MCGS: A Modified Conjugate Gradient Squared Algorithm for Nonsymmetric Linear Systems

The conjugate gradient squared (CGS) algorithm is a Krylov subspace algorithm that can be used to obtain fast solutions for linear systems (Ax=b) with complex nonsymmetric, very large, and very sparse coefficient matrices (A). By considering electromagnetic scattering problems as examples, a study of the performance and scalability of this algorithm on two MIMD machines is presented. A modified CGS (MCGS) algorithm, where the synchronization overhead is effectively reduced by a factor of two, is proposed in this paper. This is achieved by changing the computation sequence in the CGS algorithm. Both experimental and theoretical analyses are performed to investigate the impact of this modification on the overall execution time. From the theoretical and experimental analysis it is found that CGS is faster than MCGS for smaller number of processors and MCGS outperforms CGS as the number of processors increases. Based on this observation, a set of algorithms approach is proposed, where either CGS or MGS is selected depending on the values of the dimension of the A matrix (N) and number of processors (P). The set approach provides an algorithm that is more scalable than either the CGS or MCGS algorithms. The experiments performed on a 128-processor mesh Intel Paragon and on a 16-processor IBM SP2 with multistage network indicate that MCGS is approximately 20% faster than CGS.     

基于图形处理器加速 Wave-CAIPI 重建的 改进共轭梯度法

Wave-CAIPI 是一种利用多通道线圈和 k 空间螺旋轨迹采样来加速磁共振成像的新 3D 成像 方法。然而,Wave-CAIPI 采集的 3D 数据对于重建计算是巨大的。为了加速重建过程,该文使用基于图形处理器改进的共轭梯度算法实现了 Wave-CAIPI 重建,减少了重建时间。水模数据集和体内人 脑数据集的实验表明,基于图形处理器的 Wave-CAIPI 重建可以获得与传统基于中央处理器的 Wave-CAIPI 重建类似的图像结果,且重建效率显著提升。     

一种非标准共轭梯度法的收敛性及数值模拟

本文对无约束优化问题提出了一种新的非标准共轭梯度算法,该算法的搜索方向类似于曲线搜索算法的方向。证明了新算法的全局收敛性,并通过数值模拟验证了该算法是有效的和快速的。     

梯度法求解弹道导弹扰动引力的并行方法研究

根据远程弹道导弹在发射过程中对外部空间扰动引力场信息的需求,运用梯度法对外部空间扰动引力进行研究,为克服远程弹道导弹扰动引力计算模型复杂、计算量大、不容易在弹上计算机上实时计算的缺点,利用3台计算机组成主从模式并行计算模型,快速解算外部空间扰动引力。实验结果表明,该并行方法可以满足弹载计算机快速计算的要求,并能达到较高的精度。     

基于共轭梯度法的FIR数字滤波器优化设计

针对高阶FIR数字滤波器要中高阶矩阵逆计算困难,提出了一种共轭梯度法的FIR线性相位数字滤波器的优化设计方法.方法的主要思想是采用共轭梯度法计算余弦基函数的加权系数,从而获得FIR滤波器的单位脉冲响应,使得设计出的FIR滤波器的频率响应与理想滤波器的频率响应的全局误差在整个通带和阻带的范围内最小.仿真结果表明,与其它优化设计方法相比,提出的优化设计方法不仅具有更小的逼近误差,而且过渡带窄,阻带衰耗更大.上述方法不涉及逆矩阵计算,因而计算量小,在FIR数字滤波器优化设计中具有重要的应用价值.     

基于D-H 修正标记法的五轴加工后处理研究

在工业生产中,需要将CAD/CAM 软件生成的CL 数据通过后处理程序转换为NC 加工代码。针对自由曲面五轴加工的数据转换问题,应用D-H 修正标记法开发五轴加工机床后 处理程序,对D-H 修正标记法的参数定义过程进行了描述并提出改进,针对DMU 80 monoBlock 型五轴加工机床开发了专用后处理程序,最后通过VERICUT 进行了加工仿真,验证该程序的 正确性。该程序对提高自由曲面五轴加工数据后处理的效率具有重要意义。     

一种融合区域笔划和梯度笔划的油画生成方法

基于笔划的油画生成是油画生成中最为重要的技术,它模拟真实画家使用 笔划的创作过程,以达到逼真的手绘作品的效果。分析了基于图像分割的区域笔划生成油画 的优缺点,提出一种融合区域笔划和梯度笔划的油画生成方法,首先通过图像分割生成区域 笔划,然后根据图像分割水平确定梯度阈值筛选出梯度笔划。通过实验可以看出,该方法生 成速度较快,不仅使笔划更加灵活多变,而且可以弥补区域笔划生成所产生的缝隙。     

基于梯度重心法的线结构光中心亚像素提取方法

针对线结构光测量系统中如何准确快速地提取出光带中心的问题,根据线结构光图像上光带中心两边的灰度梯度特性及光带灰度的非正态分布特点,提出了一种基于梯度重心法的线结构光光带中心快速亚像素提取算法。该算法采用低通平滑滤波和幂次变换降低图像噪声和光带灰度非正态分布对光带中心提取的影响,运用自适应阈值法确定光带的边界阈值,应用梯度重心法进行光带中心的亚像素提取。实验结果表明,基于梯度重心法的光带中心提取算法具有较高的提取精度,并且有良好的抗噪性和鲁棒性。应用了此方法的3维测量系统的精度也得到了显著提高。     

A New Conjugate Gradient Method with Smoothing $$L_{1/2} $$ Regularization Based on a Modified Secant Equation for Training Neural Networks

Proposed in this paper is a new conjugate gradient method with smoothing \(L_{1/2} \) regularization based on a modified secant equation for training neural networks, where a descent search direction is generated by selecting an adaptive learning rate based on the strong Wolfe conditions. Two adaptive parameters are introduced such that the new training method possesses both quasi-Newton property and sufficient descent property. As shown in the numerical experiments for five benchmark classification problems from UCI repository, compared with the other conjugate gradient training algorithms, the new training algorithm has roughly the same or even better learning capacity, but significantly better generalization capacity and network sparsity. Under mild assumptions, a global convergence result of the proposed training method is also proved.     

