文献搜索-钛学术文献服务平台

1.【期刊】卷积计算的数据并行实现方法

刊名：微电子学与计算机

发表时间：2003-01-01

摘要:

基于局部线性滤波函数的大多数图像处理操作,都可以表示成图像数据与一个权值样板的卷积.对于N×N的图像和M×M(M＜N)的模板,卷积算法在单处理机上用传统的方法实现需要O(N2M2)时间.显然它应当采用数据并行的处理方法来实现.本文较详细地讨论了卷积算法在局部寄存器个数受限与不受限情况下的两维处理元阵列的数据并行实现方法,提出了一种适用于具有有限局部寄存器的-维处理元阵列的卷积并行算法,并对算法的复杂度进行了分析.

卷积计算数据并行二维处理元阵列一维处理元阵列

下载 0

被引 0

 获取原文

2.【期刊】基于卷积神经网络的数字分类器的研究与优化

作者：李亚杜阔

刊名：现代电子技术

发表时间：2019-05-01

摘要:

数字识别在邮政编码、车牌数字检测识别等场景有着广泛的应用.以Lenet-5卷积神经网络为基础,研究卷积计算量过大和预测速度慢的问题.对不同的卷积层(首层、中间层、尾层)和网络结构进行了改进和优化,采用不同组合的方案使卷积核连接数减少一定的数量,进行仿真实验.实验结果表明,保证在同一准确率的前提下,综合考虑迭代次数和预测时延,在C3层(中间层)做优化最为合适,总结出的规律和方法也可对复杂卷积神经网络优化提供参考,满足实时性要求高、大数据量的应用场景.

数字分类器卷积神经网络卷积计算数字识别网络结构优化仿真实验

下载 0

被引 0

 获取原文

3.【期刊】基于MPI的卷积计算并行实现

作者：马可高剑鲁金

刊名：计算机测量与控制

发表时间：2016-01-01

摘要:

针对传统的卷积并行计算模型中,存在着大量的消息传递,负载不均衡等问题;提出一种新的基于MPI同步模型的并行卷积算法;该模型采用消息传递的方式进行进程间的通信,同时有效平衡负载,避免大量的消息传递;通过分析该模型的加速比和效率,实验结果表明,此方法显著提高了并行效率和长序列的运算速度,充分发挥了节点间分布式存储和多核并行处理的优势,是一种有效可行的并行策略.

卷积计算并行消息传递接口负载平衡

下载 0

被引 0

 获取原文

4.【期刊】基于矩阵转换的卷积计算优化方法

作者：方玉玲陈庆奎

刊名：计算机工程

发表时间：2019-07-01

摘要:

提出一种基于矩阵转换的高效卷积计算优化方法MCFA.根据输出矩阵的宽度和卷积核大小对输入矩阵进行分块,通过im2col方法转换输入矩阵子块和核函数矩阵,利用计算统一设备架构中封装的矩阵-矩阵乘法加速库提升卷积计算的速度.在此基础上,将输出子块按序排列,最终得到完整的输出矩阵.实验结果证明,该方法相比im2col方法能节省61.25％的计算空间,相比MEC方法能提高20.57％的计算速度,且在分块情况下可以缓解大输入矩阵引起的缓存压力,提高缓存利用率.

深度学习卷积计算直接卷积矩阵分块计算统一设备架构卷积优化

下载 0

被引 0

5.【期刊】一种可配置的CNN协加速器的FPGA实现方法

作者：蹇强张培勇王雪洁

刊名：电子学报

发表时间：2019-07-01

摘要:

针对卷积神经网络中卷积运算复杂度高而导致计算时间过长的问题,本文提出了一种八级流水线结构的可配置CNN协加速器FPGA实现方法.通过在卷积运算控制器中嵌入池化采样控制器的复用手段使计算模块获得更多资源,利用mirror-tree结构来提高并行度,并采用Map算法来提高计算密度,同时加快了计算速度.实验结果表明,当精度为32位定点数/浮点数时,该实现方法的计算性能达到22.74GOPS.对比MAPLE加速器,计算密度提高283.3％,计算速度提高了224.9％,对比MCA(Memory-Centric Accelerator)加速器,计算密度提高了14.47％,计算速度提高了33.76％,当精度为8-16位定点数时,计算性能达到58.3GOPS,对比LBA(Layer-Based Accelerator)计算密度提高了8.5％.

