课程文献中心 更多>>

关键词： 批处理矩阵乘法   深度学习编译器   图神经网络推理   自动调优  

摘要： 目前图神经网络广泛应用于生物信息、化学、社交网络等领域,实际应用中,往往需要针对单个大图或者数量众多的小图进行高效或实时推理。稀疏稠密矩阵乘法(Sparse-dense matrix multiplication,SpMM)是包括图卷积神经网络在内的诸多不同架构的图神经网络的核心算子,加速其效率对提高图神经网络(Graph Neural Networks,GNN)整体的推理效率具有重要意义。针对端到端GNN推理加速,以稀疏算子稠密化为起点,结合算子计算顺序优化、批处理计算优化,提出了TVM*-B和TVM*-M 2种GNN批处理推理的实现。其中TVM*-B和TVM*-M分别适用于邻接矩阵维度分布较离散和较集中的数据集。实验表明,对于不同领域内的小图分类任务,在相同GCN模型基础上,与DGL的批处理版本相比,TVM*-B实现了平均475.6倍的速度提升,TVM*-M实现了平均170.4倍的速度提升。

关键词： 小学语文   思维导图   名著阅读  

摘要： 名著导读是新课改后语文教材的必要组成部分,愈来愈受到师生的重视。在实际教学中,很多教师仍然以自己为主体,“传授”自己的阅读感受给学生,学生泛泛阅读,缺乏深入的思考及感悟。思维导图是一种图形化的知识组织和表达工具,通过将信息以树状图、脑图等形式呈现,促进思维的联想和整理。文章通过从名著常识、故事情节和人物分析三个方面绘制思维导图,帮助学生更好地理解和解读名著作品,提高阅读能力和阅读效果。

关键词： 超图   平衡二划分   最小割   0-1规划  

摘要： 超图平衡二划分是超大规模集成电路物理设计的重要一环。Kernighan-Lin算法和Fiduccia-Mattheyses算法等迭代优化算法是求解该NP-困难问题的常用方法。然而,这些算法具有以下缺点:一是对于较差的初始解,算法容易陷入局部最优。二是由于平衡条件的约束,顶点的移动受到诸多限制。针对上述问题,本文将超图平衡二划分问题转化为0-1规划问题,并设计了求解该问题的离散迭代算法,在一定程度上克服了传统的迭代算法受平衡条件与初始解约束的缺点。在ISPD98电路划分测试样例上,本文的算法取得了比Fiduccia-Mattheyses算法质量更高的解。在20次随机实验中,本文的平均割边数比Fiduccia-Mattheyses算法少13.2%。将本文的结果作为Fiduccia-Mattheyses算法的初始解作进一步优化,所产生的平均割边数比Fiduccia-Mattheyses算法少30.1%。不仅如此,本文的算法还可以嵌入到多级划分算法框架中,取得的平均割边数比multilevel partitioning(MLPart)少3.6%。

关键词： Cographs   Double Roman domination   Perfect double Roman domination  

摘要： Consider a graph G=(V,E).A perfect double Roman dominating function(PDRDF for short)is a function h:V→{0,1,2,3}that satisfies the condition∑_(y∈NG[x],h(y)≥1)h(y)=|{y∈NG(x):h(y)≥1}|+2 for any x∈V with h(x)≤*** weightω(h)of this function is∑_(y∈V)h(y).The perfect double Roman domination number(PDRD-number)of G,denoted byγ_(dR)^(p)(G),is defined as the minimum weight among all PDRDFs of *** article presents a comprehensive analysis of the PDRD-number of connected cographs,demonstrating that it falls within the set{2,3,4,5,6}.Furthermore,it establishes that for any integer i≥7,there is a connected cograph G such that its PDRD-number is equal to i.

关键词： 工艺流程图   工业图纸智能识别   计算机视觉   卷积神经网络  

摘要： 在工业自动化领域,数字化流程图在提高生产效率和降低成本等方面发挥着显著作用。工艺流程图是对具体生产过程进行抽象和概括,以图形化方式表示各种生产流程、设备和生产线路之间的关系和组合。在工艺流程图分析和再绘制应用中,人工识别流程图具有机械性与重复性等特点,费时费力,效率低下。为此提出了一种基于深度学习的工艺流程图智能识别方法,利用目标检测网络、OCR(Optical Character Recognition,光学字符识别)网络和图像处理算法提取工艺流程图信息,包括工业设备、标识、文本和管线等元素,实现解放人力和提高工作效率的目的。

关键词： 网络功能虚拟化   物联网   整数线性规划   虚拟网络功能转发图  

摘要： 近年来,物联网的迅速发展和其终端数量的爆炸式增长对物联网网络服务提出了更高要求。结合网络功能虚拟化(NFV)和软件定义网络(SDN)技术,对新一代物联网服务功能虚拟化和软件化,可以将网络服务表示为虚拟网络功能转发图(VNF-FG)。现有的研究主要关注VNF-FG嵌入(VNF-FGE)问题,把VNF-FG作为确定输入,忽略了VNF-FG的设计问题;又或者在设计VNF部署算法时,没有充分利用VNF-FG的图结构,使算法有一定局限性。因此,研究VNF-FG有向无环图(DAG)设计问题。针对一组到达物联网终端的服务请求,设计约束,建立一个整数线性规划(ILP)模型生成最优无环VNF-FG;以最小化虚拟节点总数为目标,提出一种高效的虚拟网络功能转发无环图设计算法,充分利用已有虚拟节点,并找出导致成环的关键VNF实例,通过反向增扩恰当数量的关键VNF以消除VNF-FG中的环路,在保证无环和最小化虚拟节点数量之间进行折中。实验结果表明,该算法与ILP模型之间的差距很小;与其他已有算法相比,在不同SFC请求数量下,该算法生成的虚拟节点个数平均降低了17.67%。

