运算速度

摘要： 数及其运算是数学研究的主要对象之一。提高学生的运算能力,则是小学数学教学的重要任务之一。珠心算作为效率比较高的人工计算方式之一,其与笔算有着密切的联系。珠心算的运算顺序是从左至右,在脑中建立珠像图。在小学低年段的教学中,利用珠心算给学生建立起直观的形象,有利于他们运算速度的提高和准确率的提升。

摘要： 简便运算能力,指学生在认识数以及掌握四则运算法则的基础上,利用运算定律和运算性质,正确、灵活、迅速地解决相关计算问题的能力。简便运算可以帮助学生减轻思维负担,提高运算速度和准确率。小学阶段,如何提高学生的简便运算能力呢?

摘要： 数学具有较强的逻辑性、抽象性,是小学阶段的重要学科。在新课程改革的不断推进下,培养学生的运算能力已成为小学数学教学的主要目标之一。但由于小学阶段的学生年龄较小,课堂中也难以长时间保持注意力,在数学学习上存在一定难度,运算速度慢、效率低、质量差等问题较为常见。因此,为了实现培养学生数学运算能力这一教学目标,教师必须深入分析现阶段运算教学中所存在的问题,积极更新自身教学理念,结合实际情况探索出提升学生数学运算能力的有效策略。同时,在应用不同策略过程中,教师还要对教学策略进行不断优化,以丰富数学课堂教学形式,激发学生学习兴趣,构建生动、活跃的课堂,进而让学生在兴趣高涨的学习环境下不断提升自身的运算能力,为后续的数学学习打下良好基础。

摘要： Pure Storage的FlashArray和FlashBlade为RSC提供了强大且具有可扩展性的存储解决方案。Meta认为RSC是目前运算速度最快的AI超级计算机,并且在2022年年中完成开发后将成为世界最快的AI超级计算机。专为多云环境提供存储即服务的全球IT先锋Pure Storage^(®)(NYSE:PSTG)近日宣布将与Meta合作开发全新人工智能(AI)超级计算机Research Super Cluster(RSC)。Meta认为RSC将成为全球最快的AI超级计算机之一。

摘要： 与经典力学相比,量子力学所描述的微观粒子具有量子叠加的特性。如果把量子叠加扩展到多个粒子,就会产生“量子纠缠”现象。结合量子调控和信息技术,量子信息这一新兴学科便由此产生。中国科学院院士潘建伟介绍,量子信息包括量子通信、量子计算和量子精密测量等三方面的应用,可以在确保信息安全、提高运算速度、提升测量精度等方面突破经典技术的瓶颈。

摘要： 作为一种常用算法,枚举法在生活中比较常见,如在一串钥匙中找到正确的一把开门,最直接的办法就是一把一把地去试,直到试出正确的一把。在计算机科学中,使用枚举法解决问题则是利用计算机运算速度快的特点,一一列举问题的所有可能答案,逐个验证,把符合条件的答案保留下来,它是对现实生活中解决问题方法的一种“直译”,因此比较直观、易于理解。但是枚举法需要对所有可能的答案一一列举,如果枚举的范围很大,运算量将会很大,所耗的时间就比较多,那么,如何改进算法,提高解决问题的效率就成了本节课的难点。

摘要： 1958年8月1日,中国第一台数字电子计算机M103诞生,它的平均运算速度为每秒30次。时任中国科学院党组书记张劲夫命名其为“八一型”计算机。同时,为了纪念中国首台计算机的诞生,张劲夫风趣地为M103机起了个小名“有了”,寓意中国计算机事业从无到有的了不起的变化。2002年8月10日,当中国人自己设计的通用高性能CPU芯片“龙芯1号”流片成功的时候,它的意义不亚于“有了”的诞生。从这一刻起,中国的计算机有了一颗“中国芯”。这标志着中国的计算机事业掀开了崭新的一页。

