摘要：结构动力分析是工程设计中的重要内容,寻找高效、准确的计算方法是正确、经济地进行结构工程设计的重要保证。利用一种求解弹性动力学初边值问题的新方法——卷积型加权残值法,推导出Gurtin变分原理,并应用卷积型加权残值法计算了两种边界条件薄板的动力学问题,算例表明,方法计算精度高,计算工作量少,是计算结构动力学问题的一种有效的方法。

摘要：通用图形处理器作为卷积神经网络的核心加速平台,其处理二维、三维卷积的性能,决定着神经网络在实时目标识别检测领域的有效应用。然而,受其固有cache系统功能的限制,当前通用图形处理器架构无法实现二维、三维卷积的高效加速。针对此问题,首先提出一种L1Dcache动态旁路设计方案。该方案定义了一组能够动态反映指令访问cache特征的数据结构,并基于此数据结构定义访存特征记录表,以记录不同访存指令在请求cache时的执行状态。其次,采用优先线程块的warp调度策略来加速访存状态的采样。最后根据访存状态得出不同PC值下访存请求对L1Dcache的旁路的判定,并动态完成部分低局域性数据请求对L1Dcache的旁路。由此将L1Dcache空间保留给高局域性的数据并降低二维、三维卷积执行时的访存阻塞周期,进而提升了二维、三维卷积在通用图形处理器上执行时的访存效率。实验结果表明,相比原架构,在面向二维、三维卷积时分别带来了约2.16%与19.79%的性能提升,体现了设计方案的有效性与实用性。

摘要：针对具有多种大尺寸卷积内核的Gabor滤波器组,设计了可配置二维卷积处理器来实现硬件加速。该处理器利用FPGA(field programmable gate array)内部逻辑资源构建具有多级流水线的二维卷积运算单元,并通过子块分割及重组来支持任意尺寸的卷积运算。使用高级语言对其控制器编程来实现对卷积运算单元及数据流的配置,从而实现Gabor滤波。实验表明:使用EP2C70F896C6型FPGA工作在75MHz,对于120×90像素的灰度图像计算五尺度八方向Gabor滤波(最大尺寸为41×41像素,系数为复数)总耗时28.8ms。

摘要：近些年来,深度卷积神经网络在多项任务中展现了惊人的能力,并已经被用在物体检测、自动驾驶和机器翻译等众多应用中.但这些模型往往参数规模庞大,并带来了沉重的计算负担.神经网络的模型剪枝技术能够识别并删除模型中对精度影响较小的参数,从而降低模型的参数数目和理论计算量,给模型的高效执行提供了机会.然而,剪枝后的稀疏模型却难以在GPU上实现高效执行,其性能甚至差于剪枝前的稠密模型,导致模型剪枝难以带来真正的执行性能收益.提出一种稀疏感知的代码生成方法,能够生成高效的稀疏卷积GPU程序.首先为卷积算子设计了算子模板,并结合GPU的特点对模板代码进行了多种优化.算子模板中的源代码经过编译和分析被转换为算子中间表示模板,设计了一种稀疏代码生成方法,能够结合剪枝后的稀疏参数,基于中间表示模板生成对应的稀疏卷积代码.同时,利用神经网络执行过程中的数据访问特点对数据的访问和放置进行了优化,有效提升了访存吞吐量.最后,稀疏参数的位置信息被隐式编码在生成的代码中,不需要额外的索引结构,降低了访存需求.在实验中证明了:相对于GPU上已有的稀疏神经网络执行方法,提出的稀疏感知的代码生成方法能够有效提升稀疏卷积神经网络的性能.

摘要：传统神经网络具有过度依赖硬件资源和对应用设备性能要求较高的缺点,因此无法部署于算力有限的边缘设备和移动终端上,人工智能技术的应用发展在一定程度上受到了限制。然而,随着科技时代的到来,受用户需求影响的人工智能迫切需要在便携式设备上能成功进行如计算机视觉应用等方面的操作。为此,以近几年流行的轻量化神经网络中的卷积部分为研究对象,详细比对了各类轻量化模型中卷积构成方式的区别,并针对卷积设计的主要思路和特点进行了较为详细的阐述。首先,通过引入轻量化神经网络的概念,介绍了轻量化神经网络的发展现状和网络中卷积方面所面临的问题;然后,将卷积分为卷积结构轻量化、卷积模块轻量化和卷积运算轻量化三方面进行介绍,具体通过对各类轻量化神经网络模型中卷积设计的研究,来展示不同卷积的轻量化效果,并对其中优化方法的优缺点进行阐述;最后,对文中所有轻量化模型卷积设计的主要思路和使用方式进行了总结分析,并对其未来的可能性发展进行了展望。

摘要：提出了一种基于FPGA的卷积运算IP核的设计方法.充分利用FPGA的并行体系架构和丰富的块存储资源采用规则的模块化的设计方法并兼顾可扩展的原则完成了二维图像卷积IP核的设计,实现了实时图像卷积运算中卷积窗口大小和卷积系数的灵活调整.这种新的卷积IP核在充分节约硬件资源的前提下很好地满足了实际的应用,使得卷积运算在图像处理应用中更加灵活方便.

摘要：给出了两种实时图象３×３卷积的设计方案。为避免使用昂贵的乘法器集成电路，本文利用硬件查找表方案来降低成本、实时实现相乘运算。其中：方案一根据乘法分配律来简化硬件查找表的构成；方案二通过将８ｂｉｔ的灰度图象数据看成８个位面二值图象的叠加来实现方案的简化。文中还．提供了卷积器中可变行延迟、卷积数据变换后处理电路的设计方案。两种方案均可由市场有售的普通型号小规模集成电路较低成本实现。

摘要：为解决传统方法对存在背景噪声干扰的光斑图像分割效果不理想的问题,设计了一种基于梯度卷积的光斑图像分割算法。首先对光斑、背景、噪声的空间灰度分布特性进行分析。而后根据目标与干扰在空间灰度梯度分布特性的差别,构造适应目标尺度的梯度卷积模板,与光斑的梯度图进行卷积,从而在增强光斑特性的同时抑制了背景干扰及噪声。最后,在噪声抑制图像的基础上结合阈值分割和目标特性判别得到最终的分割结果。通过与传统光斑分割算法进行对比实验发现,该算法抗噪能力更强,有效解决了背景与噪声干扰下光斑目标的分割问题。

摘要：为增强鲁棒性和透明性,提出一种基于卷积和抖动调制的音频水印算法。以浊音帧中能量最大的子帧为标记设计一种同步机制以自动定位水印所在位置。利用卷积运算构建一个具有稳定特性的特征量,通过量化和抖动调制将水印嵌入特征量。实验结果表明,该算法可实现水印的盲提取,能够抵御多种攻击类型,在86 bps的隐藏容量下信噪比可达26 dB以上,与同类算法相比具有更强的鲁棒性和更高的透明性,且隐藏容量越小,透明性和鲁棒性越好。

摘要：在很多的嵌入式系统应用中,都有实现人工智能任务的需求.近年来,深度学习在人工智能领域取得了巨大的成功,它的成功给嵌入式系统中的人工智能应用带来了新的发展机遇.本文使用分簇架构32位DSP处理器BWDSP,对卷积神经网络中,计算时间超过90%的总计算时间的卷积计算的并行算法进行了研究.性能测试表明,本文设计的算法的性能能达到2.27GM ACS,是常规的GEM M算法的9.5倍和向量化算法的5.7倍.对比一些基于FPGA设计的卷积计算算法,算法的计算器件的平均性能是它们的1.63倍到10.85倍.