小点数圆卷积算法设计

给出一种新的乘法次数少的小点数圆卷积算法，以达到减小计算圆卷积乘法次数的目的。与传统算法相比，其特点是构造简单，运算功效好，计算中无需利用多项式运算余数定理，Ｎ点圆卷积所需的乘法次挖为Ｎ－２Ｎ。此方法可推广应用于大点数的圆卷积计算和大点数的快速傅里叶变换计算。     

系统辨识及信号重构中的反卷积计算

给出一种采用快速傅里叶变换（ＦＦＴ）的反卷积算法。对于Ｎ维圆卷积矩阵，所需复乘／除次数约为Ｎ（ｌｏｇ２Ｎ＋１），复加次数约为２Ｎｌｏｇ２Ｎ＋Ｎ／４。对卷积矩阵维数Ｎ＝２＾ｃ的反卷积计算，在不同ＦＦＴ时可将Ｎ维圈卷积矩阵求逆转变成解Ｎ／２，Ｎ／４，Ｎ／８…２阶线性方程组，所需乘法次数约为Ｎ＾３／４２。     

最小平方卷积反演的一种快速迭代算法

本文介绍一种最小平方卷积反演快速迭代算法。其特点是：（１）迭代过程由ＦＦＴ实现;（２）收敛因子易于选取,收敛性好;（３）收敛性与迭代初值无关。     

利用FFT计算线性卷积的实现方法

论述利用 Ｆ Ｆ Ｔ 通过循环卷积计算线性卷积的方法．先推导计算方法,再设计软件程序,并通过实例说明在计算机上得到的结果．     

卷积,相关的列表分析与算法

本通过对线性卷积（相关）,圆周卷积（相关）理论的深入分析与研究,找出了线性卷积（相关）与圆周卷积（相关）算法上的内在联系,给出了两个结论式,创建了在同一表格中计算线性卷积（相关）和圆周卷积（相关）的简便方法,并给出了实例。     

循环卷积的新型快速算法

新算法能快速地完成循环卷积,多项式乘积和相关函数等计算过程.从理论角度看,新算法具有方法独特,运算次数少等优点.但是在目前的技术条件下要想实现文中新算法还相当困难。有待今后继续努力.     

使用SMP的超大点数FFT算法研究与实现

该文通过分析对称多处理器（SMP）并行处理系统的特点,提出了一种适用于SMP的超大点数FFT快速算法。该算法采取限定序列划分规则、改变铰链因子计算方法和优化数据分布及存储访问等手段,大大减少了对存储资源的依赖,并提升了FFT的执行性能。实测结果表明,该算法适用于SMP平台,有效地解决了单核处理器较难高效实现超大点数FFT的问题。     

结合空洞卷积的多尺度脑肿瘤分割算法

全卷积神经网络通过端到端的学习方式,实现了自动分割的目的.连续的卷积和池化操作会丢失一些像素,从而使感受野的大小受到限制,提出了一种基于空洞卷积的多尺度特征提取模块(Multi-scale Feature Extraction Block based on Dilate Convolution,MD),MD模块的输出包含了多尺度特征信息;增加损失函数中关于肿瘤区域的学习权重,解决类别不平衡问题;通过添加归一化层解决梯度消失的问题.多尺度特征提取的全卷积神经网络对完整肿瘤、核心区域、增强区域的分割的DSC评价分别为0.86、0.71、0.63,实验证明算法可以有效地保留肿瘤区域的细节信息和提高灰度相似区域的鉴别能力.     

卷积积分与卷积和解法分析

卷积运算在信号与系统理论、控制理论和动态电路的分析中具有重要意义．文中主要讨论卷积积分与卷积和的图解法比较，在此基础上，给出了他们各自的简易算法，并举例说明了其应用方法．     

太赫兹波纹圆波导模式变换器的优化设计

提出一种基于复功率守恒技术(CCPT)的广义散射矩阵(GSM)优化方法设计太赫兹波纹圆波导模式变换器。与传统的基于耦合波理论(CWT)的优化方法不同, 广义散射矩阵法对模式变换系统进行准确的全波分析,避免了耦合波方程组在计算反向波幅值时的数值计算困难,缩短了计算时间。广义散射矩阵法、耦合波法和HFSS仿真法结果吻合很好,前者耗费时间远小于后两者。该研究为太赫兹源的径向渐变波纹圆波导模式变换器研究提供了一种重要的理论分析手段。     

Design and Optimization of Winograd Convolution on Array Accelerator

With the rapid development and popularization of artificial intelligence technology, convolutional neural network(CNN) is applied in many fields, and begins to replace most traditional algorithms and gradually deploys to terminal devices. However, the huge data movement and computational complexity of CNN bring huge power consumption and performance challenges to the hardware, which hinders the application of CNN in embedded devices such as smartphones and smart cars. This paper implements a convolutional neural network accelerator based on Winograd convolution algorithm on field-programmable gate array (FPGA). Firstly, a convolution kernel decomposition method for Winograd convolution is proposed. The convolution kernel larger than 3×3 is divided into multiple 3×3 convolution kernels for convolution operation, and the unsynchronized long convolution operation is processed. Then, we design Winograd convolution array and use configurable multiplier to flexibly realize multiplication for data with different accuracy. Experimental results on VGG16 and AlexNet network show that our accelerator has the most energy efficient and 101 times that of the CPU, 5.8 times that of the GPU. At the same time, it has higher energy efficiency than other convolutional neural network accelerators.     

已知控制点反推圆曲线的方法

推导出了与直线或圆弧相切通过控制点的圆曲线半径和圆心点坐标的计算公式，介绍了该公式在ＭＥＣＡＤ软件中的应用情况．     

基于改进Fisher准则的深度卷积神经网络识别算法

为了有效利用深度学习技术自动提取特征的能力,并解决当训练样本量减少或者迭代次数降低时识别性能急速下降的问题,提出了基于Fisher准则的深度学习算法.该方法在前馈传播时,采用卷积神经网络自动提取图像的结构信息等特征,同时利用卷积网络共享权值和池化、下采样等方法减少了权值个数,降低了模型复杂度;在反向传播权值调整时,采用了基于Fisher的约束准则.在权值的迭代调整时既考虑误差的最小化,又同时让样本保持类内距离小,类间距离大,从而使权值能更加快速地逼近有利于分类的最优值,当样本量不足或训练迭代次数不多时可有效地提高系统的识别率.大量的实验结果证明:该基于Fisher准则的混合深度学习算法在标签样本不足或者较少训练次数的情况下依然能达到较好的识别效果.     

分数卷积的另一种表达形式

从分数傅立叶变换的光学定义入手,重点探究光学分数傅立叶变换的卷积性,给出了其光学性质的解析表达式,诠释了光学实现的物理含义。     

应用卷积公式的一种方法——直线作图法

卷积公式在很多学科领域都具有广泛的应用而直接应用卷积公式进行计算常常是比较困难的.本文作者给出了一种计算卷积的有效的简便的方法.该方法易于操作.     

求解非系统卷积码监督矩阵算法的研究

文章首先讨论了齐次线性方程组解的结构及其有关定理,然后重点研究了利用线性方程组基础解系来确定卷积码监督矩阵的方法,最后通过实际例子说明用解线性方程组求卷积码监督矩阵的方法和步骤。