基于权值变化的BP神经网络自适应学习率改进研究

针对传统神经网络的学习率由人为经验性设定,存在学习率设置过大或过小,容易导致无法收敛或收敛速度慢的问题,本文提出基于权值变化的自适应学习率改进方法,改善传统神经网络学习率受人为经验因素影响的弊端,提高误差精度,并结合正态分布模型与梯度上升法,提高收敛速度.本文以BP神经网络为例,对比固定学习率的神经网络,应用经典XOR问题仿真验证,结果表明本文的改进神经网络具有更快的收敛速度和更小的误差.     

基于接触测温的太阳能重力热管温差测量方法与装置研究

热管温差是太阳能重力热管传热性能中的重要标志.通过正交实验研究温差随热管倾斜角度、充液比、水浴温度和热管蒸发段加热长度变化对太阳能重力热管温差的影响,得到了影响温差显著性因素.为解决太阳能重力热管温差尚无自动化在线监测的现状,提出了太阳能重力热管温差测量方法,该方法一次能够检测多支太阳能重力热管.结合生产厂家和国标要求,设计了一套太阳能重力热管温差批量化测量方案,并对该方案进行了不确定度评估.     

基于决策空间变换最近邻方法的Pareto支配性预测

为提高在决策空间运用最近邻方法预测多目标优化Pareto支配性的精度,提出一种基于决策空间变换的最近邻预测方法.在分析目标函数与决策分量相关性的基础上,提出属性变化趋势模型的构造方法,建立低计算成本的属性趋势代理模型.通过属性趋势模型引入决策空间到目标空间的映射知识,对多目标问题的决策空间进行变换,使决策空间的最近邻更有效反映目标空间的最近邻.选取具有不同相关系数特征的典型多目标优化问题,进行Pareto支配性预测的可对比实验,结果表明在新空间中运用最近邻方法可显著提高分类准确性.     

Consensus Control With a Constant Gain for Discrete-time Binary-valued Multi-agent Systems Based on a Projected Empirical Measure Method

This paper studies the consensus control of multi-agent systems with binary-valued observations. An algorithm alternating estimation and control is proposed. Each agent estimates the states of its neighbors based on a projected empirical measure method for a holding time. Based on the estimates, each agent designs the consensus control with a constant gain at some skipping time. The states of the system are updated by the designed control, and the estimation and control design will be repeated. For the estimation, the projected empirical measure method is proposed for the binary-valued observations. The algorithm can ensure the uniform boundedness of the estimates and the mean square error of the estimation is proved to be at the order of the reciprocal of the holding time (the same order as that in the case of accurate outputs). For the consensus control, a constant gain is designed instead of the stochastic approximation based gain in the existing literature for binary-valued observations. And, there is no need to make modification for control since the uniform boundedness of the estimates ensures the uniform boundedness of the agents’ states. Finally, the systems updated by the designed control are proved to achieve consensus and the consensus speed is faster than that in the existing literature. Simulations are given to demonstrate the theoretical results.      

一种改进ICA算法在脑功能区提取中的应用

为了提高用邻域相关的ICA算法进行脑功能区提取的准确性,先利用区域增长法对数据进行预处理,分别计算出切片中的每一个体元与其空间模型中的其它26个体元的相关系数,若相关系数大于一定阈值的个数小于设定值,则体元判定为非激活区体元。利用健康人手动fMRI数据对两种算法进行实验仿真,预处理可以滤除一些明显不是激活区的点,运行时间缩短为原来的47.3%。结果证明方法有效地保障了结果的准确性,提高了运算效率。     

基于光切法的全三维量脚制鞋系统的设计和实现

介绍了基于光切法的全三维量脚制鞋系统。利用基于光切法的三维形貌扫描仪对足型进行测量,得到精度为±0.4mm的足型数据。根据足部关键参数,选择标准鞋楦。将脚型划分为多个特征段,足型数据和标准鞋楦的规则化点云拟合为NURBS曲线,各段内根据脚型的特点对标准鞋楦进行整体缩放以局部修改,利用能量优化原则同时修改控制点和权因子,对标准鞋楦进行修改,使其符合脚型的整体三维特点。定制鞋楦建模后,利用等距面法得到鞋楦的刀具加工轨迹并转化为通用格式的NC代码送入数据刻楦机进行加工,定制的鞋楦用于生产适合脚型的鞋子。该系统打破了根据有限的足部参数来选鞋的传统,真正实现了基于全三维足型数据的量脚制鞋。     

一类二层决策问题的性质分析和基于Frank-Walfe方法的神经网络算法

提出一类二层决策问题的模型.在某些凸性假设下,研究它的一些性质,提出了一种基于Frank-Walfe和人工神经网络方法的算法.并以算例说明该算法可行性.