加速算法

摘要： 在使用CT进行图像重建的过程中,需要在不同角度下对目标对象进行采样,然后利用图像重建算法生成重建结果,由于采样的数据越多,重建速率越慢,往往需要在不完全的采样角度下对图像进行重建,即稀疏重建.为了对传统稀疏重建算法的迭代速度进行改进,在传统bregman图像重建算法的基础上提出了一种新的加速迭代算法.该算法以bre-gman算法为框架,结合自适应梯度下降算法和图像修正算法,从而实现了稀疏角度下的快速重建.实验结果表明,新的加速算法对在成像效果上具有比较好的结果,且收敛速度明显加快.

摘要： 2021年3月4日上午,赛灵思数据中心在Zoom举办了线上产品发布会,相关产品开发和营销总监围绕“赛灵思加速算法交易框架”;“Alveo SN1000SmartNIC”;“Smart World视频分析”等新产品特性接受了线上采访。

摘要： 特征线方法(MOC)由于较强的复杂几何适应能力,广泛用于中子输运方程的求解.但是MOC方法存在收敛速度慢、计算耗时长的问题,因此目前普遍采粗网有限差分法(CMFD)对MOC求解过程进行加速.然而目前常用的CMFD方程不能保证偏中子流守恒,同时在一些情况下存在发散的问题.为此考虑采用广义粗网再平衡方法(GCMR)对MOC求解过程进行加速.推导了基于GCMR方法的中子通量求解方程,并在DRAGON程序中加入了 GCMR加速模块.最后结合C5G7-2D基准题对GCMR算法进行了验证,并与CMFD加速方法进行了对比.结果表明,GCMR具有与CMFD相同的加速效果,但是求解精度优于CMFD.

摘要： 为满足现代数据中心发展需求,赛灵思公司宣布推出一系列全新数据中心产品及解决方案,包括全新Alveo SmartNIC系列、smart world(智能世界)AI视频分析应用、一款能够实现亚微秒级交易的加速算法交易参考设计,以及Xilinx App Store(应用商店)。从联网和AI分析到金融交易,这些当今要求最严苛、最复杂的应用亟需低时延和实时性能。而这一性能水准的实现,始终受限于硬件开发成本高昂且周期漫长。

摘要： 本文考虑一类在信号处理、图像恢复和机器学习等多项科学和工程领域中具有广泛应用的约束非光滑凸优化问题.近年来,理论研究和数值实验均验证了外插项可有效提高算法的收敛速率,带有外插的临近梯度算法在求解大规模优化问题中有显著优势.因此,本文利用光滑化技巧,结合Beck和Teboulle提出的快速迭代收缩阈值算法,对一类非光滑凸优化问题提出新的加速算法,证明算法的任意聚点都是优化问题的最优解.在算法分析中,考虑光滑参数的不同更新准则,给出目标函数值O(ln k/k)的全局收敛速率,并证明迭代序列的变化趋势limk→+∞‖x^k+1-x^k‖=0.最后,通过数值实验展示本文提出的算法对两类稀疏优化问题的良好求解能力和外插项对算法收敛速率的正面影响.

摘要： 计算机断层成像(computed tomography,CT)技术在工业和医学中的运用越来越广泛,而在图像重建的实际运用中,经常会出现被扫描的数据不充足的情况,往往需要利用不充足的数据进行精确的重建.而医学采样过程中,如果能减少采样数目,无疑大大较少了X射线对病患和医生的伤害.随着压缩感知(Compressed sensing,CS)理论的提出,稀疏重建已经得到了较好的发展.为了提高稀疏角度下图像重建的收敛速度,提出了对重建结果进行事后调整来加速重建的算法.以传统的Chambolle_Pock-TV算法为基础,为了在相同的迭代轮次下获得精确度更高的结果,在每轮迭代后对重建结果进行优化调整,最后通过对比实验可以看出,改进后的算法能够在相同的环境下生成质量更高的重建结果,即在更少的迭代轮数下产生精确度较高的图像,加快稀疏重建的收敛速度.

摘要： 针对材料声学参数差异较大的复合粘接结构脱粘缺陷检测困难的问题,研究了复合粘接结构的检测原理及难点,分析了脱粘尺寸对回波幅值的影响,提出了将全聚焦算法应用于复合粘接结构的成像检测方法.分别建立了复合粘接结构的常规PA成像检测和全聚焦算法成像检测的有限元检测模型,提出了基于指向性理论的分序列局部全聚焦加速算法,通过设定角度阈值筛选有效阵元序列来提高计算效率.研究结果表明:对于复合粘接结构脱粘缺陷的检测,全聚焦算法成像检测相对常规PA成像检测具有更高的检测精度;应用加速算法后,对于32阵元的相控阵探头,[-4 mm,4 mm]和[4 mm,8 mm]之间矩形目标区域的全聚焦成像检测,计算量降低了34.7％,且未降低成像质量.

