数组运算在向量机上的实现

在向量机上实现数组运算时,必须将数组分解成对一个向量语句的嵌套循环。这使得原来概念上对数组所有元素同时进行运算的要求遭到了破坏而产生了“时序性”。时序性的产生有时会导致所谓的“不一致性”,即:数组赋值语句在向量机上的实际执行结果与概念上应得的结果不相符。在向量机上实现数组运算时,必须对这种不一致性作出判别,以保证正确地实现数组运算。本文给出了判别一致性成立的一个充分条件,并给出了判别该条件的一个算法。     

面向稀疏矩阵运算的向量机

在涉及大型系统问题的许多应用中,常常遇到大型稀疏矩阵的运算,本文提出了一种面向稀疏矩阵运算的向量机。它除了具有一般向量机的全部功能外,还可以有效地对稀疏向量和稀疏矩阵中的非零元素用流水线方式进行高速运算,与一般向量机上执行稀疏矩阵运算相比,其速度可提高数倍至十多倍。本文在标准高级语言扩充成向量高级语言的基础上,讨论把向量高级语言扩充成稀疏向量高级语言、以及稀疏向量和稀疏矩阵的基本运算及其机器实现等问题。     

基于深度学习的稀疏矩阵向量乘运算性能预测模型

稀疏矩阵向量乘（SpMV）是求解稀疏线性方程组的计算核心,被广泛应用在经济学模型、信号处理等科学计算和工程应用中,对于SpMV及其调优技术的研究有助于提升解决相关领域问题的运算效率。传统SpMV自动调优方法基于硬件平台的体系结构参数设置来提升SpMV性能,但巨大的参数设置量导致搜索空间变大且自动调优耗时大幅增加。采用深度学习技术,基于卷积神经网络,构建由双通道稀疏矩阵特征融合以及稀疏矩阵特征与体系结构特征融合组成的SpMV运算性能预测模型,实现快速自动调优。为提高SpMV运算时间的预测精度,选取特征数据并利用箱形图统计SpMV时间信息,同时在佛罗里达稀疏矩阵数据集上进行实验设计与验证,结果表明,该模型的SpMV运算时间预测准确率达到80%以上,并且具有较强的泛化能力。     

时态跨度的向量化处理与运算

时态跨度是时态断言的重要演算对象,如何有效且准确地计算不同时态粒度刻画下的时态跨度之间的运算结果是一个关键问题。由于时态跨度的非规范特性以及弹性时态粒度的影响,使得粒度转换方法并非总有效。对时态粒度系统作向量化处理,使其同构到n维向量空间,并将时态跨度作完备化和平滑化处理后,映射为向量空间中的自由向量,从而可以通过向量间的运算法则,简单有效地处理各种复杂组合形式下的时态跨度间的运算。     

流水线向量的性能评价

本文讨论了串行计算机的加速计算方法、流水线计算机的效率及其性能价格比。最后提出流水线计算机系统性能的评价方法。     

稀疏矩阵的转置运算

本文主要探讨稀疏矩阵的物理存贮结构和转置运算,从而提高常用转置运算的效率。     

基于流水线的运算部件仿真设计

提出了基于流水线的运算部件仿真设计方法,基本思想是在流水线上实现指令从译码分配到执行这一全过程的仿真.详细介绍了流水线设计和运算部件仿真,给出了关键的数据结构和函数接口.     

流水线向量机浮点运算精度控制

本文在深入分析ＣＲＡＹ类巨型机浮点运算精度的基础上，设计了精度更高的流水线向量机浮点支运算精度控制方案。     

流水线向量计算机的性能评价

本文讨论了串行计算机的加速计算方法、流水线计算机的效率及其性能价格比.最后提出流水线计算机系统性能的评价方法.     

图形化用户界面的一元多项式运算

数据结构是计算机专业的重要课程之一,但是其算法描述较为抽象,不够直观,学生理解困难,教学效果不好。文章介绍了图形化用户界面的一元多项式运算应用程序的构建方法,利用此程序进行线性链表的教学,效果明显。     

Matlab多项式与插值运算编程

数值计算的研究领域包括数值逼近、数值微分和数值积分、数值代数、最优化方法、常微分方程数值解法、积分方程数值解法、偏微分方程数值解法、计算几何、计算概率统计等.随着计算机的广泛应用和发展,许多计算领域的问题,如计算物理、计算力学、计算化学、计算经济学等都可归结为数值计算问题.通过详实的编程实例,展现Matlab在数值计算方面的丰富接口.     

