计算机
无摘要
异构HPL(high-performanceLinpack)效率的提高需要充分发挥加速部件和通用CPU计算能力,加速部件集成了更多的计算核心,负责主要的计算,通用CPU负责任务调度的同时也参与计算.在合理划分任务、平衡负载的前提下,优化CPU端计算性能对整体效率的提升尤为重要.针对具体平台体系结构特点对BLAS(basiclinearalgebrasubprograms)函数进行优化往往可以更加充分地利用通用CPU计算能力,提高系统整体效率.BLIS(BLAS-likelibraryinstantiationsoftware)算法库是开源的BLAS函数框架,具有易开发、易移植和模块化等优点.基于异构系统平台体系结构以及HPL算法特点,充分利用三级缓存、向量化指令和多线程并行等技术手段优化CPU端调用的各级BLAS函数,应用auto-tuning技术优化矩阵分块参数,从而形成了HygonBLIS算法库.与MKL相比,在异构环境下,HPL算法整体性能提高了11.8%.
针对现有人脸表情合成大多依赖于数据源驱动,且存在生成效率低、真实感差的问题,提出一种基于改进CycleGan模型和区域分割的表情动画合成新方法。新方法可实时地合成新表情动画,且具有较好的稳定性和鲁棒性。所提方法在传统CycleGan模型的循环一致损失函数中构造新的协方差约束条件,可有效避免新表情图像生成时出现的色彩异常和模糊不清等现象;提出分区域训练的思想,用Dlib人脸识别数据库对人脸图像进行关键点检测,通过检测到的关键特征点将源域和目标域的人脸分割成左眼、右眼、嘴部和剩余人脸部分共4个区域块,并利用改进的CycleGan模型对每块区域单独进行训练;最后将训练结果加权融合成最终的新表情图像。分区域训练进一步增强了表情合成的真实感。实验数据来自英国萨里大学的语音视觉情感(SAVEE)数据库,在Tensorflow框架下,用python3.4软件进行实验结果的展示。实验表明,新方法无需数据源驱动,可直接在源人脸动画序列上实时地生成真实、自然的新表情序列,且对于语音视频可保证新面部表情序列与源音频同步。
近年来,随着大量设备不断地加入物联网中,数据共享作为物联网市场的主要驱动因素成为了研究热点.然而,当前的物联网数据共享存在着出于安全顾虑和缺乏激励机制等原因导致用户不愿意参与共享数据的问题.在此背景下,区块链技术为解决用户的信任问题和提供安全的数据存储被引入到物联网数据共享中.然而,在构建基于区块链的安全分布式数据共享系统的探索过程中,如何突破区块链固有的性能瓶颈仍然是一个关键挑战.为此,研究了基于区块链的高效物联网数据激励共享方案.该方案首先提出了一个高效的区块链物联网数据激励共享框架,称为ShareBC.ShareBC利用分片技术构建能够并行处理数据共享交易的异步共识区,并在云/边缘服务器上和分片异步共识区上部署高效的共识机制,从而提高数据共享交易的处理效率.然后,为激励物联网用户参与数据共享,提出了一种基于智能合约实现的层次数据拍卖模型的共享激励机制.该机制解决了物联网数据共享中涉及的多层数据分配有效性问题,能够最大限度地提高整体社会福利.最后,实验结果表明了该方案的经济效益、激励兼容性和实时性以及可扩展性,且具有较低的计算成本和良好的实用性.
