基于遗传算法的Vivado HLS硬件加速

为适应当前“大数据+深度模型”时代的到来,利用FPGA进行各种算法的硬件加速为其提供了一种可行的解决方案. 本文利用Vivado HLS工具,基于遗传算法设计了一套智能硬件加速架构,编程实现自动生成tcl文件、自动调用HLS工具完成仿真和提取报表中的数据进行分析,并对Xilinx公司所给的FIR和DCT等案例程序进行了测试. 实验中寻找到了较优的解决方案,效率相比人工不断尝试的方法有了数量级的提升,满足了当前一般算法在硬件加速的通用性.     

基于AHP-BPNN的医疗监控数据信息化管理模式识别

针对传统医疗监控数据信息化管理模式识别过程中，受到医疗监控数据不同分布结构的影响，导致识别效果差、识别时间长、识别准确率低等问题，为此，提出基于AHP-BPNN的医疗监控数据信息化管理模式识别。汇总医疗监控数据，对医疗监控特征数据进行关联挖掘，挖掘后进行降维处理，并采用AHP-BPNN方法分析医疗监控数据的重要程度，确定医疗监控数据信息化管理的优先级，以此完成医疗监控数据的信息化管理模式的识别。实验结果表明，与传统方法相比，所设计的方法识别时间短、识别准确率高、识别效果好。