摘要： 创新点近年来,关于通用量子计算机的新闻屡见于报端,IBM、谷歌、英特尔等公司争相宣告实现了更高的量子比特数纪录。但是,即使做出几十个甚至更多量子比特数,如果没有做到全互联、精度不够或者无法进行纠错,通用量子计算仍然无法实现。即使以现在各种量子比特载体可以实现的极限操控精度,进行量子纠错,通用量子计算机需要高达上百万个量子比特才能真正超越经典计算机。

摘要： 针对疲劳过程模拟中逐步有限元分析耗时太长、在实际应用中不能被接受的现状,基于具有物理机理的混凝土疲劳的本构模型研究了疲劳计算中的加速计算方法——基于预测—外推的跳跃算法.通过二次开发程序接口,使得所研究的加速算法能够与有限元分析软件ABAQUS密切结合,从而使得应用疲劳本构模型直接进行混凝土结构疲劳全过程分析成为可能.

摘要： 随着集成电路制造工艺的发展,芯片的特征值尺寸不断地缩小,寄生电阻和电容对电路性能的影响也变得也来越显著,电路后仿真成为集成电路设计验证不可缺少的关键技术.但是集成电路规模的不断增大,寄生电阻和电容的数目急剧膨胀,电路后仿真中求解线性方程组所需要的时间急剧增加,导致电路验证时间越来越长,影响集成电路的设计周期和产品交付时间.文中利用超图划分的方法将电路划分成若干个相互耦合的子模块,子模块的矩阵求解应用LU分解方法,顶层矩阵求解利用GMRES方法;针对GMRES方法收敛速度慢的问题,根据快节点和电源网格节点本身的物理特性提出一种预处理算法,能够显著加速线性方程组的求解速度,从而提升电路的仿真效率.该算法已经应用到华大九天的电路仿真工具ALPS中,通过大量工业实际用例的测试,证明了算法的有效性.

摘要： 矩阵乘法是数值分析以及图形图像处理算法的基础,通用的矩阵算法加速器设计一直是嵌入式系统设计的研究热点.但由于矩阵乘法计算复杂度高,处理效率低,常常成为嵌入式系统运算速度的瓶颈.为了在嵌入式领域更好的使用矩阵乘法,本文提出了基于MPSoC的软硬件协同加速的架构.在MPSoC的架构下,一方面设计了面向硬件约束的矩阵分块方法,从而实现了通用的矩阵乘法加速器系统;另一方面通过利用MPSoC下的多核架构,提出了相应的任务划分和负载平衡调度算法,提高幵行效率和整体系统加速比.实验结果表明文中架构及算法实现了通用的矩阵乘法计算,并且通过软硬件协同设计实现的多核开行调度算法与传统单核设计相比在计算效率方面得到了显著的提高。

摘要： 目前，随着国内商品住宅的发展，城市住宅用地日趋紧张，高层住宅不断涌现，某些地区甚至出现了高层住宅。人们对居住环境的要求不断提高，尤其是日照采光权的纠纷问题。SUNLIGHT日照分析软件是中国建筑科学研究院独立开发的建筑日照计算软件，采用《建筑设计资料集》太阳位置计算公式，计算结果和建筑设计资料集结果对比是最接近的，SUNLIGHT日照分析软件棒影图和建筑设计资料集第一册(第二版)195页表一的计算结果进行了对比，其计算结果是一致的，在日照分析工作中，各地日照分析模型的精细程度差异很大，有的只是建立简单的拉伸体块、使用平面等照时线等方式进行日照分析计算，有的地方建模细节考虑丰富，日照模型和建筑实际模型非常接近，日照分析模型非常复杂，因此一款日照分析软件必须具有很强的三维建模能力，除了参数化建模手段外，也要具有方式完成地形、立交桥等复杂形式的特殊三维实体建模，满足日照分析软件不断提高的日照分析建模要求。PKPMSUNLIGHT率先采用内部核心加速算法，采用GPU和并行计算等计算方式，将百万级采样点计算控制在1min内完成，成为国内目前计算速度最快的日照分析软件，大大缩短了日照单次计算时间，显著缩短了日照整体分析周期，分析功能全面，紧跟国内日照计算标准变化，满足全国各个地区分析计算需求，后期输出表达强，可以制作渲染和动画。

摘要： 介绍了一种基于RWG的矩量法(Method of Moment,MoM),该方法可以用来分析任意平面结构的天线,由于MoM的计算效率较低,采用图形处理器(Graphic Processing Unit,GPU)对算法做并行化处理,有效缩短了算法运算时间;此外采用了S-B自适应频域采样算法(S-B Adaptive Frequency Sampling,S-B AFS)从频域改善算法执行效率.两种方法的结合使用使得MoM仿真宽频特性具有很好的加速效果.

