摘要：隧道内发生火灾时,若浓烟的扩散方向与人员逃生方向相同,则造成严重的伤亡。隧道火灾发生初期,可利用排烟风机产生大于临界风速(critical ventilation velocity)之强制通风气流,将浓烟吹往向设定之方向排出隧道,借以净空人员逃生路径,达到灾害防治之效果。已有很多学者探讨临界风速,但先前研究均设定排烟风机产生之气流"均匀"分布于隧道断面,然而实际隧道内排烟风机产生之气流"不均匀"分布于隧道断面,虽有相关规范强调离火源最近的风机不启动,以期吹进火源之通风气流接近均匀,但通风气流产生之效应仍未被完整了解,故本研究以实验及计算机模拟探讨实际隧道内排烟气流行为及对火源之影响。本研究以1∶20缩小尺度进行实验,利用油盘与两种不同火源,并设计3种排烟模式(全断面、上半断面及jet fan)及3种火源距离(距离出风口150,200,250 cm)探讨各种效应对临界风速之影响。实验发现,相同火源在全断面排烟模式所需临界风速低于jet fan排烟模式,这说明若以全断面实验所得之结果作为实际隧道排烟风机设计基准,将无法得到良好的控制浓烟流向效果。此外,上半断面及jet fan情形下通风气流与烟流有产生乱流之现象,将影响人员逃生。

摘要：深度卷积神经网络是人工智能应用中最有前途的神经网络类别之一。但是与其性能相关的计算量和计算复杂度也呈现爆炸式增长,导致了实现的高功耗和巨大的硬件成本。因此,研究基于概率计算空间编码的思想,使用电路中信号线密度模拟神经突触可塑性的工作原理,将传统乘法器复杂的运算变成了简单线与的低复杂度方式,实现了一种拟神经突触概率乘法器。并以此为基础,实现了基于多段分解的空间并行高精度概率乘法器,并提出了一种以突触可塑性计算单元为基础的低复杂度、低开销的神经网络加速器。实验使用该概率乘法器基于LeNet-5网络在MNIST上和基于VGG13的CIFAR-10上分别达到了97.99%和85.21%的正确率,与传统乘法器相比,降低了面积和功耗,提升了运行速度。同比其他神经网络加速器,提高了吞吐量、面积效率、功率效率。