尺度自适应特征压缩跟踪

为在复杂环境中对目标进行长时间精确跟踪,提出一种尺度自适应特征压缩跟踪算法。通过结构约束性采样,获取不同尺度不同位置的扫描窗,离线计算不同尺度下的稀疏随机感知矩阵。在线跟踪时利用这些矩阵感知对应尺度的图像采样块,实现特征降维,提高运算速度。利用朴素贝叶斯分类器对降维特征判决,在线学习更新分类器参数,找出具有最高分类得分的采样块作为新的跟踪结果,实现跟踪位置及尺度的自适应更新。实验结果表明,该算法能适应目标的基本姿态变化及尺度缩放,不依赖于目标初始跟踪区域尺度选取,跟踪结果具有较强的鲁棒性。     

群时延傅里叶分解模型及其估计方法

建立了基于三角函数级数的群时延模型,并理论证明了仅采用有限阶数的三角函数群时延即可表征任意群时延对信号相关峰的影响.在此基础上,通过测量信号相关峰,并与不同三角函数群时延组合下的相关峰进行匹配搜索即可估计群时延的三角函数分解级数,从而估计得到相关峰影响等效的群时延特性.仿真中,采用该方法估计得到的群时延特性对滤波器进行...     

面向大规模卷积计算的多忆阻器阵列互连结构设计

针对现有多忆阻器阵列集成架构中存在的数据加载、读出效率低以及阵列协同灵活性差等问题,提出一种高效率、高灵活度的阵列互连架构。该架构所采用的数据加载策略支持多种权重映射模式下的数据复用,减少了片外数据访存需求;所采用的计算结果读出网络支持多个处理单元灵活组合实现不同规模卷积运算,以及计算结果的快速累加读出,进而提升了芯片灵活性和整体算力。在NeuroSim仿真平台上运行VGG-8网络进行的仿真实验表明,与MAX²神经网络加速器相比,在仅增加6%面积开销的情况下,取得了146%的处理速度提升。     

线-面传输线Taylor与Agrawal模型解的比较

基于Maxwell方程推导描述外电磁场对导线的耦合传输线模型有Taylor,Agrawal和Rachidi三种模型,每个耦合公式给出相同的传输线响应,但是它们之间又有细微的差别,Nucci和Rachidi通过数值方法验证在圆柱形雷电电磁场激励下这三种线-面传输线模型在负载终端具有相同的全电压解。本文采用解析的方法对线-面传输线Taylor模型和Agrawal模型进行研究,获得了这两个模型基于平面电磁波激励下的终端负载响应的解析解,证明了它们的解析解是相同的。也就是说,线-面传输线Taylor模型和Agrawal模型其实是对同一个解的不同描述。因此,在实际应用时,可以根据具体情况来选择不同的传输线模型进行求解。     

一种基于KNN-SVR的基因表达缺失值的估计方法

为了消除不相似基因对基因表达谱中缺失值估计的影响,提出了一种基于KNN SVR的缺失值估计方法.该方法先通过最近邻法选出与目标基因表达最相似的一组完全基因,再用这些基因通过支持向量回归对缺失值进行估计.还提出了用标准化偏差的方差来度量算法的稳定性和估计值的可信度.该方法通过对基因的过滤提高了缺失值估计的有效性.实验结果表明,KNN SVR法具有较高的估计精度和稳定性.