遗传算法在反演颗粒粒径分布中的应用

为了提高颗粒粒径测量的抗噪性,提出了一种基于遗传算法的颗粒粒径分布反演问题的解决方法。基于Mie散射理论,建立了颗粒粒径测量模型,用所设粒径分布对应的光强分布与实测光强的差值作为目标函数,采用非均匀变异算子提高了算法的局部搜索能力。对数学模型进行Matlab编程,利用遗传算法使目标函数达到极小值,然后得到对应粒径范围的概率,从而得以确定颗粒粒径分布。数值模拟仿真结果表明,相比传统的反演算法,该算法具有更好的抗噪性。     

AF9M1对KNN基陶瓷的结构与压电性能的影响

采用传统固相烧结法制备了K0.5Na0.5Nb O3-x Al(Fe0.9Mn0.1)O3(KNN-AF9M1)无铅压电陶瓷,着重研究了AF9M1的不同掺杂量(x分别为0,0.02,0.04,0.06,0.08)对陶瓷显微结构和压电性能的影响。结果表明,室温下,少量AF9M1的掺杂并未改变KNN基陶瓷正交相钙钛矿结构,但有助于陶瓷晶粒的生长及致密化。随着AF9M1含量的增加,陶瓷的压电常数(d33)、机电耦合系数(kp)、机械品质因数(Qm)和居里点(Tc)均先增大后减小,当x=0.04时,均达到最大值,分别为121 p C/N、0.35、179和392℃。     

基于多视图并行的可配置卷积神经网络加速器设计

针对商用CPU的专用许可证授权费用高和卷积神经网络性能提升等问题,提出了一种基于多视图并行且具有可配置性的卷积神经网络加速器设计,同时结合RISC-V构建该加速器的片上系统。首先,扩展一组适用高速协加速器的控制访问接口和数据访问接口。其次,卷积神经网络各运算单元以多视图并行与结构复用实现。视图并行的不同组合将影响卷积单元硬件电路结构,因此多视图并行可通过复用基本运算结构来完成。池化单元由行池化和列池化子单元构成,且共享行池化的运算结构。对于全连接单元,采用调整全连接运算参数的方法来适应卷积单元的硬件结构,从而完成模型间的复用。然后,针对不同运算单元的硬件结构设计不同寄存器组,并结合开源RISC-V处理实现多种网络模型。最后,将卷积神经网络各运算单元分别部署在不同平台,计算运算时间、吞吐量和速度等。实验结果表明,提出方法的卷积加速比是CPU的189倍, VGG16的卷积运算吞吐量可达178GOP/s。因此,利用多视图并行能够达到加速效果,且以配置寄存器方式可实现不同网络模型。