摘要： 精准饲喂是全龄人工饲料工厂化养蚕节本增效的核心技术之一,家蚕自动化识别与计数是实现精准饲喂的关键环节。本研究基于机器视觉系统获取工厂化养蚕过程中蚕在4龄和5龄期的数字图像,利用改进深度学习模型Mask R-CNN检测蚕体和残余饲料。通过在Mask R-CNN模型框架中加入像素重加权策略和边界框细调策略,从噪声数据中训练一个鲁棒性更好的目标检测模型,实现模型性能的优化,提高对蚕体和饲料边界的检测和分割能力。改进Mask R-CNN模型对蚕的检测和分割交并比阈值为0.5时的平均精度(Average Precision at IoU=0.5,AP50)分别为0.790和0.795,识别准确率为96.83%;对残余饲料的检测和分割AP50分别为0.641和0.653,识别准确率为87.71%。模型部署在NVIDIA Jetson AGX Xavier开发板上,单张图像平均检测时间为1.32 s,最长检测时间为2.05 s,运算速度可以满足养蚕盒单元在生产线上移动实时检测的要求。该研究为工厂化养蚕精准饲喂信息系统和投喂装置的研发提供了核心算法,可提高人工饲料的利用率,提升工厂化养蚕生产管理水平。

摘要： 【教学内容】一、强化珠算提高性训练二、脑中算珠图像的清晰性训练三、三位数听心算【教学目标】一、进一步加快学生的拨珠速度,以此提高珠算三位数3笔的运算速度和正确率,为学习四位数心算打下扎实基础。二、使学生脑中能够进一步形成清晰的四位数算珠图像。三、能熟练并正确进行三位数3笔加减听心算。

摘要： 人们所吃的食物直接影响晚年的认知敏锐度。美国爱荷华州立大学和弗吉尼亚大学等机构组成的研究团队从“英国生物银行”中收集并分析了1787名年龄在46-77岁之间的中老年人群的数据。在硏究初期,这些参与者完成了一项流体智力(它是一种以生理为基础的认知能力,包括知觉、记忆、运算速度、推理能力等;流体智力随年龄的老化而减退)测试。

摘要： 本文在32×32位乘法器基础上进行改进,实现了一种支持8位定点操作的32位SIMD乘法器.该乘法器是由四个16×16位乘法器组合而成,并通过取不同的操作数并将结果组合拼接从而实现SIMD功能.进一步通过采用基4Booth编码、华莱士树压缩等技术提高运算速度,工作频率可达1.5GHz.

摘要： 采用有限单元法,使用单个cole-cole模型、四边形均匀网格的剖分方式,研究在地形不平条件下,忽略电磁干扰,用类似高密度电法装置的频谱激电法进行2.5维正演模拟.结果表明:使用2.5维正演模拟提高了运算速度;用单个cole-cole模型模拟简单异常体时,基本可满足要求.

摘要： OTSU法(最大类间方差法)使用的是聚类的思想,把图像的灰度数按灰度级别分成前景和背景两部分,通过方差的计算来寻找一个合适的灰度级别来划分.OTSU算法被认为是图像分割中阈值选取的最佳算法,但其计算复杂度略高而又具备良好的并行性,因此根据FPGA(Field—Programmable Gate Array)并行的特点,利用Xilinx开发的Vivado HLS设计并实现了基于FPGA的OTSU阈值分割算法.实验结果表明,相比传统CPU,OTSU在FPGA上的运算速度明显更快.

摘要： 基于多示例学习的跟踪算法(Multiple Instance Learning based Track,MILT)是视觉跟踪领域近年最重要的算法之一,该算法对跟踪过程中样本标签的不确定性进行了研究,并基于多示例学习避免了跟踪中的漂移,实现了鲁棒的跟踪.但MILT的运算实时性较差,且通过实验发现MILT的特征选择基本无效,为此本文提出一种改进的高速算法.算法省略了原始算法中的特征选择步骤,极大提高了算法的运行速度.同时,为了处理遮挡,设计了新的分类器更新策略.对多个序列的实验表明,本文高速算法运算速度为原始算法的6倍左右,且具有与原始算法基本相同的跟踪精度和鲁棒性.