在水下小目标探测与识别研究中,目标回波受水下复杂环境干扰严重。传统的水声目标识别方法是直接对水下目标进行特征提取再利用分类器识别,但由于对目标回波特征认知有限,手工提取目标特征会不可避免的丢失一部分关键信息。针对上述问题,研究了一种基于贝叶斯正则化理论的BP(BackPmpagation)神经网络识别算法。方法可以在一定程度上避免人工特征提取丢失信息的问题,提高目标识别率。依据目标亮点模型,基于贝叶斯正则化理论,推导了BP神经网络训练结果的网络性能函数,利用网络训练过程中超参数大小的自适应调整,优化网络性能,采用识别准确率和识别效率等性能参数评价效果。仿真结果表明,与传统L-M优化算法相比,基于贝叶斯正则化理论的BP神经网络算法抗干扰能力强,在优化模型的不断更新中提高了目标识别的效率和精度。
无摘要
基于智能体(Agent)的信任的情感劝说能更好地发挥Agent的各项人工智能优势。针对其中决策模型建立不够的现状,首先基于Agent的自身性格、情感衰减及外界刺激,运用大五性格、OCC情感模型及情感强度第一定律等,构建了相应的情感强度算法;其次考虑交易质量对信任的反馈,综合运用语言评价法、三角模糊数及将模糊数转换为具体分数(CFCS)算法,对Agent的交易质量进行模糊化和去模糊化处理,构建了相应的交易质量算法;再次对已有的信任更新因子进行改进后,构建了Agent的信任更新算法;最后在构建以上算法的基础上,采用交互式多准则决策(TODIM)法建立了基于Agent的信任的情感劝说决策模型,并采用熵权法对模型中的属性权重进行设定。为验证以上研究的合理性和有效性,设计了相应算例进行阐述,分析了不同参数取不同值得到的决策结果,并与相关研究进行了比较分析,得出了相应结论和管理启示,进一步归纳了不足之处和未来研究方向。
无摘要
无摘要
设计了一种基于微软Kinect的体感控制智能窗帘系统。采用微软Kinectv1传感器及其开发者工具包(SDK)和Mi-crosoftVisualStudio集成开发环境作为核心开发工具,并和基于80c51单片机的步进电机控制系统组成体感控制智能窗帘系统。能够通过Kinect体感传感器对人体肢体动作识别并做判断,并将判断结果通过串口通讯传送至单片机控制步进电机系统,从而使得通过肢体动作控制窗帘系统的开启和关闭。本系统具有动作判断准确、易于针对特殊群体进行拓展开发、使用方便等优点,在智能家居、残疾人士辅助工具方面有较大应用价值。
近年来, 基于众包的视频直播平台逐渐兴起, 以其丰富的观众-主播交互机制吸引广大用户观看. 针对直播平台的分析也随之成为流媒体服务领域的一个研究热点. 直播过程中精彩片段的自动提取对于标签生成、视频分类和内容推荐等方面而言至关重要, 然而现有的精彩片段检测大多围绕音频、视频数据本身展开, 如视频语义分析、音频情感感知等, 缺乏对用户交互属性的合理利用. 本文以斗鱼直播平台为例, 通过分析观众的发弹幕与送礼物行为, 提出了基于直播间弹幕数量时间序列和礼物价值时间序列的精彩片段自动化检测方法. 首先利用z-score方法检测序列高潮, 然后对高潮做样本标注和特征构建, 最后采用随机森林对序列高潮分类并识别内容高潮, 即精彩片段. 结果表明, 模型能够以较高的准确率完成精彩片段的自动化识别任务.
国家化、多元化的旅游业发展是目前旅游市场研究的重点,旅游外汇收入是体现旅游业发展的水平和潜力的重要标准之一。往往旅游外汇收入及其影响因素之间存在线性和非线性两种关系。利用VLBP神经网络,针对近20年相关数据建立合理的预测模型,对2020年至2025年的旅游外汇收入进行预测。同时将预测结果与时序模型预测结果进行对比,分析改善影响因素的途径,对未来涉外旅游市场开发和评价提供良好的基础。
近些年,互联网金融市场在国内外迅速发展;同时,针对互联网金融市场的研究也成为了学术界的热点.相比于传统金融市场,互联网金融市场具有更高的流动性和易变性.针对互联网金融市场的动态(日交易量和日交易次数)进行研究,提出了基于深度神经网络结构的融合层次时间序列学习的预测模型.首先,该模型可以实现对多序列(市场宏观动态序列和多种子序列)特征变量输入的处理,并且在时间和序列特征2个维度上利用注意力机制来融合输入变量.其次,模型设计了基于预测序列平稳性约束的优化函数,使得模型具有更好的稳健性.最后,在真实的大规模数据集上进行了大量的实验,结果充分证明了所提出的模型在互联网金融市场动态预测问题上的有效性与稳健性.
无摘要
无摘要
无摘要
无摘要
针对稀疏子图发现问题中使用高维稀疏向量表示网络信息存在的时间和空间消耗大的问题,提出一种基于网络嵌入的稀疏子图发现(TGF)算法。该算法首先通过网络嵌入的方法将网络结构映射到低维空间中,得到节点的低维向量表示;然后定义向量空间中的稀疏子集发现问题,将稀疏子图发现问题转化为稀疏子集发现问题;迭代搜索局部密度最低的样本点并对其进行扩张,最终找到一个满足条件的最大稀疏子集。实验结果表明,在Synthetic_1000数据集上与TERA(TriangleandEdgeReductionAlgorithm)和WK(WeightofK-hop)算法相比,TGF算法的搜索效率是TERA的1353倍,是WK算法的4倍,并且在k-line、k-triangle和k-density指标上也取得了较优的结果。
为有效利用数据进行实验室管理, 研究了实验室管理模型, 提出数据驱动的实验室智能管理流程和逻辑架构. 采用标签系统将实验室数据和实验室评估GBDT等算法模型进行分类存储, 构建以标签系统为条件的实验室智能管理平台, 实现了批处理和场景化两种模式的实验室管理. 智能管理平台扩展性强, 能在实验室全生命周期发挥作用.
无摘要