基于带行指针向量的链式存储结构的稀疏矩阵基本运算实现

应用稀疏矩阵压缩存储技术之带行指针向量的链式存储结构,设计基于此链式存储结构的稀疏矩阵的转置算法及相乘算法,以及这些矩阵运算基于C++类模板的具体实现,并对算法的性能进行了分析.     

一类分叉函数在向量机上的并行算法设计

分叉函数是科学计算中经常使用的一类典型函数。它在串行机上计算很费时间。在向量机上运算效率更低。研究分叉函数的并行计算是并行算法与并行处理技术领域中的一大难题。本文主要以二维非定常辐射流体力学数值计算中一类复杂的分叉函数作为特定对象。着重研究分叉函数并行计算的设计技术与设计方法。通过挖掘隐含在物理原型深处的内在并行性,成功地研制出实现“面上并行”的高效并行计算格式,巧妙地运用了多级向量压缩还原方法和动态复合流水线的并行处理技术;设计编制了高效的FORTRAN向量程序。有效地将分叉函数纯顺序串行计算问题转化成为一个可向量化的并行计算问题。从而使分叉函数的并行运算速度提高二十倍。缩短计算时间,节省机时费用。分叉函数并行计算的设计思想新颖,设计技术与设计方法别具一格。具有推广应用价值,适用于一般大型科学计算进行深度并行性开发。对二维非定常辐射流体力学数值计算尤为适用。为大幅度提高这类科学计算程序的运算速度开辟了一条新路。     

稀疏矩阵向量乘法的并行计算

本文研究大型稀疏矩阵向量乘法的并行化措施。主要包括高效的存储方法,核心代码用汇编语言编写,循环展开,宏任务和微任务方式,重排序和分块技术。根据实际问题的需要,分别给出了一般稀疏矩阵和对称正定带状矩阵向量乘法内核子程序,ELLPACK,ITPAKC及LINPACK等库和许多应用程序可直接调用它们。     

稀疏表示亲近支持向量机

通过广义特征值分类的局部信息亲近支持向量机(LIPSVM)将数据点分类到由广义特征值产生的两个不平行平面中最相近者,研究发现LIPSVM方法性能对模型参数具有较强的敏感性,对此,基于稀疏表示技术,提出一种鲁棒的稀疏表示亲近支持向量机(SPSVM),通过挖掘数据点间的有判别的稀疏表示信息,SPSVM除了保持LIPSVM所具备的运算时间快和分类精度高的优势外,还具备噪声学习环境下的鲁棒性(即对噪声或离群点数据具有自然的判别力),且避免了LIPSVM中模型参数选择问题。人工和基准数据集实验结果证实SPSVM具有相较于现有相关方法更优或可比较的学习性能。     

多项式泛函网络运算模型及应用

提出了一种多项式泛函网络运算新模型,来求解任意数域或环上多项式运算问题。同时给出了基于泛函网络求任意一元多项式倍式的学习算法,而网络的参数利用解线性方程组方法来完成。实验结果表明,这种神经计算方法,相对传统方法,不但能够获得问题的精确解,而且可获得问题的近似解。这给工程计算软件的二次开发提供了有效方法。     

多项式光滑的支撑向量机

数据分类问题是数据挖掘研究的一个热门课题．它是根据对数据样本集合建模,得到最优的分类器,从而可以对未知数据进行分类．支撑向量机是二分类问题的一个分类模型,模型的结果表现为支撑向量．Lee和Mangasarian在2001年提出了使用Sigmoid函数的积分函数作光滑的支撑向量机模型SSVM．该文研究了用多项式函数作光滑的支撑向量机(PSSVM)模型,并提出了两个用于光滑多项式的函数．根据模型特点,应用BFGS方法以及Newton Armijo方法进行求解,数值实验结果表明PSSVM模型在分类性能上优于SSVM模型．     

分叉计算问题在YH-2机上的向量算法

本文提出了在ＹＨ－２机上计算分叉问题的ＳＯＲＴＬＩＢ库分类向量算法，并和其他向量算法进行了比较，效能测试表明，这种算法是ＹＨ－２机上计算分叉问题的最优算法。     

流水线处理技术在数据集成中的应用

在数据集成中,经常碰到大数据量的集成问题,基于数据仓库方式的数据集成技术是一种比较流行的集成模式,提高该集成模式的查询以及实化视图的初始化效率、响应速度,并防止内存溢出,是数据集成中非常关注的地方.在基于数据仓库方式的数据集成模式中,利用基于内存控制的流水线处理方法,提高查询以及实化视图的初始化效率.实验证明,以上方法较同步方法不仅提高了数据集成效率,而且实现了内存控制.