摘要：针对卷积神经网络在正向推理时的高计算复杂度与空间复杂度问题,提出了一种基于二值神经网络(Binary Neural Network,BNN)的过滤器剪枝算法(Binary Filter Pruning:BFP). BFP算法通过剪除L2范数较小的过滤器,构建剪枝压缩后的二值神经网络模型.进一步面向FPGA(Field Programmable Gate Array)平台,设计并实现了基于二值复值神经网络(Binary Complex Neural Network,BCNN)的ResNet-18加速计算模型.对二值复值卷积层与预处理过程中的卷积层,分别设计了数据预处理合并优化与数据重排序.实验结果显示,BFP算法在CIFAR-10数据集上的分类精度,比基于SLR(Surrogate Lagrangian Relaxation)的通道剪枝方法平均提高了1%.与CPU平台相比,设计的加速器在PYNQ-Z1平台上的计算性能提高了23倍.

摘要：采用图神经网络模型为整个语料库构建异构图处理文本分类任务时,存在难以泛化到新样本和词序信息缺失的问题。针对上述问题,提出了一种融合双图特征和上下文语义信息的文本分类模型。首先,为每个文本独立构建共现图和句法依存图,从而实现对新样本的归纳式学习,从双图角度捕获文本特征,解决忽略单词间依存关系的问题;其次,利用双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)编码文本,解决忽略词序特征和难以捕捉上下文语义信息的问题;最后,融合双图特征,增强图神经网络模型的分类性能。在MR,Ohsumed,R8,R52数据集上的实验结果表明,相较于经典的文本分类模型,该模型能够提取更丰富的文本特征,在准确率上平均提高了2.17%,5.38%,0.61%,2.48%。

摘要：现有的多维条码技术大多以单个码字为信息记录体,无论其密度多少,都以承载固定容量信息为基本特点.这种结构不适宜承载大容量信息,尤其是容量不确定的多媒体信息,阻碍了这种方便、实用、成本低廉的自动识别技术的广泛应用.为此,提出一种新型的多维连续型矩阵式条码(C-Matrix),以连续分布、个数可变的图形矩阵码作为条码的基本结构,理论上具有存储无限容量的数据并支持快速实时译码的特点.为实现多维C-Matrix译码的实时性,还提出了基于动态扫描线的快速定位点检测算法、双交叉动态扫描识别算法、快速的RS译码算法和统一的条码识别框架.最后完成了原型系统设计,并通过实验证明了该系统的正确性和实用性.

摘要：软件自动化测试正成为计算机应用研究的热点,ATS自动化测试系统采用了J2EE设计技术的一种新思路,能够保证测试系统跨平台和分布式控制,是一种具有开放性和灵活性的自动化测试解决方案。首先简要介绍了J2EE设计的理论和在此理论基础上设计的ATS的强大功能,然后详细阐述了ATS的设计架构,最后实现并分析了ATS的基本应用。

摘要：分析我校计算机组成与体系结构课程教学的现状和存在问题,结合实际教学经验,从教学内容设置、理论教学方法、实践教学规划、课程考核制度、师资队伍建设和综合教学平台六方面,对建设计算机组成与体系结构核心课程提供创新思路和实践经验,为进一步提高计算机组成与体系结构课程的教学效果提供参考和经验。

摘要：稀疏矩阵和矢量的乘积运算在工程实践及科学计算中经常用到,随着矩阵规模的增长,大量的计算限制了整个系统的性能,因此可以利用GPU的高运算能力加速SpMV。分析了现有GPU上实现的SpMV存在的问题,并设计了行分割优化和float4数据类型优化两种方案。实验表明,该方案可以使性能提升2～8倍。