结合双语义数据增强与目标定位的细粒度图像分类

细粒度图像分类旨在对属于同一基础类别的图像进行更细致的子类划分,其较大的类内差异和较小的类间差异使得提取局部关键特征成为关键所在。提出一种结合双语义数据增强与目标定位的细粒度图像分类算法。为充分提取具有区分度的局部关键特征,在训练阶段基于双线性注意力池化和卷积块注意模块构建注意力学习模块和信息增益模块,分别获取目标局部细节信息和目标重要轮廓这2类不同语义层次的数据,以双语义数据增强的方式提高模型准确率。同时,在测试阶段构建目标定位模块,使模型聚焦于分类目标整体,从而进一步提高分类准确率。实验结果表明,该算法在CUB-200-2011、FGVC Aircraft和Stanford Cars数据集中分别达到89.5%、93.6%和94.7%的分类准确率,较基准网络Inception-V3、双线性注意力池化特征聚合方式以及B-CNN、RA-CNN、MA-CNN等算法具有更好的分类性能。     

MECS拓扑网络微电路的研究与实现

针对现有拓扑网络路由节点传输数据时跳数过多,网络直径大和负载不均匀等问题,采用一种多点专用通道(MECS)拓扑网络结构,在XY方向采用广播方式,使源地址到目的地址最多经过2个路由器节点.在原基础上对输入缓冲区用虚拟通道改进,输出端用交叉开关调度控制并行执行,同时对需要实时通信的业务进行优先传输,达到了缩短网络直径,降低功耗的目的.用Modelsim仿真可知,实现了减少平均时延,提高吞吐量,而且提高了网络性能和服务质量的目的.     

基于知识蒸馏与改进ViT网络的花卉图像细粒度分类

由于自然条件下拍摄的花卉图像背景复杂,而且其存在类内差异性大和类间相似性高的问题,现有主流方法仅依靠卷积模块提取花卉的局部特征难以实现准确的细粒度分类。针对上述问题,本文提出了1种高精度、轻量化的花卉分类方法(ConvTrans-ResMLP),通过结合Transformer模块和残差MLP(multi-layer perceptron)模块实现对花卉图像的全局特征提取,并在Transformer模块中加入卷积计算使得模型仍保留提取局部特征的能力;同时,为了进一步将花卉分类模型部署到边缘设备中,本研究基于知识蒸馏技术实现对模型的压缩与优化。实验结果表明,本文所提出的方法在Oxford 17、Oxford 102和自制的Flowers 32数据集上的准确率分别达98.62%、97.61%和98.40%;知识蒸馏后本文的轻量化模型的大小约为原来的1/18,而准确率仅下降2%左右。因此,本研究能较好地提升边缘设备下花卉细粒度分类的效率,对促进花卉培育的自动化发展具有切实意义。     

自主设计精简指令集的流水线CPU

介绍了基于FPGA平台,设计16位精简指令集流水线CPU.该CPU参考MIPS架构设计精简指令集,通过分析指令处理过程实现五级流水线结构,结合"预测技术"和数据前推方法解决流水线相关问题.为了支持CPU软件架构,设计指令集的汇编编译器.在Modelsim平台运行测试程序,给出仿真综合结果.通过试验结果对比表明,所设计的CPU处理过程所需时钟周期大大减少.     

单触发Petri网的一个可达性判定方法

可达性判定问题是Petri网理论研究的一个重要课题.已有文献提出通过构造Petri网的可达树或可覆盖树来分析其可达性,但其中无界量ω的引入导致了无界Petri网运行过程中的信息丢失,使其可达性无法得到判定.众所周知,对于有界Petri网,通过构造其可迭性树或可达标识图来判定其可达性是容易的,但对于大量存在的无界Petri网,找到一个能判定其可达性的一般性算法却不太容易.本文给出一个Petri网子类--单触发Petri网,并给出它的一个可达性判定方法.     

