电站仿真器模型开发支撑系统研究

对电站仿真器模型开发支撑系统（ＰＳＭＳＳ）的研究，目的是为大型火力发电站培训仿真器的研制提供了一个有效的模型开发工具，ＰＳＭＳＳ系统由三个子系统组成：模块库管理系统，模型生成系统，模型试验系统，ＰＳＭＳ系统支持用户进行模块开发，模型生成和仿真试验等方面的工作，有效地加快了电站仿真器的研制过程。     

POS系统Web计算机模型的核心技术与特点

本文论述了基于Ｉｎｔｅｒｎｅｔ的ＷＷＷ技术的ＰＯＳ系统的体系结构、核心技术和特点。该系统充分发挥主机系统、Ｃ／Ｓ和ＷＷＷ三种处理方式各自的优点，克服其缺点。ＰＯＳ系统的Ｗｅｂ计算模型有效地解决了跨平台，模块间的数据共享、无缝取接等问题、是ＰＯＳ系统的发展趋势。     

PDM系统中产品结构模型的研究

ＰＳＭ是ＰＤＭ系统中用于组织、管理数据的核心模块，本文分析了ＰＤＭ系统中实现ＰＳＭ功能的必要性，论述了一个完善的产品结构模型是实现ＰＳＭ功能的关键。并介绍了一种新型的产品结构模型。     

一种新的基于Web的网络管理模型

本文在分析ＳＮＭＰ的体系结构及ＲＲ（请求／响应）模型的基础上,提出了一种新的基于Ｗｅｂ 的网络管理模型——ＰＳＤ（出版／订阅／分发）模型。论文详细分析了ＷＢＭ 的两种实现方式,即ＷＢＥＭ 和ＪＭＡＰＴ方式,并对它们进行了比较。提出了采用ＪＭＡＰＩ方式来实现ＰＳＤ模型的策略及此模型具有的优势。     

PSDP：基于Petri网的软件开发范型

软件开发方法、工具及软件示范按模型的组合与实施构成完整的软件开发范型。Ｐｅｔｒｉ网模型有良好的数学基础和清晰的可视图形表示。本文将Ｐｅｔｒｉ网理论应用于软件开发过程中，提出一种基于Ｐｅｔｒｉ网的软件开发范型ＰＳＤＰ，详细介绍了ＰＳＤＰ的各个步骤，提出了出ＰＳＤＰ的优点和不足之处，最后将ＰＳＤＰ与目前已有的软件开发范型进行了比较。     

关系数据库上SDAI实现的研究

ＳＤＡＩ是ＳＴＥＰ的数据接口规范，它为工程应用与ＥＸＰＲＥＳＳ描述的数据模型间定义了一个功能界面。本文讨论了关系数据库上ＳＤＡＩ实现的方法，阐述了ＳＴＥＰ模型与关系模型的一种转换机制，开发了关系数据库上数据交换ＳＤＡＩ接口函数库，为ＳＴＥＰ的工程应用奠定了基础     

并发模型分析

并发一直是计算机科学中矛盾的源泉和争论的焦点之一。本文分析和比较了三种并发模型：Ｐｅｔｒｉ网、ＣＳＰ和ＣＣＳ的发展历史、描述方法、处理并发与不确定性的方式等。     

两种常用的DSP器件的比较：——TMS320C25与ASDP2101

ＤＳＰ器件的性能经常用ＭＩＰＳ值业比较,但由于ＤＳＰ指令的不兼容性,ＭＩＰＳ值可能产生误导。本文从三个方面（ＡＬＵ结构、操作数获取、程序控制）对两种常用的ＤＳＰ器件（ＴＭＳ３２０Ｃ２５与ＡＤＳＰ２１０１）作了性能比较。     

问题求解建模：开发对问题求解任务的深入理解

问题求解建模旨在基于ＰＳ的结构化组织去构造ＰＳ过程模型和ＰＳ参考的世界模型。引入知识级分析并使用基于问题归约的分析方法，促进了对ＰＳ组织的开发，尤其是ＰＳ概念模型和深，浅层推理的综合。对于ＰＳ组织的深入理解不仅提高了ＰＳ性能，对启发式联和领域基本知识的获取也具有指导作用。     

SDAI建模研究

ＳＴＥＰ标准数据存取接口ＳＤＡＩ在工程应用模型与ＳＴＥＰ模型间定义了一个功能界面，使数据应用与数据存储分离成为可能。本文阐述了一种ＳＤＡＩ的建模理论和方法，并实现了材料质量信息的ＳＤＡＩ建模。     

一种异步BSP模型及其程序优化技术

基于BSP模型，该文提出了异步计算模型（CSA－BSP）。该模型更准确地描述了并行机的性能参数，引导用户编写高效率的并行程序，在CSA－BSP模型下，两个进程异步执行的位置至多相差p-1个超步；基于程序的执行时间，作者分析了BSP、A－BSP和CSA－BSP程序的效率，得出CSA－BSP程序的效率是最高的，在曙光并行机上，用“红黑格法”和“矩阵乘法”进行了验证，和BSP模型相比，这两个CSA－BSP程序的效率分别提高20％和37％；同时，其进程执行时间和最大可以降低8％，因此，按照CSA－BSP模型编程对于提高程序效率和改善系统的吞吐率，都有良好的效果。     

