基于LS-SVR的提升小波自适应算子构造方法与应用

小波变换已经广泛应用于信号处理各个领域,然而为给定的信号设计合适的小波函数非常困难.提升小波变换通过设计预测算子和更新算子,可以获得具有期望特性的小波函数.提出一种提升小波自适应算子的构造方法.根据给定的维度对剖分信号进行处理,采用最小二乘支持向量回归机算法构造自适应算子,选用线性核函数实现均方误差最小化.仿真实验证明了该方法的可行性和有效性.所构造的预测算子能够反映给定信号的结构特征,适用于信号消噪和故障诊断.     

基于GA-SVM的装备保障设备报废技术鉴定方法

为提高装备保障设备报废技术鉴定的准确性,提出了一种基于支持向量机的报废技术鉴定方法.分析了报废技术鉴定主要特征,并给出了各特征的量化和预处理公式.介绍了支持向量机基本原理,并引入遗传算法对支持向量机的惩罚参数和核参数进行寻优.算例验证结果表明,与常见分类算法相比,基于高斯核的支持向量机在装备保障设备报废技术鉴定中,训练时间更短、分类精度更高.     

长向量处理器高效RNN推理方法

模型深度的不断增加和处理序列长度的不一致对循环神经网络在不同处理器上的性能优化提出巨大挑战。针对自主研制的长向量处理器FT-M7032,实现了一个高效的循环神经网络加速引擎。该引擎采用行优先矩阵向量乘算法和数据感知的多核并行方式,提高矩阵向量乘的计算效率;采用两级内核融合优化方法降低临时数据传输的开销;采用手写汇编优化多种算子,进一步挖掘长向量处理器的性能潜力。实验表明,长向量处理器循环神经网络推理引擎可获得较高性能,相较于多核ARM CPU以及Intel Golden CPU,类循环神经网络模型长短记忆网络可获得最高62.68倍和3.12倍的性能加速。