摘要： 本文介绍了西门子SMART200、SMART1000IE、V80在单刀圆周式包装机中的系统配置,并从软件设计方面,叙述了对关键功能的成功实现.采用西门子PLC控制系统，其硬件组成包括子SMART200控制器，SMART1000IE人机界面及V80伺服电动机。在这个项目中最大感觉就是SMART200PLC的运算速度够快，能够快速地进行曲线运算，内置的运动控制库使用方便、灵活，另外它本身带有三轴控制刚好符合本项目的需求。与其他品牌同等低端PLC相比，其性能优越性非常高，性价比也较高。

摘要： 本文设计实现了基于Android移动平台的五子棋游戏.该游戏包含三种模式:人机对战模式、蓝牙联机对战模式和人人对战模式.介绍了人机博弈中的极大极小值算法和负极大值算法以及该算法所用到的三种优化技术:alpha-beta剪枝技术、历史启发技术和置换表技术,明显提高了人机对战时机器的运算速度.本游戏通过测试能够完成游戏软件的设计要求;游戏界面美观,操作灵活,亲切感强;趣味性强并且有一定的耐玩性;两部手机能够通过蓝牙连接进行联机对战.

摘要： 为了加快数据处理能力,满足图像和数字信号处理的要求,本文设计和实现了一种64位SIMD定点乘加器,通过乘法器和加法器实现加减法、MOV操作、标向量广播、乘法、点积、复乘、乘加以及乘减运算.该乘加器主要由四个32×32位乘法器、64位SIMD加法器组成.本文采用了Booth编码,4-2压缩和3-2压缩、超前进位加法等技术提高运算速度,工作频率可达1.5Ghz.

摘要： 随着我国电网规模的日益扩大，各种非线性用电设备的迅速增加，电网的谐波污染也逐渐严重，如何快速有效地检测和分析网络中的谐波成分是一个大家非常关心的问题。本文介绍了当前电力系统中检测和分析谐波的几种常用方法，比较各种方法在运算速度和精确度方面的优劣以及它们的适用条件，对实际中应用最广泛的基于傅里叶变换的谐波分析方法重点做了研究，阐明了基于傅里叶变换的谐波分析方法存在的问题以及各种在其基础上提高运算精度的改进方法。探讨了电力系统谐波检测分析方法的发展趋势和近年来出现的新方法、新思路。

摘要： CORDIC算法因便于通过硬件实现来计算各种超越函数而得到了广泛的应用.如何减少迭代次数并保持校正因子的计算与补偿的简单性是算法的难点,同时算法还需要扩展角度的范围.将常规的CORDIC算法分为前后两段,减少了迭代的次数,同时在硬件实现时使用移位操作代替查找表,减少了查找表所用的时间,这样做也有利于降低功耗.最后在Altera公司的Cyclone系列芯片EP4CGX22CF19C6上实现了该算法.实验结果表明:在同一数量级误差的基础上,该算法在结构上比常规算法节省了约34.84％的资源,在不同的工作频率上都少用了约6个时钟周期的时延,不同工作频率上系统的功耗最少也下降了约5.54％,并且工作频率越高,功耗下降越大.

摘要： CORDIC算法因便于通过硬件实现来计算各种超越函数而得到了广泛的应用.如何减少迭代次数并保持校正因子的计算与补偿的简单性是算法的难点,同时算法还需要扩展角度的范围.将常规的CORDIC算法分为前后两段,减少了迭代的次数,同时在硬件实现时使用移位操作代替查找表,减少了查找表所用的时间,这样做也有利于降低功耗.最后在Altera公司的Cyclone系列芯片EP4CGX22CF19C6上实现了该算法.实验结果表明:在同一数量级误差的基础上,该算法在结构上比常规算法节省了约34.84％的资源,在不同的工作频率上都少用了约6个时钟周期的时延,不同工作频率上系统的功耗最少也下降了约5.54％,并且工作频率越高,功耗下降越大.