BSP模型及其并行程序设计

当前并行计算领域的研究重点和热眯是研究“通用”并行计算的适用范围，而其中心议题是既具有可扩展并行性又同时具有体系结构独立必的可移植软件开发方法和工具的研究。解决体系结构独立的途径是通过引入的一个过渡模型使得软件和硬件得以较好的分离。ＢＳＰ（Ｂｕｌｋ Ｓｙｎｃｈｕｏｎｏｕｓ Ｐａｒａｌｌｅｌ）模型正是这样一个理论模型，它不但可提供既具有可扩展的并行性又独立于体系结构的并行软件开发方法，而且可为并行和     

大数据下的典型机器学习平台综述

由于大数据海量、复杂多样、变化快,传统的机器学习平台已不再适用,因此,设计一个高效的、通用的大数据机器学习平台成为目前的研究热点。通过介绍和分析机器学习算法的特点以及大规模机器学习的数据和模型并行化,引出常见的并行计算模型。简单介绍了整体同步并行模型（BSP）、SSP并行计算模型以及BSP、SSP模型与AP模型的区别,主要介绍了基于这些并行模型的典型的机器学习平台和这些平台的优缺点,并指出各个平台最适合处理何种大数据问题。最后从采用的抽象数据结构、并行计算模型、容错机制等方面对典型的机器学习平台进行了总结,并提出一些建议和展望。     

更实际的异构并行计算模型

通过结合多种代表性并行计算模型,给出异构环境中的ＨＢＳＰ模型和程序开销计算方法。采用基于消息长度的线性模型具有通信开销的计算更精确、程序和算法在异构环境中的设计灵活、且可解除原有ＢＳＰ模型对ｈ－ｒｅｌａｔｉｏｎ的限制等优点。当构成ＢＳＰ计算机的各处理机速度相同且原有ＢＳＰ算法达到最优（即各处理机上所分配的计算量与通信量完全均衡）时,ＨＢＳＰ模型等同于原有模型。     

多分辨率BSP树的生成及应用

CAD和科学可视化应用要求能够让用户对复杂场景进行交互式显示或者处理,因此,多细节层次技术被广泛应用于图形系统中以提高处理效率.通过构造一种新的BSP(binaryspacepartitioningtree)树形式来加速多细节层次模型的绘制,这种技术已成功地应用于所开发的多分辨率模型编辑系统.同时,详细描述了新的BSP树结构的构造和绘制过程.     

并行计算模型在异构计算环境中的研究

近年来异构并行计算在高性能科学计算和通用应用领域受到广泛研究。本文结合多种代表性并行计算模型，给出异构环境中的HBSP模型和程序开销计算方法。采用基于消息长度的线性模型使通信开销的计算更精确，解除原有BSP模型对h-rela-tion的限制，使程序和算法在异构环境中的设计更加灵活。当构成BSP计算机的各处理机速度相同且原有BSP算法达到最优（即各处理机上所分配的计算量与通信量完全均衡）时，HBSP模型等同于原有模型。     

若干并行计算模型上的N体问题求解算法

从在实际中广泛应用的N体问题入手,研究如何在几种实际的并行计算模型(PRAM、APRAM、BSP、LogP、NHBL)上设计具体的并行算法;给出了这些模型上的并行算法的设计模式,分析不同模型上算法的性能,比较各个模型上算法设计风格以及算法性能的差异,并对这些并行计算模型做一个综合的评价。     

Spark环境下基于子图的异步迭代更新方法

全局同步计算模型简单易用,但是路障同步导致收敛速度变慢。以顶点为中心的异步迭代虽然提高了收敛速度,但在计算节点之间需要频繁发送信息。在Spark环境下提出一种基于子图的异步迭代更新方法。在子图之间建立异步消息通信连接后,子图能以异步方式发送数据块;通过多线程同步避免数据读写冲突,保证异步更新时顶点状态的一致性。在大规模样本数据集上分别从收敛结果、收敛速度和通信代价验证方法有效性。实验结果表明,与全局同步迭代相比,该方法有效提高了计算收敛速度。与顶点为中心的异步更新方式相比,该方法在收敛时间上略有增长,但是显著降低了通信开销。     

Hierarchical type-2 neuro-fuzzy BSP model

This paper presents a novel hybrid interval type-2 neuro-fuzzy inference system, with automatic learning of all its parameters, to handle uncertainty. This new model, called hierarchical type-2 neuro-fuzzy BSP model (T2-HNFB), combines the paradigms of the type-2 fuzzy inference systems and neural networks with recursive partitioning techniques (binary space partitioning - BSP). The model is able to automatically create and expand its own structure, to reduce limitations on the number of inputs and to extract fuzzy linguistic rules from a dataset, as well as to efficiently model and manipulate most types of uncertainty existing in real situations. In addition, it provides an interval for its output, which can be regarded as a measure of uncertainty and constitutes important information for real applications. In this context, this model overcomes the limitations of the conventional type-2 and type-1 fuzzy inference systems. Experimental results show that the results provided by the T2-HNFB model are close to and in several cases better than the best results supplied by the other models used for comparison.     

BSP versus LogP

A quantitative comparison of the BSP and LogP models of parallel computation is developed. We concentrate on a variant of LogP that disallows the so-called stalling behavior, although issues surrounding the stalling phenomenon are also explored. Very efficient cross simulations between the two models are derived, showing their substantial equivalence for algorithmic design guided by asymptotic analysis. It is also shown that the two models can be implemented with similar performance on most point-to-point networks. In conclusion, within the limits of our analysis that is mainly of an asymptotic nature, BSP and (stall-free) LogP can be viewed as closely related variants within the bandwidth-latency framework for modeling parallel computation. BSP seems somewhat preferable due to its greater simplicity and portability, and slightly greater power. LogP lends itself more naturally to multiuser mode. Received June 1, 1997; revised November 18, 1998.