Locality Aware Optimal Task Scheduling Algorithm for TriBA——A Novel Scalable Architecture

An optimal algorithmic approach to task scheduling for, triplet based architecture（TriBA）, is proposed in this paper. TriBA is considered to be a high performance, distributed parallel computing architecture. TriBA consists of a 2D grid of small, programmable processing units, each physically connected to its three neighbors. In parallel or distributed environment an efficient assignment of tasks to the processing elements is imperative to achieve fast job turnaround time. Moreover, the sojourn time experienced by each individual job should be minimized. The arriving jobs are comprised of parallel applications, each consisting of multiple-independent tasks that must be instantaneously assigned to processor queues, as they arrive. The processors independently and concurrently service these tasks. The key scheduling issues is, when some queue backlogs are small, an incoming job should first spread its tasks to those lightly loaded queues in order to take advantage of the parallel processing gain. Our algorithmic approach achieves optimality in task scheduling by assigning consecutive tasks to a triplet of processors exploiting locality in tasks. The experimental results show that tasks allocation to triplets of processing elements is efficient and optimal. Comparison to well accepted interconnection strategy, 2D mesh, is shown to prove the effectiveness of our algorithmic approach for TriBA. Finally we conclude that TriBA can be an efficient interconnection strategy for computations intensive applications, if tasks assignment is carried out optimally using algorithmic approach.     

状态多重时滞大系统时滞相关分散鲁棒镇定

考虑状态多重时滞大系统的稳定性问题,依赖系统最大时滞界,给出了其可分散状态反馈镇定的时滞相关鲁棒稳定的充分条件.应用Lyapunov-Krasovsii泛函和LMI方法及积分不等式方法,研究其分散鲁棒稳定化的鲁棒控制器设计问题,在此基础上,通过求解一凸优化问题,提出了具有较小反馈增益的分散稳定化状态反馈控制器的设计方法.通过仿真验证了该方法的有效性.     

带有止步的成批到达的M~x/M/1/N多重工作休假排队系统

研究了带有止步的M~x/M/1/N多重工作休假排队系统。顾客成批到达,到达后每批中的顾客,或者以概率决定进入队列等待服务,或者以概率1止步。系统中一旦没有顾客,服务员立即进入多重工作休假。利用马尔科夫过程理论和矩阵解法求出了稳态概率的矩阵解,并得到了系统的平均队长、平均等待队长以及顾客的平均止步率等性能指标。     

一种多重最小支持度关联规则挖掘算法

针对单一最小支持度挖掘关联规则不能反应不同数据项出现频度与性质的问题,提出了一个基于频繁模式树的多重支持度关联规则挖掘算法MSDMFIA(Multiple minimum Supports for Discover Maximum Fre-quent Item sets Algorithm),根据不同数据项的特点定义多重支持度,通过挖掘数据库中的最大频繁项目集,计算最大频繁候选项目集在数据库中的支持度来发现关联规则.该算法可以解决关联规则挖掘中经常出现的稀少数据项问题,并解决了传统的关联规则挖掘算法中的生成频繁候选集和多次扫描数据库的性能瓶颈.实验结果表明,本文提出的算法在功能和性能方面均优于已有算法.     

用多重网格技术加速CELS算法的收敛

求解不可压流体耦合方程的直接解法（ＣＥＬＳ算法）,在许多计算问题中体现了其优 越性。多重网格法在加速数值计算的收敛速度方面也体现出了其有效性。本文把ＣＥＬＳ算法 在多重网格下实施,使用原始变量法,对圆管突扩通道和驱动方腔二维层流流动进行了计算, 并与Ｋｏｓｅｆｆ等人的实验数据进行了比较。结果表明,ＣＥＬＳ算法对所考核的算例是很有效的, 多重网格技术对ＣＥＬＳ算法收敛进程的加这也是显著的。     

基于多重分形的图象边缘检测

给出了一种基于多重分形的图象边缘检测方法,并对维数范围的选取及对边缘检测结果的影响进行了研究.该方法通过计算图象中每个像素点的局部Hoelder指数和它的多重分形频谱,然后根据多重分形频谱选取适当的维数范围提取图象边缘信息.实验证明,通过选取适当的维数范围该方法能得到良好的边缘检测效果,并能突出主要的图象边缘细节信息.     

多束参考光大视角彩虹全息术

针对彩虹全息图观察视角狭小等问题,基于全息记录、再现的多重性原理,对多重视角再现作了详细的理论分析,提出了一种多束参考光的一步大视角彩虹全息方法.该方法能实现再现像的多次色序循环,从而使全息图再现像的观察范围成倍增加.经实验成功地拍摄了观察视角为50°的一步彩虹全息图,并且应用效果较好.     

低资源语种傣汉神经机器翻译方法

近年来随着人工智能和深度学习的发展,在神经机器翻译(NMT)的加持下,机器翻译的水平取得了长足的进步,但是在较大语料的情况下才能取得好的效果.此外,NMT的成功需要依赖于大量高质量的双语语料作为训练数据.在英法等丰富资源的语种(Rich resource language)翻译任务上,神经机器翻译机器的表现几乎可以媲美人类的水平.对于一些小语种(俗称低资源语种:Low resource language),无法提供足够多的双语数据,导致NMT出现过拟合问题,从而降低翻译效果.据此本文以低资源的汉傣语翻译为例,针对神经机器在低资源汉傣语机器翻译表现不佳的问题现状,开展了如下研究:(1)构造了以词向量为基础的初始化模型,利用傣汉词向量空间对齐的方法,来初始化神经翻译模型的词嵌入层以提高翻译的性能;(2)设计了傣汉词向量空间的对齐方法;(3)提出了一种基于词对齐的神经机器翻译框架.通过汉/傣、傣/汉双向翻译实验证明,该方法可以分别使汉/傣、傣/汉机器翻译的BLEU值提高2.38个和0.43个BLEU点.     

基于空间注意力和卷积神经网络的视觉情感分析

为了解决现有基于深度学习方法的视觉情感分析忽略了图像各局部区域情感呈现的强度差异问题,提出一种结合空间注意力的卷积神经网络spatial attention with CNN, SA-CNN用于提升视觉情感分析效果。设计一个情感区域探测神经网络用于发现图像中诱发情感的局部区域;通过空间注意力机制对情感映射中各个位置赋予注意力权重,恰当抽取各区域的情感特征表示,从而有助于利用局部区域情感信息进行分类;整合局部区域特征和整体图像特征形成情感判别性视觉特征,并用于训练视觉情感的神经网络分类器。该方法在3个真实数据集TwitterⅠ、TwitterⅡ和Flickr上的情感分类准确率分别达到82.56%、80.23%、79.17%,证明利用好图像局部区域情感表达的差异性,能提升视觉情感分类效果。     

基于类激活映射-注意力机制的图像描述方法

基于软注意力机制的图像描述算法,提出类激活映射-注意力机制的图像描述方法。利用类激活映射算法得到卷积特征包含定位以及更丰富的语义信息,使得卷积特征与图像描述具有更好的对应关系,解决卷积特征与图像描述的对齐问题,生成的自然语言描述能够尽可能完整的描述图像内容。选择双层长短时记忆网络改进注意力机制结构,使得新的注意力机制适合当前全局和局部信息的特征表示,能够选取合适的特征表示生成图像描述。试验结果表明,改进模型在诸多评价指标上优于软注意力机制等模型,其中在MSCOCO数据集上Bleu-4的评价指标相较于软注意力模型提高了16.8%。类激活映射机制可以解决图像空间信息与描述语义对齐的问题,使得生成的自然语言减少丢失关键信息,提高图像描述的准确性。