卷积神经网络 FPGA 嵌入式卷积计算并行算法

下载 0

被引 1

6.【期刊】MCC-SIMD数据并行卷积计算方法的研究

作者：张发存赵晓红王虑沈绪榜

刊名：计算机工程

发表时间：2004-09-01

摘要:

主要研究卷积计算的数据并行方法在MCC-SMD计算机的设计和实现问题.在参考国内外现有资料的基础上,从图论的角度用卷积路径的方法对卷积计算的有关概念进行了严格的形式化定义;分析了4-连接卷积路径下数据并行卷积计算时处理元阵列的移动规律;在此基础上给出了数据并行卷积计算算法;最后对算法的计算复杂性和通信复杂性进行了简要分析.文中还对有关结论进行了证明.

数据并行卷积计算卷积路径

下载 0

被引 4

7.【期刊】基于卷积计算的多层脉冲神经网络的监督学习

作者：张玉平蔺想红

刊名：计算机工程与科学

发表时间：2015-02-01

摘要:

针对脉冲神经元基于精确定时的多脉冲编码信息的特点,提出了一种基于卷积计算的多层脉冲神经网络监督学习的新算法.该算法应用核函数的卷积计算将离散的脉冲序列转换为连续函数,在多层前馈脉冲神经网络结构中,使用梯度下降的方法得到基于核函数卷积表示的学习规则,并用来调整神经元连接的突触权值.在实验部分,首先验证了该算法学习脉冲序列的效果,然后应用该算法对Iris数据集进行分类.结果显示,该算法能够实现脉冲序列复杂时空模式的学习,对非线性模式分类问题具有较高的分类正确率.

脉冲神经网络监督学习卷积计算梯度下降

下载 0

被引 4

8.【期刊】基于卷积神经网络的数字分类器的研究与优化

作者：杜阔李亚

刊名：现代电子技术

发表时间：2019-05-01

摘要:

数字识别在邮政编码、车牌数字检测识别等场景有着广泛的应用.以Lenet-5卷积神经网络为基础,研究卷积计算量过大和预测速度慢的问题.对不同的卷积层(首层、中间层、尾层)和网络结构进行了改进和优化,采用不同组合的方案使卷积核连接数减少一定的数量,进行仿真实验.实验结果表明,保证在同一准确率的前提下,综合考虑迭代次数和预测时延,在C3层(中间层)做优化最为合适,总结出的规律和方法也可对复杂卷积神经网络优化提供参考,满足实时性要求高、大数据量的应用场景.

数字分类器卷积神经网络卷积计算数字识别网络结构优化仿真实验

下载 0

被引 1

9.【期刊】全卷积神经网络研究综述

作者：章琳袁非牛张文睿曾夏玲

刊名：计算机工程与应用

发表时间：2020-01-01

摘要:

近年来,全卷积神经网络发展迅猛,在多个视觉研究领域表现出了非常亮眼的成绩.重点收集了近几年的高质量文献,对其中提出的全卷积方法进行分析总结,力求让读者通过对研读,对全卷积神经网络的关键技术、研究现状和最新进展有一个比较全面的了解.将收集到的文献,按照研究领域的不同进行分类汇总,重点提取几个研究非常活跃的领域,详细介绍一些非常具有代表性的算法,并重点介绍了各种方法的精髓所在,同时还对近一年来的最新研究进展进行了概述.通过对大量文献的梳理研究,总结出全卷积神经网络在近几年取得的成就,分析各种方法的优缺点,根据全卷积神经网络目前还存在的一些问题,归纳出未来可能的发展方向.

全卷积神经网络卷积计算深度学习视觉研究

下载 0

被引 4

10.【期刊】一维量子卷积计算

作者：闫茜茜王鹏程刘兴云

刊名：计算机工程与应用

发表时间：2020-08-01

摘要:

研究了一维信息编码为量子态后进行量子卷积计算的量子线路模型.基于量子图像表示和经典信息的卷积算法,设计出了一维量子卷积计算的量子线路结构,表明量子卷积计算可以以O(n2)的复杂度计算卷积.与经典卷积相比,量子卷积计算由于利用量子并行计算在计算速率上达到了指数级的加速,为量子卷积神经网络卷积层的设计实施作铺垫.

量子门卷积计算量子线路

下载 0

被引 0

文献类型

学科分类

核心收录

年份

来源