摘要： 数字加网算法运算重复度高，更适合采用可重构处理器并发执行。本文以FS 误差扩散算法为例，探讨了串行算法并行化实现的思路和方法，从理论上分析了加网提速的可行性，并对同一组大小不同的图像设置对比实验，分别使用串行和并行两种计算方式进行加网。实验结果表明，经改造后的算法有效地提高了计算速度，对大尺寸图像的加网效率明显提升，能满足更高层次的图像处理需求。

摘要： 本文将层次法和双共轭梯度法相结合对静态P/G网进行分析，针对一个大规模的电路,在通过经过多层的参数提取和建模后,得到了静态P/G网模型.运用层次法将P/G网分割,在小规模的子网内运用双共轭梯度法,并且在此基础上比较了其他5种加速算法.

摘要： 将精化Arnoldi方法引入到大型电力系统小干扰稳定性分析。应用位移求逆变换是为了计算在位移点附近的特征值，再用相应的精化向量代替Ritz向量作为特征向量的近似，用隐式重启动技术加速算法的收敛。算例分析表明，精化Arnoldi方法能够可靠和有效的计算大型电力系统。

摘要： 本文利用GPU加速方法计算了基于矩量法一维高斯介质粗糙面的电磁散射.通过C语言和Fortran计算结果的对比,说明单精度浮点运算完全能满足计算精度的需要,这样可以增大未知量的处理.通过CPU和GPU的结果对比,充分说明了GPU计算结果的正确性.最后分别给出了GPU填充矩阵和求解矩阵的加速比以及总的加速比,发现当数据增大到一定的规模时,GPU在计算速度上具有明显的优势,加速比达到100倍左右.

摘要： 本文利用GPU加速方法计算了基于矩量法一维高斯介质粗糙面的电磁散射.通过C语言和Fortran计算结果的对比,说明单精度浮点运算完全能满足计算精度的需要,这样可以增大未知量的处理.通过CPU和GPU的结果对比,充分说明了GPU计算结果的正确性.最后分别给出了GPU填充矩阵和求解矩阵的加速比以及总的加速比,发现当数据增大到一定的规模时,GPU在计算速度上具有明显的优势,加速比达到100倍左右.

摘要： 本发明公开了一种基于不匹配算子的显微镜图像去卷积加速算法，通过在传统理查德森‑露西算法中引入不匹配的反向投影算子来帮助荧光显微镜图像进行去卷积操作，通过计算相应的具有最快收敛效率的反投影算子，并与巴特沃斯滤波器相结合，将导致伪影的超过衍射极限的频率去除，保持算法去卷积效果，在每次迭代计算时间几乎不变的情况下，减少所需的去卷积迭代次数，在多数情况下，仅需一次迭代就能获得理想的去卷积效果。故本发明有效设计了反向投影算子，改善了计算机在迭代去卷积过程中迭代次数难以确定、计算时间长、计算代价大的问题。

摘要： 本发明公开了一种基于GSMASH伪影校正的加速算法，包括以下步骤：1)计算或采集线圈敏感谱；2)根据敏感谱线性拟合得到空间谐波信号的计算公式进行反推；3)对K空间数据在读方向上做一维傅里叶变换得到去卷折的完整K空间数据；4)通过计算未知的K空间数据，得到完整的K空间数据；5)将伪影参数化，设置初始值带入GSMASH重建；6)GSMASH对单个线圈重建得到单通道图像、及对所有通道重建得到图像后，使用非线性最小二乘法对成本函数多次迭代计算，将伪影降到最低。本发明能将伪影降到最低，并通过合理选取迭代初始值，降低迭代次数，以达到降低计算时间的目的。

摘要： 本发明公开了一种LETKF算法的动态调度加速算法及其雷达数据分析方法，涉及气象分析技术领域，算法包括：阐述LETKF算法执行步骤，分析算法中各步骤的计算量；根据分析结果，明确各网格节点计算量不均的原因；根据各网格节点计算量不均的原因，将网格点内部的计算步骤整合为一个整体，并将其作为调度计算的最小单元，分别进行编号，记作为a

摘要： 本发明涉及机器学习领域，具体涉及一种基于状态投影的回声状态网络前向传播加速算法。本发明的目的在于针对回声状态网络(ESN)内部储备池占用存储空间大、前向传播计算速度慢的问题，提出一种加速ESN前向传播的算法。该算法基于适当正交分解(POD)的投影方法用低维状态近似替代ESN的高维状态，使网络前向传播计算量减少，加速网络前向传播。通过该算法生成的网络比原始ESN占用的存储空间小，具有较低的计算复杂度。生成的过程不需要原始的训练数据，只需要训练原始网络时对内部储备池单元的状态进行采样，利用这些事先存储的样本就可以生成用户指定大小的网络。

