件下的软硬件划分

以一种具有时间约束的数据流图DFG的可调度性分析为基础,提出一种软硬件划分算法．该算法将由共享资源争用引起的性能影响考虑在内,使得软硬件划分能依据更为精确的性能分析结果,由此将缩小软硬件划分中性能估计同实际运行状况之间的差异,提高划分的合理性,也使得目标系统的性能获得更可靠的保证．     

CUDA平台下的实时超声扫描转换

为了克服传统医学超声扫描转换不能实时的缺陷,实时超声扫描转换算法利用计算统一设备架构(CUDA)技术,通过分配最优的线程结构、合理规划中央处理器(CPU)和图形处理器(GPU)之间的数据传输方式和计算任务的划分,提高了算法的吞吐量,满足了实时性。传统CPU算法和3种GPU算法的实验结果对比显示,GPU处理3121×936大小的图片,帧速率可达746fps,并行算法加速比可达300以上。