摘要： 本发明提供一种提高计算机运算速度的并发筛选排序方法，假设对n个元素的数组A＝[a1，…，ai，…，an]进行排序，在计算机系统中，构造大小为n×(n+1)的并行处理逻辑矩阵M，矩阵M分为两部分，矩阵第一列为最左边一列M1，M1按行顺序存储了数组A，剩下方阵为处理逻辑矩阵M2。M2中每个元素都称为筛孔。M2中第i列存储的每个元素为数组A中第i个元素。M1中每行元素即数组A中每个元素并发的发送到处理逻辑矩阵M2中对应行的每个元素进行筛选，然后将筛选后的结果累加，累加后的结果就是该筛孔所代表的元素在数组中的位置。本发明在资源充足，并发率100％的条件下，可达到排序效率的极限；这对现代计算机系统及今后量子计算机系统的运算速度有极大的影响。

摘要： 本发明提出了一种提高H264编码16x16预测模式DCT运算速度的硬件实现方法，在视频编码DCT硬件实现领域，特别是在亮度帧内预测跟DCT变换在硬件实现上在同一个流水级的时候，能有效解决由于16x16预测模式DCT运算速度过慢而导致整个流水级时间延长而降低性能的问题，同时16x16预测模式DCT跟4x4DCT共用大部分电路，降低硬件成本。本发明采用技术方案是：共用4x4hadsad电路，对16个4x4块进行hadamard变换，将每个4x4的hadamard变换中产生的16个点的和保存下来。当16x16模式预测模式完毕，就得到16x16最优预测模式16个4x4块的所有点的和，即得到16x16的DCT变换后的dc系数矩阵。本方法能够缩短16x16做完16个4x4DCT变换才能做dc系数hadamard变换这段时间，提高了16x16预测模式DCT运算的速度，并减少电路面积。

摘要： 本发明提供一种运算速度补偿电路及其补偿方法。运算速度补偿电路包括电源选择电路以及运算速度传感器。电源选择电路依据第一控制信号以选择第一电源及第二电源的其中之一以产生供应电源。运算速度传感器依据检测运算电路的第一中继信号传输点上的第一检测信号的反应速度来产生第一控制信号。其中第一电源的电压值小于第二电源的电压值，运算电路接收供应电源以作为操作电源。

摘要： 本发明公开了一种提高计算机运算速度的并发筛选插入排序方法，假设数组A＝[a1，…，ai，…，an]。假设有k个元素b1、b2、…、bk组成的数组B插入到数组A中，构造包含n行k列的处理逻辑矩阵M，M中每个元素均视为一个筛孔，处理逻辑矩阵M中的第h列表示存储的都是数组B中第h个数组元素bh；首先将数组B进行内部排序按升序排好；然后将数组A中每个元素跟对应的筛孔元素进行比较，获取b1到bk相对数组A中每一元素位置；若元素ag比bh小，则bh就在对应筛孔数组元素自己序数的基础上加1，即其下标变为h+1；若比筛孔大，筛孔的数组A中的元素ag下标加1，即其下标变为g+1。本发明利用并发的特性，采用更少的时间，就达成元素插入排序的结果。

摘要： 本发明公开一种加快神经网络运算速度的装置和方法，所述装置包括存储器、取数控制模块、卷积乘加运算模块、激活运算模块、池化运算模块和写数控制模块，还包括两个通路选择模块，一个通路选择模块与第一模块连接，另一个通路选择模块与第二模块连接，第一模块和第二模块为取数控制模块、卷积乘加运算模块、激活运算模块、池化运算模块和写数控制模块中任意的两个模块，每个通路选择模块都连接有两个配置寄存器。区别于现有技术，上述技术方案通过在神经网络模块内设置独立双寄存器配置结构,当神经网络单个子模块完成自身的运算后,自动切换为下一层的网络配置进行工作,从而实现了网络层运算的完全流水工作,提升了神经网络的工作效率。

