快速卷积算法的综述研究

卷积神经网络是深度学习算法应用最广泛的方向之一,目前卷积神经网络的应用不仅仅是停留在科技领域,已经扩展到医学、军事等领域,并且已在相关领域发挥着巨大的作用。卷积是卷积神经网络中最为核心的一部分,卷积运算占整个网络70%以上的时间,所以针对卷积运算的加速研究就显得十分重要。首先介绍近年来的卷积算法,并对其复杂度进行分析,总结了这些算法各自的优点和不足,最后对其理论研究和应用领域可能存在的突破进行了探讨和展望。     

一种轻量级的处理器核性能分析框架

面向国产处理器核心性能提升的实际需求,针对处理器核RTL设计中可能出现的性能缺陷问题,提出了一种基于RT L仿真的轻量级处理器核性能分析框架.该性能分析框架基于定向和随机测试激励,通过对基准处理器核(Base Core)和新一代处理器核(New Core)的RT L设计进行快速模拟仿真,并对模拟结果进行对比分析,从而发现New Core在RTL设计过程中可能引入的性能缺陷.基于该性能分析框架,结合实际应用场景给出了测试方法和测试结果.实践表明,该性能分析框架能够快速对New Core的RT L设计的性能预期进行验证,从而发现New Core在RT L设计过程中可能引入的性能缺陷,有效加速新一代处理器核的研制进程.     

What localizes beneath: A metric multisensor localization and mapping system for autonomous underground mining vehicles

Robustly and accurately localizing vehicles in underground mines is particularly challenging due to the unavailability of GPS, variable and often poor lighting conditions, visual aliasing in long tunnels, and airborne dust and water. In this paper, we present a novel, infrastructure‐less, multisensor localization method for robust autonomous operation within underground mines. The proposed method integrates with existing mine site commissioning and operation procedures and includes both an offline map‐building process and an online localization algorithm. The approach combines the strengths of visual‐based place recognition, LIDAR‐based localization, and odometry in a particle filter fusion process. We provide an extensive experimental validation using new large data sets acquired in two operational Australian underground hard‐rock mines (including a 600m‐deep multilevel mine with approximately 33 km of mapping data and 7 km of vehicle localization) by actual mining vehicles during production operations. We demonstrate a significant increase in localization accuracy over prior state‐of‐the‐art SLAM research systems and real‐time operation, with processing times in the order of 10 Hz. We present results showing a mean error of 0.68 m from the Queensland Mine data set and 1.32 m from the New South Wales Mine data set and at least 86% reduction in error compared with prior state of the art. We also analyze the impact of the particle filter parameters with respect to localization accuracy. Together this study represents a new approach to positioning systems for currently deployed autonomous vehicles within underground mine environments.     

面向理想性能空间的跨架构编译分析方法

编译器性能是计算机系统架构充分发挥优势的体现,编译器优化受机器平台与编译器特征的影响.编译器分析是在目标编译器与多参照编译器、目标平台与多参照平台之间进行的,即编译器与平台的组合是分析的基础.只有在多组合情况下才能为目标编译器优化提供最大可能的性能提升空间和详细的优化方案,但增加编译器与平台的组合往往会增加无法计量的分析工作量.为此,提出了一种基于峰值架构的面向跨平台跨编译器分析方法.基于峰值架构集为目标编译器构建理想性能空间,结合细粒度优势优化定位技术为目标编译器提供优势优化选项和优化方向,并实现编译器优化.最后通过实验验证了该分析技术的实用性与普适性,并为Intel平台上的目标编译器gcc提供了优化方向.     

