IXP2400的网络测试系统的多级并行处理技术

多级并行处理问题一直是计算机及其网络设计、应用的一个重要问题.本文针对IXP2400这一多核可编程芯片的多处理器并行化问题进行应用研究,提出一种兼顾处理能力与开发灵活性的多级并行技术.以"基于网络处理器的网络测试系统"为应用实例,重点分析微引擎并行方案及线程级静态调度算法,并通过WorkBench仿真及七种以太帧平均最大发送速率实测结果对方案、算法进行验证.最后总结并展望了本文提出技术的前景.  

面向SLP 的多重循环向量化

如今,越来越多的处理器集成了SIMD(single instruction multiple data)扩展,现有的编译器大多也实现了自动向量化的功能,但是一般都只针对最内层循环进行向量化,对于多重循环缺少一种通用、易行的向量化方法.为此,提出了一种面向SLP(superword level parallelism)的多重循环向量化方法,从外至内依次对各个循环层次进行分析,收集各层循环对应的一些影响向量化效果的属性值,主要包括能否对该循环进行直接循环展开和压紧、有多少数组引用相对于该循环索引连续以及该循环所包含的区域等,然后根据这些属性值决定在哪些循环层次进行直接循环展开和压紧,最后通过SLP对循环中的语句进行向量化.实验结果表明,该算法相对于内层循环向量化和简单的外层循环向量化平均加速比提升了2.13和1.41,对于一些常用的核心循环可以得到高达5.3的加速比.  

深度学习中的无监督学习方法综述

从2006年开始，深度神经网络在图像/语音识别、自动驾驶等大数据处理和人工智能领域中都取得了巨大成功，其中无监督学习方法作为深度神经网络中的预训练方法为深度神经网络的成功起到了非常重要的作用. 为此，对深度学习中的无监督学习方法进行了介绍和分析，主要总结了两类常用的无监督学习方法，即确定型的自编码方法和基于概率型受限玻尔兹曼机的对比散度等学习方法，并介绍了这两类方法在深度学习系统中的应用，最后对无监督学习面临的问题和挑战进行了总结和展望.  

人工蜂群算法的一种改进

人工蜂群算法作为一种新生代的优化算法，近年来在众多科学领域中表现出一定的优势，但是其收敛速度并不高效，并且容易过早地陷入局部最优。首先通过对适应度选择进行改进，提高算法的收敛速度，同时结合模拟退火算法，一定程度上避免过早陷入局部最优。最后用一组基准函数进行实验，证明改进后的人工蜂群算法有更好的优化性能。  

Loop-Nest Auto-Vectorization Based on SLP

如今,越来越多的处理器集成了SIMD(single instruction multiple data)扩展,现有的编译器大多也实现了自动向量化的功能,但是一般都只针对最内层循环进行向量化,对于多重循环缺少一种通用、易行的向量化方法.为此,提出了一种面向SLP(supcrword level parallelism)的多重循环向量化方法,从外至内依次对各个循环层次进行分析,收集各层循环对应的一些影响向量化效果的属性值,主要包括能否对该循环进行直接循环展开和压紧、有多少数组引用相对于该循环索引连续以及该循环所包含的区域等,然后根据这些属性值决定在哪些循环层次进行直接循环展开和压紧,最后通过SLP对循环中的语句进行向量化.实验结果表明,该算法相对于内层循环向量化和简单的外层循环向量化平均加速比提升了2.13和1.41,对于一些常用的核心循环可以得到高达5.3的加速比.  

面向国产CPU SW-1600的向量重组

由于向量化重组指令比较复杂并且不同指令有不同的延迟,从而难以寻找一种统一高效的向量重组算法。对国产CPUSW-1600提供的移位和插入提取指令进行了分析,提出单独依靠移位或插入提取指令实现向量重组的最优算法,并综合这两类指令实现向量重组的高效算法。最后通过实验证明该算法可以较好地对程序进行向量化,对整型数据的加速比达到7.31,对复杂的双精度浮点型程序的加速比也达到1.83。  

基于GA-BP神经网络的电池剩余电量的预测

研究动力电池剩余电量问题,电池剩余电量的准确预测一直以来都是一个难点.由于剩余电量与电流、内阻和温度有关,电池内部复杂的电化学反应导致了电池电压不能线性反映电池的剩余电量,传统的方法往往会有较大的误差.BP神经网络的特点是可以逼近任意的非线性函数,而BP神经网络并非完美的神经网络,采用用遗传算法优化BP神经网络可以克服其缺点,更好的预测电池的剩余电量.实验结果证明,所用的GA - BP神经网络方法具有反应快,误差小的特点,达到了预先设计的目的.  

基于Java平台的网元管理系统的设计与实现

提出一个基于Java的网元管理系统,首先对网管系统进行功能分析和结构设计,然后以此为基础,最后给出了网管系统的实现方法。  

基于IXP系列网络处理器的并行原理及其应用

从网络处理器的体系结构入手，在线程和微引擎层次上对IXP系列网络处理器的并行环境进行抽象分析，在线程方面阐述了顺序和非顺序情况下不同的编程方法及其对应的效率和吞吐量，在微引擎方面以获得最大的吞吐量为目标给出最优的微引擎分配模型。针对IPv4路由器这种应用进行求解，当其采用1rx3pr1qm1sc2tx的分配方案时系统吞吐量最大，达到4 670.47 Mbp/s。  

Distributed output feedback MPC with randomly occurring actuator saturation and packet loss

In this paper, a distributed output feedback model predictive control (OFMPC) algorithm is presented for the polytopic uncertain system subject to randomly occurring actuator saturation and packet loss. Compared with the intensively applied state feedback control in MPC, the OFMPC is more feasible to the real world because the system states are often unmeasurable. With taking both actuator saturation and packet loss into account, the presented OFMPC algorithm is more practical. Moreover, by splitting the controller inputs into two independent parts, the presented dynamic output feedback control (DOFC) strategy provides more freedom to the controller design. With the global system decomposed into some subsystems, the computation complexity is reduced, thus the online designing time can be saved. By defining the estimation error function and forming an augmented system to handle the DOFC and by transforming the nonlinear feedback law into a convex hull of linear feedback laws, the distributed controllers are obtained by solving a linear matrix inequality (LMI) optimization problem. Finally, some simulation examples are employed to show the effectiveness of the techniques proposed in this paper. Copyright © 2015 John Wiley & Sons, Ltd.