排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
2.
兼容Linux应用环境的多粒度全系统模拟平台-SandUPSim 总被引:2,自引:0,他引:2
SandUPSim是一个基于MIPS指令集的全系统模拟平台,可以对操作系统和硬件体系进行功能级和时钟级模拟,提供灵活的配置方式、详细的统计功能和有效的调试手段。它使用远程系统调用机制提供了Linux系统调用API,从而构建了二进制兼容的Linux应用程序环境。该模拟平台已经通过了SPECCPU2000等大量Linux程序的测试。实验表明,SandUPSim可以支持计算机体系结构多方面的研究,具有良好的Linux应用兼容性,同时也证明了远程系统调用机制是一种在简单系统上支持复杂应用的有效手段。 相似文献
3.
RBF神经网络最优分割算法及其在股市预测中的应用 总被引:1,自引:0,他引:1
将最优分割算法(optimal partition algorithm,OPA)用于径向基函数神经网络参数的训练中.对OPA进行了适当的改进,在改进的OPA中增加了类的中心与宽度的确定方法,并将它们用于确定RBF网络的中心与宽度.提出了利用类的目标函数的差分对网络结构进行动态调整的方法,从而实现了隐节点数的自适应选择.用于股价预测的数值模拟结果验证了该方法的有效性.与传统算法进行比较的结果表明,在预测方面OPA具有较明显的优势.将OPA算法与正交最小二乘法相结合的OPA-OLS算法可以提高趋势预测的正确率. 相似文献
4.
研究表明,在大规模的网络服务系统中,网络延迟往往表现出长尾效应,即存在一定比例的延迟远大于网络的平均延迟。延迟的长尾引起了广泛的关注,长尾效应会严重影响用户体验和内容供应商收益,尤其在对延迟敏感的大型交互式网络应用中。因此,网络服务系统研究的重点经历了从关注吞吐量和平均延迟到关注系统的尾延迟的变化。然而,现有的理论模型大多关注平均延迟,难以用来分析网络服务延迟的尾部特征,复杂网络服务中的尾延迟时间计算缺乏形式化的建模和计算方法。文中提出了一种将复杂的网络抽象为以M/M/1排队模型为基础的排队网络模型的方法,在该模型的基础上给出了串联、并行场景下逗留时间尾延迟分布的表达式,同时分析了当模型中个别子部件发生变化时对系统整体尾延迟的影响,并将模型预测结果和仿真网络的结果进行对比,误差不超过2%。 相似文献
5.
针对数据中心负载中混杂请求对延迟敏感型请求响应尾延迟产生干扰,而现有研究无法在不同负载场景下为延迟敏感型请求提供灵活优先调度的问题,本文提出了应用定义优先级调度的用户态协议栈。该设计利用用户态协议栈在数据中心请求处理所处的关键位置,支持上层应用根据负载特征灵活定制优先级识别与调度策略,并由协议栈为优先级识别提供数据包、传输控制协议(TCP)流等丰富的状态信息,实现了不需要改动网络协议栈,就可以对不同负载场景实现灵活的应用定义优先级识别与调度,从而避免延迟敏感型请求受到其他混杂负载请求带来的排队延迟与阻塞延迟干扰。实验结果表明,在不同的负载场景下,通过灵活准确的应用定义优先级调度,可以将延迟敏感型请求的响应尾延迟降低98.5%,有效保障了用户体验。 相似文献
6.
7.
西南地区独特的人文、地理环境为其地域主义建筑创作提供了丰富的素材。本文从建造技术视角出发,探究技术、材料对西南地域性建筑设计、营造的启示,并辅以实际案例进行说明,以期为当代地域主义研究提供资料和参考。 相似文献
8.
拟通过改变班前准备时段的人工光暴露水平的探讨,来对流水线作业者工作疲劳产生阻断的可能性。在全人工光照明的流水线车间休息室设置3种不同照度、2种色温的班前光环境,进行光暴露实验,观察流水线工人警觉性、注意力和情绪的变化。结果显示,被试在暗环境下闭目养神后,上午班前的警觉性提高,“迷惑-混乱”情绪减轻;而在低照度、偏高色温光环境下进行准备工作可增强注意力,同时可抑制“迷惑-混乱”情绪,提高下午班前的警觉性。因此,偏高色温、低照度有利于作业者的工作疲劳阻断,产生唤醒效应;而班前高照度并不能起到同样的作用。并且,目前通行的工厂作息时间似与工人正常生理节律不吻合,晨起上班时间过早,造成工作疲劳累积。 相似文献
9.
HPL测试性能仿真与预测 总被引:1,自引:0,他引:1
HPL是大规模并行系统广泛采用的Linpack测试软件包.在HPL程序算法分析和实践测试的基础上,发掘了理论确定矩阵分块大小NB的规律,突破了长期以来对尝试性实验的依赖.进而将算法复杂性的估算提升到测试程序执行时间的精度,并建立HPL测试仿真模型,对执行时间进行更细致的评估.同时,在大量真实测试验证的基础上,利用该模型对各种系统性能提高因素将带给Linpack测试的益处进行预见,期望为体系的改进方向提供参考. 相似文献
10.
基因是遗传的物质基础。生物体的生、长、病、老、死等一切生命现象都与基因有关。基因测序是解读生命的一种途径。随着新一代高通量测序技术的发展,每天会产生TB甚至更多的序列数据。合理诠释这些大规模及复杂高维度的数据成为获取数据后一个更大的难点,是当前生物研究的关键步骤,具有巨大的现实意义。海量高通量测序数据的存储、处理和分析都极大地挑战着当前的计算机系统和计算模式。本文将结合调研情况,尤其是华大基因的实例调研,讨论当前高通量测序数据分析的现状、问题和多方采取的措施。然而,面对高通量测序数据带来的挑战,仍需要多方密切合作和长久深入的研究。 相似文献