摘要： 本发明涉及一种提高键入‑散列法运算速度的方法和装置。通过对HMNAC‑SHA‑1算法处理流程进行调度优化，取消等待SHA‑1的计算时间，实现了HMNAC‑SHA‑1算法全流水化，极大的提高了数据吞吐率,尤其在大流量处理数据流时，单线程HMAC‑SHA‑1算法能够达到61.44Mbps per MHz数据吞吐率，提升了近10倍的传输效率，能够满足现有网络安全通信设备对大量流数据的处理要求。

摘要： 本发明公开了一种提高空间交会对接模型预测控制运算速度的方法，航天器近距离交会对接过程中，通过C‑W方程在给出追踪航天器与目标航天器相对运动动力学，该处的目标包含旋转目标和静止目标，随后分别对空间锥约束，速度约束和控制饱和约束进行建模，然后通过模型预测控制方法给出追踪航天器跟随目标旋转，或接近静止目标附近某点的控制实施方法。在给出该控制方法后，为该标称轨迹添加初始扰动，收集机器学习方法训练所需要的数据集，对于神经网络的训练，可以采用行为克隆或逆强化学习进行，上述两种方法属于模仿学习方法，通过训练的神经网络可以得到相应的模型预测控制求解过程中二次规划问题的近似初值，提升了模型预测控制的求解速度。

摘要： 本发明公开了一种通用的提升神经网络推理准确性和保持运算速度的分布式计算系统设计方法，该方法的步骤包括：首先，构建分布式数据测试集和训练集，将训练集进行预处理；其次，训练和整合多个通用神经网络推理的子模型和输出，计算分布式系统的所需新特征向量或特征矩阵；然后，根据计算容器通信机制，计算每个子模型的推理结果；最后，根据简单的神经网络构建的决策单元，利用RandomShut方法对决策单元进行模型的训练，得到最终的模型。本发明利用通用的多模型分布式计算系统和训练方案提升推理结果的精度，降低单一神经网络的尺寸压力，减少系统的计算时间，使得训练更具针对性，广泛适用于各种应用场景。

摘要： 本发明涉及一种基于运算速度解析的清晰度切换平台及方法，所述平台包括：请求获取设备，用于接收远端视频终端发送的获取目标视频段子的请求；数据搜索设备，用于基于所述请求在直播服务器的云端存储器内搜索所述目标视频段子以获得对应的各帧组成图像；第一解析设备，用于对发送所述请求的远端视频终端的图像处理芯片即GPU的运算速度进行解析；第二解析设备，用于确定与获取到的GPU的运算速度成正比的图像清晰度。本发明的基于运算速度解析的清晰度切换平台及方法逻辑可靠、应用广泛。由于能够在直播服务器端根据请求下载视频段子的视频终端的处理能力为所述视频终端定制相应清晰度的视频段子，从而避免不必要的海量视频内容下载。

摘要： 本发明公开了一种模型分割提高运算速度的方法，包括以下步骤：步骤一：将测试板分别于摄像头及输入输出设备相连接；步骤二：调式测试板进入系统，打开检测软件并且初始化；步骤三：打开摄像头并开始运行；步骤四：通过检测软件查看GPU和CPU各自单独的运行时间，并且分析彼此的运行时间；步骤五：通过分析，选取合适的节点，将模型的整个运算切割开来，前半部分采用GPU处理运算，后半部分采用CPU进行运算，该发明方法将前半部分采用GPU处理运算，后半部分采用CPU进行运算，可以依据模型运算的特点结合硬件的特点，手动的设计模型的分割点，充分利用CPU和GPU的性能，从而大幅度提高运算的速度。