新型含二氮杂萘酮结构——聚氨酯清漆的合成及性能

针对传统通用型聚氨酯涂层材料耐高温性欠佳的缺点，本文通过分子结构设计，将全芳环非公平面、扭曲的二氮杂耐酮联苯结构引入聚氨酯主链中，首次合成了含二氮杂萘酮联苯结构聚氨酯树脂，研究其结构性能关系，并将其应用于涂料领域。以TDI、TMP和自制的4-(4’-羟基苯基）-2，3-二氮杂萘-1-酮(DHPZ)为原料，以简便的工艺制备了结构新颖的含二氮杂萘酮结构的单组份聚氨酯清漆PUv-C。以傅立叶红外变换手段(FT-IR)表征了聚氨酯涂层树脂的结构。以差示扫描量热仪(DSC)和热重分析仪(TGA)等分析手段研究了聚氨酯涂层树脂的耐热性能。     

结构新颖的多维加速度传感器

采用一种新颖的结构,实现加速度矢量多维分量一体化测量和很好地解决传感器固有频率与灵敏度的矛盾。系统地分析其敏感原理,并对以此种结构制成的传感器实测固有频率与设计值的差异进行理论分析,得出设计公式是实用的、有效的结论。     

面向“边缘”应用的卷积神经网络量化与压缩方法

针对卷积神经网络（CNN）推理计算所需内存空间和资源过大,限制了其在嵌入式等"边缘"设备上部署的问题,提出结合网络权重裁剪及面向嵌入式硬件平台数据类型的数据量化的神经网络压缩方法。首先,根据卷积神经网络各层权重的分布,采用阈值法对网络精确率影响较小的权重进行裁剪,保留网络中重要连接的同时除去冗余信息;其次,针对嵌入式平台的计算特性分析网络中权重及激活函数所需的数据位宽,采用动态定点量化方法减小权重数据的位宽;最后,对网络进行微调,在保障网络模型识别精度的前提下进一步压缩模型大小并降低计算消耗。实验结果表明,该方法降低了VGG-19网络95.4%的存储空间而精确率仅降低0.3个百分点,几乎实现无损压缩;同时,通过多个网络模型的验证,该方法在平均1.46个百分点精确率变化范围内,最大降低网络模型96.12%的存储空间,能够有效地压缩卷积神经网络。     

面向云端FPGA的卷积神经网络加速器的设计及其调度

卷积神经网络的高计算复杂性阻碍其广泛用于实时和低功耗应用,现有软件实现方案难以满足其对运算性能与功耗的要求,传统面向FPGA的卷积神经网络构造方式具有流程复杂、周期较长和优化空间较小等问题。针对该问题,根据卷积神经网络计算模式的特点,提出一种面向云端FPGA的卷积神经网络加速器的设计及其调度机制。通过借鉴基于HLS技术、引入循环切割参数和对卷积层循环重排的设计,采用模块化方式构造网络,并进行参数拓展以进一步优化加速器处理过程;通过分析系统任务和资源的特性总结调度方案,且从控制流和数据流两方面对其进行优化设计。与其他已有工作相比,提出的设计提供了一种同时具有灵活性、低能耗、高能效和高性能的解决方案,并且探讨了加速器的高效通用调度方案。实验结果表明,该加速器可在有效提高运算整速度的同时减少功耗。     

一种超低损失的深度神经网络量化压缩方法

深度神经网络(deep neural network,简称DNN)量化是一种高效的模型压缩方法,使用少量位宽表示模型计算过程中的参数和中间结果数据.数据位宽会直接影响内存占用、计算效率和能耗.以往的模型量化研究缺乏有效的定量分析,这导致量化损失难以预测.提出了一种超低损失的DNN量化方法(ultra-low loss ...     

汽车整车半消声室的设计与建设

参照ISO 362、ECE R51、GB 1495-2002标准中汽车整车噪声测试对声学测试环境的要求,按照GB 6882-1986、ISO 3745-2003标准和实际使用需求提出国家汽车质量监督检验中心（襄樊）汽车整车半消声室建设的指标。实验室建成后通过中国计量科学研究院鉴定测试,达到设计要求。详细介绍汽车整车半消声室的设计方法、建设情况和鉴定结果。     

FAQ-CNN:面向量化卷积神经网络的嵌入式FPGA可扩展加速框架

卷积神经网络(convolutional neural network, CNN)模型量化可有效压缩模型尺寸并提升CNN计算效率.然而,CNN模型量化算法的加速器设计,通常面临算法各异、代码模块复用性差、数据交换效率低、资源利用不充分等问题.对此,提出一种面向量化CNN的嵌入式FPGA加速框架FAQ-CNN,从计算、通信和存储3方面进行联合优化,FAQ-CNN以软件工具的形式支持快速部署量化CNN模型.首先,设计面向量化算法的组件,将量化算法自身的运算操作和数值映射过程进行分离;综合运用算子融合、双缓冲和流水线等优化技术,提升CNN推理任务内部的并行执行效率.然后,提出分级编码与位宽无关编码规则和并行解码方法,支持低位宽数据的高效批量传输和并行计算.最后,建立资源配置优化模型并转为整数非线性规划问题,在求解时采用启发式剪枝策略缩小设计空间规模.实验结果表明,FAQ-CNN能够高效灵活地实现各类量化CNN加速器.在激活值和权值为16 b时,FAQ-CNN的加速器计算性能是Caffeine的1.4倍;在激活值和权值为8 b时,FAQ-CNN可获得高达1.23TOPS的优越性能.     

"金课"视域下程序设计类课程混合式教学实践与思考 ——以Java程序设计课程为例

从软件工程观与计算机系统观的角度出发,提出符合程序设计类课程特质的"金课"建设思路,以Java程序设计课程为例,从内容设计、教学模型、具体教学实践等方面介绍教学改革,最后说明教学效果并提出思考.     

神经元网络传感器信息综合用于刀具状态监测

文中叙述了一种基于人工神经元网络在线刀具磨损检测系统的硬件结构、软件设计和执行过程,该系统综合几种传感器(声发射、力和电机电流信号)的输出,用多通道自回归时序模型或快速付里叶变换(FFT)技术处理,得到AR系数矩阵或功率谱密度数据被送到特征抽取模块,模块选择对刀具磨损最灵敏的特征输入到事先训练过的人工神经元网络,由网络对刀具状态进行最终的决策。为了评估上述系统的可行性,作者给了一个在车床上的实验结果。