参数计算中使用的若干技术

参数计算和复杂性是上世纪末本世纪初兴起的一门技术。该技术因具有坚实的理论基础和良好的运行效果,故仅经过短短十几年的发展,已经取得了大量的成就。从趋势上看来,参数计算已经成为理论计算机科学中越来越热门的一个分支。先简要介绍参数计算和复杂性的重要理论基础和主要思想;之后重点介绍参数计算中使用的主要技术,分析每一种技术的功能作用、基本设计原则和优缺点,并结合简单案例加以说明。     

基于模态Petri网的行为有效区间寻找最优路径的方法

为满足客户需求,在行为约束下的业务流程中寻找行为执行的最优路径具有一定的实际意义。已有的研究是建立在静态分析基础上,通过优化算法或是行为分析来寻找最优执行路径,忽略了行为约束条件对执行行为有效性的影响,所得结果具有一定的局限性。文中在已有方法的基础上,利用Petri网行为轮廓序关系描述约束条件并确定行为有效区间,提出了基于模态Petri网分支有效区间的业务流程最优路径选择方法。该方法以行为有效区间替代已有的固定值方法,以便更好地描述业务流程的行为约束以及约束下的有效行为。通过一个具体的业务流程分析实例分析了该方法的有效性。     

计算广告的历史、现状及未来

广告是企业为了一定目标,通过媒体影响受众行为的营销手段,一般可分为品牌类广告和效果类广告。计算广告则是互联网和大数据时代,由工业界驱动下产生的新型广告投放方式和形态。该概念由雅虎研究院资深研究员Andrei Broder在2008年的ACM-SIAM学术讨论会上首次提出,之后作为一门综合分支学科迅速在全球兴起。     

基于信息流缺陷定位方法在软件测试中的应用

随着软件产业的飞速发展,人们对软件质量的要求也越来越高.现在,软件已经直接影响到了我们项目的成功和设备的安全.而软件中的复杂缺陷难以排除,因为它们涉及到许多程序要素之间的相互作用.论文扩展了基于信息流覆盖的缺陷定位技术.扩展后的技术融合了语句覆盖和分支覆盖技术,它还能定位复杂缺陷.试验结果表明,文中方法比基于语句覆盖、分支覆盖和定义使用对覆盖的方法要更可靠、更精确.     

肝脏管道供血分布及残肝体积的计算

在肝切除、肝移植等手术计划中,精确地计算残肝体积至关重要,它能够直接影响到手术的成败.文中结合临床上肝外科手术的术式,提出了能够实时、准确地计算出基于肝脏管道供血分布的残肝体积的算法.首先基于个体化肝脏CT数据,通过分割和细化2个步骤建立肝实质三维模型及肝内管道的抽象树状模型;在此基础上,通过人机交互灵活地选定肝内管道分支数目和分支起点,并基于多背景距离变换计算肝脏供血分布和各部分所占比例,从而得到准确的残肝体积.实验结果表明,该算法计算速度快,对肝切除结果的模拟和计算精度能满足实际临床需求,可为手术计划提供指导依据.     

浅谈微处理器架构

微处理器架构广泛应用于微处理器设计。该文主要论述了流水线对处理器性能的影响,微处理器架构的关键技术包括缓存存储器、缓存一致性、分支预测、寄存器重命名、微指令、重新排序等技术。     

一种带有纽结分支的内在链图

针对于Petersen图P9进行研究,利用两个Petersen图K3,3,1与中间边组成的图的方法来形成petersen图中的P9,本文得到了一种带有纽结分支的内在链图H（93）,并证明了该定理.     

基于指令回收的低功耗循环分支折合技术

在分析循环分支特性的基础上,提出一种基于过期指令回收的高性能低功耗循环分支折合方法.该方法通过复用指令缓冲区硬件资源实现指令回收区.在循环分支折合过程中,循环体指令直接从回收区送入流水线,降低了分支延时,消除了指令高速缓存访问.通过自适应调整回收窗口宽度,可使有限的指令缓冲区硬件资源同时满足指令缓冲与指令回收的双重需求.当投机折合进入预测盲区时关闭分支预测存储器,从而降低投机折合的动态功耗.实验数据表明,与传统循环分支折合技术相比,应用本方法的嵌入式处理器总体性能平均提升5.03%,取指单元动态功耗下降22.10%.     

一类非多项式微分系统的定性分析

利用常微分方程定性理论方法,借助函数的Taylor展开,对一类非多项式微分系统进行定性分析;利用基于H.Poincaré思想的形式级数法,对系统的细焦点进行分析,并根据对称原理对系统进行中心的判定;借助Dulac函数讨论了闭轨的不存在性;利用Hopf分支理论根据参数变化时焦点稳定性的变化,分析得到极限环存在的若干充分条件。     

基于双分支通道空间依赖和非对称权重共享卷积的目标检测优化结构

以往的目标检测任务中,大量研究通过空间和通道信息来构建特征优化算法。然而,如何利用通道和空间中最大和平均特征的信息分布情况进行特征提取,仍是一个挑战。针对上述挑战,构建了双分支通道空间依赖网络,用来提取空间和通道中信息依赖特征,其关键是获取最大特征和平均特征上的重要信息分布情况。为了优化网络的检测精度与计算效率,构建了非对称权重共享卷积网络,利用相同的非对称卷积核进行联合训练来实现权重共享,极大地增强了卷积核参数的鲁棒性。以YOLOv4、YOLOv5和EfficientDet为检测基线,在PASCAL VOC和MS COCO数据集上进行实验,验证了双分支通道空间依赖网络和非对称权重共享卷积网络模块的有效性。在两个数据集上精度最高分别增长了1.98%和2.6%。