摘要：随着深度学习应用的快速发展,神经网络模型的参数量变得越来越大,这意味着训练一个可用的神经网络模型需要更多的算力和更长的计算时间,因此如何提升神经网络训练的效率至关重要.然而训练效率在很大程度上取决于硬件后端和编译器.为了提升神经网络训练的性能,编译器的效率亟待提升,而这主要取决于计算图的优化、算子级别的优化和代码生成.主流的神经网络训练框架(如TensorFlow,PyTorch)使用了供应商特定的、通过手工设计算子获得的算子库.然而,手工设计算子浪费了大量的算子级别的优化空间,因此研究人员提出了TVM.作为一个端到端的编译器,TVM实现了算子级的自动优化,比现有框架进一步提高了性能.此外,TVM支持从多种神经网络框架中导入神经网络模型,并在不同主流硬件后端上部署.然而,TVM的注意力集中于提升神经网络推理任务的性能,并不支持神经网络的训练.本文提出了TVM_(T),第一个基于TVM、支持神经网络训练的端到端编译器.为了支持神经网络训练,本文提出了以下方法.(1)合并损失函数到现有的计算图中,以支持前向和后向传播;(2)在训练过程中采用设备到主机的机制来更新权重参数;(3)集成了最先进的张量程序调优器,以自动优化神经网络训练程序.实验结果表明,与PyTorch相比,TVM_(T)在Intel CPU和NVIDIA GPU上的神经网络训练性能达到了最高4.88倍的提升;与TensorFlow相比,TVM_(T)在Intel CPU和NVIDIA GPU上的神经网络训练性能达到了最高11.5倍的提升.

摘要：大数据场景下,远程云服务器通常被部署用于数据处理与价值挖掘,但在面对时延敏感型或需要动态频繁交互的业务时,该种处理模式显得力不从心.作为对云计算模式的补充,雾计算因其可有效降低任务处理时延、能耗与带宽消耗而备受关注;同时,面向雾计算的计算迁移机制因其能有效缓解节点的处理负担并改善用户体验而成为领域研究焦点.在雾计算模式下,为了更好地满足计算密集型任务对时延与能耗的要求,基于区块链赋能物联网场景,本文提出了一种联合资源分配与控制的智能计算迁移方案.具体地,规划了一个在时延、能耗与资源约束下的最小化所有任务完成总成本的优化问题,其总成本构成综合考量了时延、能耗和挖掘成本,通过对通信、计算资源与迁移决策的联合优化,实现总成本的最小化.为完成任务迁移,终端以矿工的身份向雾节点挖掘(租借)计算资源,所提出的基于区块链技术的激励机制可充分调动终端和雾节点参与计算迁移的积极性并保障交易过程的安全性,设计的奖励分配规则可保证成功挖掘资源终端收获奖励的公平性.为解决上述规划的优化问题(即混合整数非线性规划问题),提出了一个联合通信、计算与控制的智能计算迁移算法,该算法融合深度确定性策略梯度算法思想,设计了基于反梯度更新的双“行动者-评论家”神经网络结构,使训练过程更加稳定并易于收敛;同时,通过对连读动作输出进行概率离散化运算,使其更加适用于混合整数非线性规划问题的求解.最后,仿真结果表明本文方案能以较快的速度收敛,且与其他三种基准方案相比,本文方案的总成本最低,例如,与其中性能最好的基于深度Q学习网络的计算迁移方案相比,总成本平均可降低15.2%.

