基于本体的上下文建模与应用研究

为了在开放、动态的环境中建立上下文感知系统,首先需要定义一个适合于知识共享的上下文描述,即上下文建模．提出了一种基于本体的通用上下文模型,由顶层上下文本体和6种特定本体构成．结合2008年汶川地震救援应用本体,描述了应用本体与通用上下文模型之间的关系．最后结合Web服务技术,提出了上下文感知的Web服务发现方法,对上下文感知计算的应用作了初步探索．     

科学计算可视化在水下可视化战场建设中的应用

科学计算可视化作为一门新兴应用科学,为水下可视化战场建设提供了一种新的表达手段。首先介绍了科学计算可视化的基本概念,然后通过对其在水下战场建设领域的应用举例,展现了科学计算可视化在该领域的应用前景及其对潜艇战术发展的巨大推动作用。     

流媒体的RTP传输与QoS管理策略研究

应用RTP协议进行传输和实现QoS管理是当前数据传输方面的热点问题,通过分析RTP协议的结构和原理,提出了一种RTP的传输模型,实现了数据流的RTP传输,同时就RTCP协议(RTP协议的传输控制部分)对QoS的管理策略进行了理论探讨.     

基于改进蚁群算法的云计算任务调度研究

把改进的蚁群算法应用到云计算任务调度中,通过将任务在虚拟机上的一次分配作为蚂蚁的一次成功搜索,实现了虚拟机的负载均衡和调度时间的优化,提高云计算资源分配的效率。通过在Cloud Sim平台下进行仿真测试,结果显示,改进蚁群算法在负载均衡性能和总的任务调度时间方面均优于基本的蚁群算法。     

高性能异构加速器MiniGo算子优化方法

根据高性能异构加速器的特性和MiniGo的训练模式提出了一种高效的并行计算方法。对片上计算资源进行合理规划,实现异构设备之间的流水并行优化;根据异构设备间存在共享存储段设计了共享内存编码模式,减少数据传输开销;根据数字信号处理簇内具有多计算资源的特点结合算子计算-访存特性设计了不同的算子并行计算优化策略。同时,面向TensorFlow实现了一个易于使用的高性能计算库。实验结果显示,该方法实现了典型算子的多核并行计算。相对于单核,卷积算子加速比为24.69。相较于裁剪版8核FT2000+CPU,该方法训练和自博弈执行速度加速比分别为3.83和1.5。     

分布式流体系结构及其编程模型与资源管理

利用互联网资源提供大数据计算服务面临着资源异构性、动态性与通信长延迟等方面的挑战,现有分布式计算模型仍存在一些不足。运用流计算模型提出分布式流体系结构,包括分布式流编程模型与资源管理等,能够高效支持多种并行执行模式。在10个CPU-GPU异构结点上实现了原型系统,仿真实验验证了7个不同的测试用例。实验结果表明,与本地串行计算相比,分布式流体系结构可以平均提高39倍计算性能,具有较大的应用潜力。     

具有节点失效的网络可靠度的信息交互算法

提出了一种用于计算具有节点失效的网络可靠度的新计算方法。该算法依据不交化代数及协同计算的思想,采用节点信息义互的方法直接获得网络的不交化最小路集。算法简便易行,具有分布计算的特点,为大型网络系统的可靠性度计算提供了一种新的途径。     

基于移动自组网的智能战场架构理论研究

提出了一种基于移动自组网的智能战场网络架构模型,对基于移动自组网的网络架构模型及软件平台结构进行了描述,并将该模型和传统的通信模型进行了对比。分析结果表明,该智能战场架构模型将对实现智能战场起到积极的推动作用。     

用户意图的网络边缘主动计算方法

互联网端到端的设计原则没有区分端系统和网络间接口,使得用户分组处理期望无法告知网络,降低了网络效能。首次提出用户转发意图概念,端系统凭此向网络通告其意图,并借助网络边缘计算能力得以执行,实现用户意图在网络节点转发决策中的主动使能,构成新型主动表意网络i-ECAN。主动表意网络可以在视频直播加速、物联网数据融合、端系统安全认证等场景中得到应用。基于CORE模拟器构建网络演示环境,对无线网络切换和基于主动表意网络的无线网络切换的延迟进行比较,证明了主动表意网络机制的合理性和可行性。主动表意网络扩展了新的端系统和网络之间的接口,为人-网协同提供了基础。     

校准方法和存内训练相结合的忆阻器神经形态计算方法

基于忆阻器的神经形态计算架构在图像分类、语音识别等领域取得了较好的效果,但当忆阻器阵列存在低良率问题时,其性能会出现明显下降。提出一种基于忆阻器神经形态计算的校准方法和原位训练相结合的算法,利用校准方法提高乘累加计算的准确率,并利用原位训练方法降低训练误差。为了验证所提方法的性能,采用多层感知器架构进行仿真。从仿真结果来看,神经网络的精度有明显的提高(近40%)。实验结果表明,与单纯的校准方法相比,采用所提方法训练的网络精度提高了约30%,与其他主流的方法相比,所提方法训练的网络精度提高了0.29%。