基于联邦强化学习的分布式模型剪枝

联邦学习系统中, 在资源受限的边缘端进行本地模型训练存在一定的挑战. 计算、存储、能耗等方面的限制时刻影响着模型规模及效果. 传统的联邦剪枝方法在联邦训练过程中对模型进行剪裁, 但仍存在无法根据模型所处环境自适应修剪以及移除一些重要参数导致模型性能下降的情况. 本文提出基于联邦强化学习的分布式模型剪枝方法以解决此问题. 首先, 将模型剪枝过程抽象化, 建立马尔可夫决策过程, 使用DQN算法构建通用强化剪枝模型, 动态调整剪枝率, 提高模型的泛化性能. 其次设计针对稀疏模型的聚合方法, 辅助强化泛化剪枝方法, 更好地优化模型结构, 降低模型的复杂度. 最后, 在多个公开数据集上将本方法与不同基线方法进行比较. 实验结果表明, 本文所提出的方法在保持模型效果的同时减少模型复杂度.     

基于高维数据特征空间的二维嵌入的体数据分类智能界面

在常规的体数据分类方法中,用户利用体数据的统计信息(例如,多维直方图)交互地分割体数据.由于统计信息的非直观性以及缺少高效地从已有数据的分类结果中提炼、积累有效信息的方法,体数据分类过程仍然不便捷.文中提出一种基于高维数据特征空间的二维嵌入的体数据分类智能界面.方法的核心步骤包括:(1)用户交互选取数据的高维特征并在特...     

一种基于TCM的信道编码与物理层网络编码的联合设计

该文在双向中继信道中基于网格编码调制(Trellis Coded Modulation, TCM)提出了一种信道编码与物理层网络编码的联合实施机制。该机制采用TCM,将编码和调制统一考虑,提高了编码序列的自由距离,从而获得更高的编码增益。此外,利用卷积码和MAC-XOR网络编码的线性性质,使得中继节点只要直接估计网络编码的码字,这样中继节点进行TCM译码的复杂度减少了50%。该机制同时考虑信道编码技术、调制技术以及物理层网络编码三者联合设计的问题,既提高信息传输率,又保证了可靠性。     

面向高工作温度应用的带间级联红外光电器件

高温工作探测器是第三代红外焦平面发展的重要方向之一。带间级联探测器结合了势垒结构与多级吸收区结构的特点,通过多量子阱弛豫和隧穿实现光生载流子单方向输运,可以有效降低来自PN结耗尽区的产生-复合暗电流;利用多级短吸收区结构,在扩散长度很短的情况下仍然可以有效地收集光生载流子,从而可以提高探测器在高工作温度下的探测性能。本文主要介绍了作者在带间级联红外光电器件方面的研究进展,包括高工作温度带间级联探测器、高带宽带间级联探测器以及带间级联发光器件等。     

带间级联红外探测器的光电流输运与量子效率研究

带间级联红外探测器可以利用多级吸收区级联的方式实现高的工作温度，但不同的吸收区厚度设计方式会使得器件在不同级数吸收区中出现光生载流子的不匹配现象，从而对器件量子效率造成影响。为更好地理解带间级联探测器的级数和吸收区厚度对量子效率的影响，对基于InAs/GaSb II类超晶格的带间级联探测器进行了变温测试，并基于多级光电流的“平均效应”建立了工作在反向偏置电压的量子效率计算模型，通过与实际测试的量子效率对比，发现在低温条件下实验数据和计算结果拟合一致性较好，验证了多级带间级联探测器中基于内增益机制的光电流平均效应。但在高温条件下，实际的光电流低于“平均效应”的理论计算结果，这可能是由于高温下少数载流子寿命变短，在吸收区和弛豫区界面处存在光生载流子的复合机制。