基于CGAN网络的二阶段式艺术字体渲染方法

艺术字体渲染是媒体排版的重要技术之一.如何提供一种高效的艺术字体渲染方法来实现生成艺术字体的特效多样化与清晰化是亟待解决的问题.本文借助条件生成式对抗网络（Conditional Generative Adversarial Networks,CGAN）,提出一个包括风格化处理和清晰化处理的二阶段式艺术字体渲染方法,对字体实现高效的特定效果渲染.首先,风格化处理是通过构建风格化网络模型对多样化的字体进行各种不同的2D或3D特效渲染;然后,构建清晰化网络模型对生成的艺术字体图进行清晰化处理,这克服了单一GAN网络生成图模糊的缺陷.实验结果表明,二阶段式艺术字体渲染方法所生成的特效字体的纹理细节较为丰富,不受限于文字骨架,而且字体清晰度也得到较大提升;同时,该方法对字体的特效渲染批量化处理效率也明显提高,具有较强实用价值.     

基于NGOD架构的VOD系统边缘设备接口设计

为方便数字电视设备商能够开发出满足互动服务中边缘资源管理系统的功能要求,设计并实现了一种基于NGOD架构的对边缘资源注册监控与管理分配的接口。边缘设备通过该接口与ERM交互,使VOD系统中的边缘资源可以得到合理高效的使用。实验结果表明,采用D6,R6接口的EdgeQAM能够顺利挂载在广东省网高清互动平台。     

多用户多载波无线携能通信系统的上下行联合资源分配

无线携能通信(SWIPT)技术是解决无线网络能量受限问题的有效方法,该文研究一个由基站(BS)和多用户组成的多载波SWIPT系统,其上行和下行链路均采用正交频分复用(OFDM)技术。在下行链路中,基站向用户同时进行信息与能量传输;在上行链路中,用户利用从基站接收的能量向基站回传信息。该文以最大化上下行加权和速率为目标,联合优化上行和下行的子载波分配和功率分配,提出基于拉格朗日对偶法和椭球法的最优联合资源分配算法。计算机仿真结果证实了该算法的有效性。     

类脑机的思想与体系结构综述

经典计算机的理论边界在1936年就由图灵确定了,冯·诺依曼体系结构计算机也受限于图灵机模型.囿于神经形态器件的缺失,神经网络模型一直在经典计算机上运行.然而,冯·诺依曼体系结构与神经网络的异步并行结构及通信机制并不匹配,表现之一是功耗巨大,发展面向神经网络的体系结构,对于人工智能乃至一般意义上的信息处理都是重要方向.类脑机是仿照生物神经网络、采用神经形态器件构造的、以时空信息处理为特征的智能机器.类脑机的思想在计算机发明之前就提出了,研究开发实践也已经进行了30多年,多台类脑系统已经上线运行,其中SpiNNaker专注于类脑系统的体系结构研究,提出了一种行之有效的类脑方案.未来20年左右,预计模式动物大脑和人脑的精细解析将逐步完成,模拟生物神经元和神经突触信息处理功能的神经形态器件及集成工艺将逐步成熟,结构逼近大脑、性能远超大脑的类脑机有望实现.类脑机像生物大脑一样都是脉冲神经网络,神经形态器件具有真正的随机性,因此类脑机具备丰富的非线性动力学行为.已证明任何图灵机均可由脉冲神经网络构造出来,类脑机在理论上是否能够超越图灵机,是需要突破的一个重大问题.     

改进鲸鱼算法在云计算资源负载预测中的应用

为了解决传统云计算资源负载预测方法对负载序列高频分量预测精度不高和泛化能力弱的缺点,提出一种混合小波包变换和正余混沌双弦鲸鱼优化（CSCWOA）算法优化多层感知器神经网络（MLP）的短期云计算资源负载预测方法。通过小波包变换对负载序列进行多频段预处理分解,然后采用CSCWOA算法优化的MLP神经网络,对单支重构所得的负载子序列进行预测;最后叠加各子序列的预测值来获取实际预测结果。实验结果表明,该方法能掌握负载序列各频段冲击毛刺的变化规律,具有较好的预测精度和泛化能力。