摘要：提出了适合龙芯2号处理器的同时多线程处理器模型,并介绍了具体的微体系结构设计以及相应的Linux操作系统的实现方案.通过在设计的龙芯2号同时多线程处理器上启动Linux操作系统,并运行应用程序,例如SPEC CPU2000,进行性能评测.结果表明,龙芯2号同时多线程处理器通过挖掘线程级并行性,将龙芯2号处理器的性能提高了31.1%.

摘要：针对网格非合作资源共享环境中的资源共享管理问题,提出了基于虚拟货币的网格资源共享管理方法,设计了具有闭环特征的虚拟货币使用模式,定义了基于单位时间的资源费用模型,并提出了基于定期受限的资金注入及资源计费策略.实验结果表明,基于虚拟货币的网格资源共享管理,可以通过津贴帐户资金注入最大值的调整实现用户资源使用区分对待,并确保用户通过资源贡献实现更好的作业执行效率.

摘要：以不增加新点的方式将多边形剖分为一些凸多边形,并基于这些多边形的边建立二叉树进行管理.裁剪计算时,根据二叉树快速地找到与被裁剪线有相交的凸多边形,然后运用高效的凸多边形裁剪算法进行线裁剪.该方法能自适应地降低裁剪计算的复杂度,使其在O(logn)和O(n)之间变化,并在大多数情况下小于O(n),其中n是多边形边数.虽然该方法需要进行预处理,但在许多应用(如多边形窗口对多边形的裁剪)中,其总执行时间(包括预处理时间和裁剪时间)比已有的不需要预处理的裁剪算法少很多.

摘要：介绍了ServerScope集成性能评测系统框架结构的设计与实现。实践证明,利用框架技术显著降低了性能评测软件的开发成本和周期,其可维护性、可扩展性、易用性能较好地满足不同用户的评测需要。

摘要：以三维网格模型的微分几何信息为依据,结合视点相关和视点无关的线绘制方法,提出一种基于GPU的实时绘制算法.基于视点曲率在图像空间中计算提取视点相关特征线,同时利用风格化纹理和主曲率信息绘制视点无关特征线.根据三维模型信息与预设计的风格化纹理,在像素着色器中对视点相关和视点无关的2类特征信息进行计算,然后结合两者结果得到令人满意的绘制结果.实验结果表明,由于所有计算在图像空间由GPU并行完成,可以高效地提取特征线;采用风格化纹理的设计增加了图像空间风格化绘制的可控性,弥补了图像空间算法的风格化可控性差的缺点.此外,文中算法不仅可以进行实时的风格化线绘制,以该算法为基础还可以进行进一步的艺术仿真,如国画的模拟等.

摘要：MapReduce等计算框架的出现开启了大数据处理新纪元,以Hadoop,Spark为代表的大数据处理系统具有大吞吐率、跨平台、高可扩展的优势,并得到广泛应用.然而,为避免与具体的操作系统、硬件平台绑定,这些系统的设计与优化集中在计算模型、调度算法等方面,无法充分利用底层平台的优势.提出了一种基于正交分解的大数据处理系统设计与优化方法,将系统分解为松耦合的多个功能正交的模块,使存储、处理功能分离出来,交给能够利用底层平台操作系统甚至硬件资源的存储、执行引擎,原大数据系统退化为调度平台;进而,提出基于锁无关机制的存储底层优化策略和基于指令超级优化的执行引擎底层优化策略.以此为指导,以Hadoop作为兼容和改进的对象,实现了原型大数据处理系统***既能保持Hadoop的跨平台、高可扩展的优势,又能消除任务执行的瓶颈,其本地化的设计与优化手段对非Hadoop平台同样有效.通过在原型系统上的实验证明,Arion能够提升大数据处理任务的执行效率,最高达7.7%.

摘要：根据基于时序逻辑和ＸＹＺ系统思想的多媒体数据描述模型，设计并实现了一种新的多媒体编著语言ＭＡＬ（ｍｕｌｔｉｍｅｄｉａａｕｔｈｏｒｉｎｇｌａｎｇｕａｇｅ），该语言具有抽象描述、同步描述、逐步求精设计的描述等能力，将多媒体节目中媒体对象的建模和多媒体节目的设计过程在一个统一的框架内进行描述．以该语言实现为核心，研制了一个交互式可视多媒体编著环境．

摘要：低地球轨道LEO(LowEarthOrbit)卫星系统因能够提供多媒体通信服务而成为卫星通信研究的热点 .由于LEO卫星相对地面高速运行和其网络拓扑结构的快速动态变化 ,路由问题一直是LEO卫星网络重点解决的难题之一 .该文介绍了LEO卫星网络中路由及其相关技术方面的一些工作 ,分析了LEO卫星网络的拓扑结构特点 ,然后着重对LEO卫星网络的路由机制进行分类和描述 ,特别说明LEO卫星网络的切换对路由的影响 ,最后提出设计LEO卫星网络路由机制应考虑的主要方面 .

摘要：近年来,新兴的图神经网络因其强大的图学习和推理能力,得到学术界和工业界的广泛关注,被认为是推动人工智能领域迈入“认知智能”阶段的核心力量.图神经网络融合传统图计算和神经网络的执行过程,形成了不规则与规则的计算和访存行为共存的混合执行模式.传统处理器结构设计以及面向图计算和神经网络的加速结构不能同时应对2种对立的执行行为,无法满足图神经网络的加速需求.为解决上述问题,面向图神经网络应用的专用加速结构不断涌现,它们为图神经网络定制计算硬件单元和片上存储层次,优化计算和访存行为,取得了良好的加速效果.以图神经网络执行行为带来的加速结构设计挑战为出发点,从整体结构设计以及计算、片上访存、片外访存层次对该领域的关键优化技术进行详实而系统地分析与介绍.最后还从不同角度对图神经网络加速结构设计的未来方向进行了展望,期望能为该领域的研究人员带来一定的启发.

摘要：本文简要介绍了人工神经网络方法的基本原理,报道了应用神经网络方法进行材料性能分类与预测的结果.说明本方法对于新材料性能的预测具有一定的可靠性.作者还将神经网络方法用于化工过程的故障诊断,同样获得了令人鼓舞的结果.