摘要：在处理复杂计算任务时,来自不同人群的大量异构数据会在异构网络中产生异常值和噪声,这极易导致推荐算法性能低下。针对此类问题,文章提出了一种基于物品和用户的协同过滤个性化推荐算法,并在Hadoop平台下实现算法的分布式并行化。首先,基于皮尔森相关和余弦相似度的方法,在其相似度计算中引入评分贡献权重函数;其次,构造异构网络,通过对权重函数的设计,计算物品相似性,进而实现了离群点敏感性的钝化;最后,在Hadoop平台下,分别对基于物品和用户的异构网络的协同过滤推荐算法在影视数据集上进行验证。实验结果表明,该算法能有效提高推荐算法的准确率和实时性,改善网络监测质量,延长网络生存时间。

摘要：针对认知无线电系统,设计了一种基于滤波器组的多滤波器联合能量频谱感知算法。分析了算法的基本原理,给出了算法的流程,并以信噪比为参数说明了算法的优越性。仿真验证算法的检测概率与漏失概率,并对经典滤波器组的能量频谱感知算法的检测概率与漏失概率进行了比较,结果表明:本算法性能优于经典滤波器组能量频谱感知算法的性能。

摘要：针对当前基于普通光源的瞳孔定位算法主要适用于眼睛开度较大、眼球较完整的问题,提出一种适用于多姿态眼球的瞳孔定位算法.该算法在采用Adaboost进行人脸检测后,利用多分辨率ASM技术进行面部关键点分析并实现眼睛定位;在眼睛定位的基础上,利用滑动窗口技术遍历整个眼部图像,并根据眼睛的灰度分布特点采用2级灰度信息分析的方法进行瞳孔定位.实验结果表明:在光线分布比较合理的情况下,采用文中算法不仅可以在眼睛开度正常、瞳孔较完整的情况下进行瞳孔定位,当瞳孔位于眼睛边缘、眼睛开度较小等瞳孔不完整的情况下也具有良好的定位效果.

摘要：以窗函数法设计线性相位FIR数字滤波器为例,介绍用MATLAB工具软件设计数字滤波器的方法和在定点DSP上的实现。給出了基于TMS320VC5416的实现程序,并将其加载到实验板上实时运行。文中还讨论了定标、循环寻址等在DSP上实现的关键问题。

摘要：在针对城市车载ad hoc网络性能的仿真实验中发现,丢包率是影响和衡量城市VANET网络性能的重要指标。为此应用ns-2工具在节点密度和速度变化两种情况下设计了仿真实验并提出了对网络丢包率和丢包因素的分析。通过研究网络中报文的所有丢弃因素与网络丢包率之间的相关性和相关程度,指出了影响城市车载ad hoc网络丢包率的本质因素,针对这些因素的进一步研究会有助于降低丢包率和优化网络性能。

摘要：为显著提高路由决策性能,在信息熵的基础上提出了用熵值定量描述链路稳定性的算法;同时综合考虑用户带宽的个性化需求,在多路径路由协议(AOMDV)的基础上设计出一种适用于城市车载Ad hoc网络的QoS路由协议BLS-AOMDV。理论分析论证了BLS-AOMDV协议的有效性及可行性。基于NS2的仿真结果表明,新协议在丢包率、时延、路由开销上都要优于传统的AOMDV多路径路由协议,因此更加适合于城市VANETs应用范畴。

摘要：针对认知无线电网络中出现的模仿主用户攻击问题,提出一种基于HASH匹配技术的解决方案。当主用户网络工作时,主用户基站在要传输的数据上附加用于HASH计算的原始数据,然后将它们发送出去,认知用户先对接收到的那些原始数据做HASH计算,然后将计算结果同预先保留的HASH值相比较。如果匹配成功,则证明有主用户出现。方案充分利用HASH函数计算速度快的特点,保证认知用户及时切换频谱,避免干扰主用户正常工作,利用HASH函数单向不可逆的特点保证了方案的安全性。给出了具体的设计方案。通过与相关方案比较,该方案具有安全、高效、可行的特点,能有效解决认知用户网络中出现的模仿主用户攻击问题。

摘要：针对Ad hoc网络时延受限的Steiner树问题,设计一个分布式的快速启发式算法DCST,该算法通过对网络中节点进行标号,并根据标号修改节点间的关联关系,建立一棵时延受限的Steiner树。在网络节点保持时间同步的前提下,算法的时间复杂度为O(n)。与现有经典的Steiner树算法相比,该算法具有明显优势。