关键词： 区块链资金追踪   图挖掘   机器学习   社群检测   XGBoost(Extreme Gradient Boosting)  

摘要： 针对区块链匿名性与复杂网络结构引发的金融犯罪资金追踪难题,本文提出融合图挖掘、机器学习与深度学习的智能追踪方法。该方法通过自动化构建资金流动图网络、多维度特征工程、Node2Vec图表示学习、多阶段无监督社群检测(融合CSCAN(Clustering-based Structural Context Adaptive Network)自适应K值确定算法、嵌入式K-means、拓扑Louvain及Katz中心性)以及基于交易时序特征的XGBoost地理位置识别模型,实现端到端分析。实验表明,系统分析时间从数天缩短至分钟级,下游地址Top-5命中率达80%,地理位置推断精准率超70%(F1分数0.89),显著提升追踪效率与准确性,为区块链金融犯罪打击提供技术支撑。

关键词： ERP全景视频   纬度   CU划分   PP-CNN  

摘要： 为解决基于多功能视频编码(versatile video coding,VVC)的等距柱状投影(equirectangular projection,ERP)全景视频编码复杂度过高的问题,提出了基于预测划分卷积神经网络(predictive partition convolutional neural network,PP-CNN)的CU快速划分算法。首先,分析ERP全景视频的CU在不同纬度区域的划分特性,并将纬度特征引入到算法中。其次,建立了具有纬度和量化参数特性的全景数据集。然后,设计了轻量化的PP-CNN模型预测CU的边缘划分信息。接下来,根据PP-CNN模型输出开发了双阈值的CU快速划分决策方案以去除冗余的划分模式。最后,根据编码场景的需要设计了快速、均衡和性能三种决策模式。经过大量实验结果证明,在全帧内编码配置下,与官方测试平台VTM-14.0-360lib13.1相比,所提算法能够平均缩短39.31%~61.95%的编码时间,BDBR仅增加0.37%~1.43%,这表明该算法能够在保障编码性能的前提下实现更快的编码速度。

关键词： 慢性心力衰竭   QRS波时限   肿瘤坏死因子α刺激基因-6   瞬时受体电位通道蛋白1   预后  

摘要： 目的观察慢性心力衰竭(CHF)患者心电图QRS波时限、血清肿瘤坏死因子α刺激基因-6(TSG-6)、瞬时受体电位通道蛋白1(TRPC1)水平,并分析其与预后相关性及其对预后的预测价值。方法选取2021年1月至2023年1月郑州市中心医院收治的106例CHF患者(作为研究组)开展回顾性分析,另选取同期健康志愿者106例作为对照组。比较不同心功能分级者心电图QRS波时限和血清TRPC1、TSG-6水平,分析其与预后不良相关性,评价其对患者预后的预测价值。结果研究组心电图QRS波时限高于对照组,血清TRPC1、TSG-6水平高于对照组(P<0.05);随着心功能分级增加,QRS波时限、血清TRPC1、TSG-6水平呈上升趋势(P<0.05);预后不良者治疗后QRS波时限、血清TRPC1、TSG-6水平高于预后良好者(P<0.05);偏相关性分析显示心电图QRS波时限、血清TRPC1、TSG-6水平与预后不良呈正相关(P<0.001);心电图QRS波时限、血清TRPC1、TSG-6水平联合预测预后的曲线下面积大于单项指标预测(P<0.05)。结论心电图QRS波时限、血清TRPC1、TSG-6水平与CHF患者预后不良呈正相关,且对预后不良具有一定预测价值,联合检测其水平可提高预测效能。

关键词： 深度学习   图神经网络   切比雪夫图神经网络模型   模型优化   中小流域   径流预报  

摘要： 中小流域径流预测精度与实测降雨站点密度、分布及历史数据序列长短有关。为提高中小流域山洪预警预报精准度,本文基于图论重新定义了福建沙溪流域2000—2014年间具有显著降雨径流关系的小时级降雨-径流模型的数据结构,利用图神经网络构建“端到端”降雨-径流数据动态映射模型,通过图卷积神经网络模型(GCN)、图注意力机制模型(GAT)和切比雪夫图神经网络模型(Chebnet),对未来不同预见期的径流过程进行预测。以平均绝对误差(EMAE)为评价指标,对未来2h的预测结果与长短期记忆模型(LSTM)、门控循环单元(GRU)和人工神经网络(ANN)的预测结果进行比较。结果表明,Chebnet和GAT模型对沙溪流域预测未来1 h和2 h降雨-径流过程的非线性数据拟合能力更好,相比LSTM和GRU预测精度提高了37.3%~64.71%;Chebnet模型对未来15h内的径流预测效果较为稳定,在提高精度和适用性的同时,大幅降低了时效性的影响。本文对中小流域径流预报预警具有一定指导意义和参考价值。