摘要： 本发明涉及机器学习领域，具体涉及一种基于激活函数近似的回声状态网络前向传播加速算法。本发明的目的在于针对回声状态网络(ESN)内部储备池占用存储空间大、前向传播计算速度慢的问题，提出一种加速ESN前向传播的算法。该算法通过离散经验插值法(DEIM)对激活函数进行近似，减少ESN的激活函数计算次数，减少矩阵运算量，从而实现加速网络的前向传播。通过该算法生成的网络前向传播复杂度远低于ESN，尺寸更小(参数数量更少)，因此评估速度更快。生成的过程不需要原始的训练数据，只需要训练原始网络时对指定的函数进行采样，利用这些事先存储的样本就可以生成用户指定大小的网络。

摘要： 本发明涉及一种基于复数值加速算法的短期风速预测方法，包括获取包括风速和风向的样本数据，预处理样本数据得到数据集，将数据集分为训练集和测试集；构建并初始化包括误差阈值e0和自适应窗长N的复数值前向神经网络模型；使用复数值加速LM算法训练初始化后的复数值前向神经网络，得到训练好的复数值前向神经网络；将测试集输入训练好的复数值神经网络得到预测结果。本发明通过引入误差阈值和自适应窗长，使用复数值加速LM算法训练复数值前向神经网络，有效的降低了训练的前中后期的计算成本，加速了训练速度，在保证短期风速预测结果的基础上有效降低了计算复杂度。

摘要： 本发明公开了一种基于用户关系度的数据缓存和加速算法，具体涉及数据缓存与加速技术领域，该算法具体采用以下步骤对相关数据进行缓存和加速：(1)对好友关系度进行外排序，建立字典树；(2)对具备好友关系的每一个独立个体均赋予同样的对外提供数据下载功能的权限；(3)用特征矩阵来存储用户的好友间关系度；(4)对存储数据库中的好友间关系度数据进行分区；(5)创建唯一性索引对存储数据库中的好友间关系度数据进行优化。本发明不仅能够有效提高存储数据库性能，还能够提供高性能的数据快速访问，从而使得除对外提供数据下载功能的节点之外的任意节点，均可以根据自身数据宽度，来获取不同的缓存带宽支持。

摘要： 本发明公开了一种基于不匹配算子的显微镜图像去卷积加速算法，通过在传统理查德森‑露西算法中引入不匹配的反向投影算子来帮助荧光显微镜图像进行去卷积操作，通过计算相应的具有最快收敛效率的反投影算子，并与巴特沃斯滤波器相结合，将导致伪影的超过衍射极限的频率去除，保持算法去卷积效果，在每次迭代计算时间几乎不变的情况下，减少所需的去卷积迭代次数，在多数情况下，仅需一次迭代就能获得理想的去卷积效果。故本发明有效设计了反向投影算子，改善了计算机在迭代去卷积过程中迭代次数难以确定、计算时间长、计算代价大的问题。

摘要： 本发明属于遥感图像处理领域，尤其涉及一种高光谱遥感图像分类的并行化加速算法。本发明首先利用流形学习算法对图像进行降维处理，获得待分解特征矩阵；然后利用隐式重启Lanczos方法进行特征分解，其中通过调用GPU加速耗时巨大的矩阵运算模块，大大减少该运算耗时；最后，利用学习出来的嵌入矢量最为分类器输入，对高光谱影像进行分类处理。本发明充分利用算法特性结合GPU设备加速图像分类处理过程，巧妙运用压缩稀疏存储格式大大节省内存空间，既能保证学习到的嵌入矢量的精度要求，又使运算效率大幅度提高，满足了供应商的实时应用要求。

摘要： 本发明涉及基于割点分割机制的城市交通网络最大车流量的加速算法。关键步骤包括：1）构建大规模交通网络图的覆盖图；2）确定从起始原点到目的地在覆盖图上对应的唯一路径；3）将该路径上的地区对应的子图全部提交到GraphChi平台进行并行最大车流量计算并整合子图最大流。本发明保证了每个地区最大车流量计算的独立性，减少了通讯次数，通过并行计算最大车流量再将结果整合，保证了其计算效率及正确性，能解决大规模交通网络图的最大车流量问题，显著提升求解最大车流量的计算速度。实验结果表明该方法能够充分利用问题本身特征，应对大规模交通网络图计算最大车流量的场景，相比经典算法能有效加速最大车流量的计算速度。