摘要：针对跨越–侧抑制神经网络(Span-lateral inhibition neural network, S-LINN)的结构调整及参数学习问题,结合生物神经系统中神经元的稀疏连接特性,依据儿童及青少年智力发展水平与大脑皮层发育之间的相互关系,提出以小世界网络连接模式进行初始稀疏化的连接自组织发育稀疏跨越–侧抑制神经网络设计方法.定义网络连接稀疏度及神经元输出贡献率,设计网络连接增长–修剪规则,根据智力超常组皮层发育与智力水平的对应关系调整和控制网络连接权值,动态调整网络连接实现网络智力的自组织发育.通过非线性动力学系统辨识及函数逼近基准问题的求解,证明在同等连接复杂度的情况下,稀疏连接的跨越–侧抑制神经网络具有更好的泛化能力.

摘要：广告推荐系统是当前针对网络广告的研究热点.在广告推荐系统中,一般利用使用基于邻域的协同过滤产生推荐,但是这种算法对数据的稀疏性有着一定要求,不适合对稀疏性太高的数据使用协同过滤.本文利用矩阵分解算法解决数据稀疏的问题,并在腾讯搜搜广告日志数据上进行实验.实验结果表明,本文提出的矩阵分解广告推荐算法弥补了数据稀疏带来的弊端,能够取得更高的准确率,召回率以及F指标,对稀疏的数据有着更高的抵抗性.

摘要：为了解决二维相控阵列及与之匹配的三维超声成像系统过于复杂的问题,提出了一种基于遗传算法的随机型稀疏阵列的优化设计方法。在这种方法中,首先根据横向分辨率的要求确定参考阵列的尺寸及加权分布,然后根据对比分辨率的要求确定稀疏阵列相对于参考阵列的稀疏率,最后利用遗传算法优化确定阵元的分布形式。通过连续波理论和基于空间冲激响应的脉冲场模型对这种稀疏阵列的声学特性进行了分析,分析结果表明,优化设计的随机型稀疏阵列具有良好的特性,它与参考阵列有几乎相等的主瓣宽度,而且不产生栅瓣,虽然其旁瓣高度与参考阵列相比略有提升,但经遗传算法优化后仍能满足高质量成像的要求。

摘要：为了减少系数抽取滤波器的乘法器个数,提出了一种基于模拟退火算法的稀疏系数抽取滤波器设计方法.该方法将系数抽取滤波器的非凸稀疏设计转化为一个寻找最稀疏的系数抽取滤波器的零系数位置集合的组合优化问题,然后利用模拟退火算法来求解该问题.该方法结合贪婪思想逐步地增加系数抽取滤波器的稀疏度,直到没有更加稀疏的设计结果存在.在每一步中将系数抽取滤波器的稀疏度固定,利用模拟退火算法来寻找满足给定设计标准的系数抽取滤波器的零系数位置集合.实验结果表明,该方法可以有效地减少系数抽取滤波器所需的乘法器个数.

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：为了对从图像中所提取的高维特征进行高效索引,考虑到图像原始高维特征所具有的内在结构化特性,结构化稀疏谱哈希索引算法是在传统谱哈希索引算法中引入结构化稀疏主成分分析,来求取图像高维特征内嵌子空间,进而实现图像索引.该算法中保持了原始图像数据特征之间的结构性信息,并使得视觉特征相似图像之间的汉明距离保持最小.实验结果表明,该算法优于位置敏感哈希、受限玻尔兹曼机、谱哈希以及稀疏谱哈希等索引算法.

摘要：利用银行网点内边缘计算设备进行客流分析、安全保护、风险防控等应用日益广泛,其中AI推理芯片的性能和功耗已经成为边缘计算设备选型的一个非常重要的因素。针对递归神经网络由数据依赖性和低数据重用性导致的功耗大、推理性能弱、能效低,难以在低功耗平台上处理等问题,利用FPGA实现了一种电压可扩展的稀疏循环神经网络(RNN)低功率加速器,并在边缘设计算设备上进行了验证。首先,对稀疏RNN进行分析并采用网络压缩的方法设计了处理阵列;其次,由于稀疏RNN的工作负载不平衡,引入电压缩放方法以保持低功耗和高吞吐量。试验表明,该方法可以显著提高系统的RNN推理速度并降低芯片的处理功耗。

摘要：局部放电超声阵列检测方法是将阵列传感器与阵列信号处理技术应用于局部放电超声检测中的一种新方法,具有信噪比高、检测可靠性高等优点。相比较满阵,稀疏阵列传感器检测系统结构简单,成本低廉,能够满足工程需要。现有的稀疏结构优化设计算法相对复杂,会影响检测的成功率和准确度。因此,文中提出一种基于降维技术的圆环形局放超声阵列传感器(circular ring partial discharge ultrasonic array sensors,CRPDUAS)的稀疏结构优化设计方法。首先将平面二维圆环形阵的搜索降维处理成对应的一维线阵的搜索,并采用遗传算法执行直线阵搜索,然后再还原为圆环形阵列结构计算其阵列性能,最终获得多个约束条件下圆环形局放超声阵列传感器的优化稀疏结构。最后对优化稀疏结构进行Music测向仿真研究,结果表明文中方法正确有效。

摘要：随着深度学习快速发展,模型的参数量和计算复杂度爆炸式增长,在移动终端上部署面临挑战,模型剪枝成为深度学习模型落地应用的关键。目前,基于正则化的剪枝方法通常采用L2正则化并结合基于数量级的重要性标准,是一种经验性的方法,缺乏理论依据,精度难以保证。受Proximal梯度方法求解稀疏优化问题的启发,本文提出一种能够在深度神经网络上直接产生稀疏解的Prox⁃NAG优化方法,并设计了与之配套的迭代剪枝算法。该方法基于L1正则化,利用Nesterov动量求解优化问题,克服了原有正则化剪枝方法对L2正则化和数量级标准的依赖,是稀疏优化从传统机器学习向深度学习的自然推广。在CIFAR10数据集上对ResNet系列模型进行剪枝实验,实验结果证明Prox⁃NAG剪枝算法较原有剪枝算法性能有所提升。

摘要：遥感成像的超分辨重建对于提高遥感对象识别成功率非常重要,但在图像重建中会出现样本训练需求量大,从而影响算法效率及重建分辨率等问题。对此,提出单一遥感图像的高低分辨影像字典学习超分辨重建算法。首先,基于现有高分辨遥感影像,经过预处理操作获得具有高低分辨特征的样本训练集;其次,设计稀疏字典联合学习训练方式,并对具有高低分辨特征的样本训练集进行处理,进而获得高低分辨稀疏字典;最后,基于荻取的高低分辨稀疏字典对高分辨遥感影像进行重建,并对所设计算法进行复杂度分析。仿真对比显示,该算法对于字典训练样本需求量较少,并可获得较好的重建效果。