基于强化学习的安全协议形式化验证优化研究

使用形式化方法能够找到安全协议设计中存在的漏洞,但高效地对安全协议进行自动的形式化分析仍然是一个挑战。针对现有形式化自动验证工具无泛化性和效率低的不足,对基于强化学习的安全协议形式化验证框架smartVerif进行优化。使用无人工特征、完全进行自我学习的蒙特卡洛树搜索与深度神经网络相结合的强化学习框架,同时设计能够保留形式化数据结构信息的数据转换方法。实验结果表明,利用该优化方案训练的强化学习模型具有泛化性且能高效地验证安全协议。     

基于多种群遗传与思维进化的混合算法

多种群遗传算法（MPGA）搜寻最优解的能力受初始种群分布的影响,在解决复杂函数优化问题时存在早熟收敛风险,而思维进化算法（MEA）存在局部搜索精度低和全局收敛速度慢的问题。针对两者的不足,提出一种MPGA和MEA混合的优化算法MPGA-MEA。为参与MEA趋同操作的各子群体设置不同的控制参数,独立进行遗传搜索,同时利用移民算子增强子群体的互动,实现协同进化,直至子群体成熟。在此基础上,释放劣质子群体,并选择全局公告板中记录的优质个体执行交叉和变异操作,产生中心个体,对应生成的临时子群体参与新一轮的迭代寻优。基于不同测试函数的仿真结果表明,该混合算法相较于MPGA和MEA,MPGA-MEA对高维多峰函数的寻优能力得到明显提升。     

基于累积平方误差–总平方波动指标的模型预测控制器性能评价及自愈

本文针对模型预测控制器实际投运中遇到性能下降问题,提出了一种基于累积平方误差(ISE)–总平方波动(TSV)指标的模型预测控制器性能评价及自愈方法.先基于累积平方误差(ISE)和总平方波动(TSV)指标对模型预测控制器进行实时性能评价,再根据无限时域模型预测控制器(MPC)的逆特性,基于ISE–TSV指标的分析,提出了一种MPC控制器的鲁棒自愈方法.在二级倒立摆的模型预测控制仿真与实验结果证明了所提自愈方法的可行性及有效性.     

永磁同步电机有限时间预设性能控制

为实现扰动作用下对永磁同步电机角位置伺服系统的高瞬态和稳态跟踪性能控制,本文提出一种具有预设性能约束的有限时间控制方法.首先,设计扰动观测器实现对负载力矩扰动的估计与补偿.其次,引入有限时间预设性能函数以保证角跟踪误差的动态性能,并通过可逆变换将受不等式约束的角位置跟踪误差转换为等效的无约束误差形式.然后,将有限时间指令滤波反步法应用于控制器设计中,不仅可以避免“微分爆炸”的现象,而且能够保证跟踪误差的有限时间内收敛.最后,通过仿真实验验证了该算法的有效性和对扰动的鲁棒性.     

TransGPerf: Exploiting Transfer Learning for Modeling Distributed Graph Computation Performance

It is challenging to model the performance of distributed graph computation. Explicit formulation cannot easily capture the diversified factors and complex interactions in the system. Statistical learning methods require a large number of training samples to generate an accurate prediction model. However, it is time-consuming to run the required graph computation tests to obtain the training samples. In this paper, we propose TransGPerf, a transfer learning based solution that can exploit prior knowledge from a source scenario and utilize a manageable amount of training data for modeling the performance of a target graph computation scenario. Experimental results show that our proposed method is capable of generating accurate models for a wide range of graph computation tasks on PowerGraph and GraphX. It outperforms transfer learning methods proposed for other applications in the literature.     

国产异构系统上HPL的优化与分析

随着异构系统成为建造超级计算机的重要选择,如何让CPU与加速器协调工作以充分发挥异构系统的计算性能具有重要意义.HPL是高性能计算领域最重要的基准测试程序,传统面向纯CPU系统的HPL算法通过加速器加速矩阵乘法的做法已经无法取得很好的性能.针对这一问题,提出了基于国产处理器-国产加速器异构系统的HPL性能模型和多线程细粒度流水HPL算法.完成了一个轻量级跨平台异构加速框架HPCX,以实现跨平台的HPL算法.该性能模型能够准确地预测类似异构系统的HPL性能.该HPL算法在NVIDIA GPU平台上性能超过了NVIDIA官方闭源nvhpl程序9%.在国产处理器-国产加速器平台512个节点的规模上,优化的HPL算法实现了2.3 PFLOPS实测峰值性能和71.1%的浮点效率.