并行性

摘要： 针对经典K-means聚类算法存在易陷入局部最优解的缺点,提出并实现了一种基于Hadoop的改进型遗传聚类算法.该算法利用遗传算法具有全局性和并行性的特点去处理K-means聚类算法易陷入局部最优的缺点,在此基础上对遗传算法进行改进,然后将改进后的遗传算法与K-means算法相结合,为提高算法执行效率,将其基于Hadoop平台进行了实现.通过实验将该改进方法与经典聚类算法进行对比分析,实验结果表明该方法在聚类准确性和聚类效率上均有较大的提高.

摘要： 该研究通过对国内外通识教育发展状况的研究,指出发展通识教育是中国大学教育与国际高等教育接轨的必然趋势.在此基础上,明确大学英语"金课"建设的目标和内涵,以学为中心,从教学目标、教学内容、教学方法和教学评价4个方面提出改革建议,以体现大学英语"金课"的高阶性、创新性和挑战度.

摘要： 闪存固态硬盘凭借其高性能、低功耗、非易失等特点已经被广泛应用于个人电脑、数据中心和云存储服务等.近10年来,随着制程工艺和微电子技术的发展,闪存固态硬盘的特性发生了显著的变化.首先介绍了闪存存储单元的基本结构和存储原理.然后讨论了闪存固态硬盘的多项控制器关键技术,包括缓存设备、地址转换层、垃圾回收、数据分配、磨损均衡以及纠错码等.这些关键技术将支撑闪存固态硬盘的正常运作.此外,探讨了闪存固态硬盘的并行结构,并分析了闪存固态硬盘并行性利用的限制条件以及最新的并行性优化工作.接着,分析了3D闪存固态硬盘的发展和堆叠式结构,并针对3D固态硬盘的性能和寿命优化工作进行了归纳和分析,提出了现有3D固态硬盘性能和寿命优化工作的不足.最后,总结了当前闪存固态硬盘的现状,并提出可能的未来研究方向.

摘要： 在雅各布森看来,诗歌的并行性是诗歌得以成立的基本前提。但在日本的诗歌传统之中,这个基本前提却并不成立。日本具有代表性的诗歌形式是短歌。短歌作者明确地知道并行性原理的作用,却有意识地回避并行性。比起直抒胸臆的"正述心绪歌","譬喻歌"和"寄物陈思歌"才是和歌应有的形态。但在这些和歌之中,直接描述的事物与主旨之间,往往却并没有任何的关联,只是通过音韵相同或词义相近的词语,制造出视角与话题的飞跃,与此同时为移行赋予一种必然性。这种通过双关语与缘词的使用,以及本歌取的修辞手法,进而创造出顺畅的话题转换和连续性的推移的诗学,这并非雅各布森所找到的并行的诗学,而是移行的诗学。

摘要： 针对当前社会网络的动态更新速度越来越快,而社会网络中差分隐私保护方法迭代速度慢的问题,提出一种基于B十树索引的动态社会网络差分隐私保护方法.使用B十树索引社会网络图的边,根据差分隐私并行性组合的特点,对B十树的索引数据划分,为数据分配不同的e并添加拉普拉斯噪声,实现数据隐私后的整体高效用性和局部强保护性;在迭代时利用B+树的高效索引对欲更新的信息快速定位,实现动态社会网络差分隐私保护的快速迭代.实验表明,B十树索引有效提高了动态社会网络差分隐私保护的迭代速度,同时差分隐私的并行性提高了数据的效用性.

摘要： 针对中文命名实体识别中长短期记忆网络识别模型缺乏并行性的问题,提出一种融合双向准循环神经网络(BQRNN)与条件随机场(CRF)的中文命名实体识别模型.通过BQRNN网络在序列维度和特征维度上并行获取序列化文本的内部特征,由CRF层选取最终的标签序列,在模型中添加Attention机制,增强BQRNN网络输出的特征信息.实验结果表明,该模型与BLSTM-CRF模型相比F1值提高了1.81％,缩短了约40％ 的运行时间.

摘要： 针对电气设备的非线性故障诊断研究,提出了一种改进型粒子滤波算法。对粒子群优化粒子滤波(PSOPF)算法的并行性进行分析;基于CUDA并行计算架构,实现了一种PSOPF并行算法。最后引入基于残差平滑值的故障诊断,运用PSOPF并行算法对风电机组变桨距及双馈风电机进行故障诊断。结果表明,当进行故障诊断时,采用该改进型PSOPF并行算法结合残差平滑法具有更高的优越性。

摘要： 卷积神经网络已经是公认最好的用于深度学习的算法,被广泛地应用于图像识别、自动翻译和广告推荐.由于神经网络结构规模的逐渐增大,使其具有大量的神经元和突触,所以,使用专用加速硬件挖掘神经网络的并行性已经成为了热门的选择.在硬件设计中,经典的平铺结构实现了很高的性能,但是平铺结构的单元利用率很低.目前,随着众多深度学习应用对硬件性能要求的逐渐提高,加速器对单元利用率也具有越来越严格的要求.为了在平铺数据流结构上获得更高的单元利用率,可以调换并行的顺序,采用并行输入特征图和输出通道的方式来提高计算的并行性.但是,随着神经网络运算对硬件性能要求的提高,运算单元阵列必然会越来越大.当阵列大小增加到一定程度,相对单一的并行方式会使利用率逐渐下降.这就需要硬件可以开发更多的神经网络并行度,从而抑制单元空转.同时,为了适应不同的网络结构,要求硬件阵列对神经网络的运算是可配置的.但是,可配置硬件会极大地增加硬件开销和数据的调度难度.提出了一种基于平铺结构加速器的并行度可配置的神经网络加速器.为了减少硬件复杂度,提出了部分配置的技术,既能满足大型单元阵列下单元利用率的提升,也能尽可能地减少硬件额外开销.在阵列大小超过 512 之后,硬件单元利用率平均可以维持在82%～90%.同时加速器性能与单元阵列数量基本成线性比例上升.

摘要： 传统串行迭代算法中,收敛速度是衡量一个算法的主要依据.而并行算法要求良好的并行性。设计并行迭代算法时,并行性的增加往往导致收敛速度的降低,从而抵消了并行化带来的性能提高.本文表明需要权衡迭代算法的收敛性和并行性,以获得更好的性能.在一般线性方程组的基于分裂的迭代算法中,Gauss-Seidel算法有着良好的收敛速度但并行性很差;而Jacobi方法具有天然的并行性,但通常收敛速度较慢。我们对两种方法的收敛性和并行性进行权衡,设计了一个新的分裂格式,基于该分裂格式的多分裂算法具有比Jacobi算法更快的收敛速度,而又有比较好的并行性。在理论上给出了该算法成立的收敛性条件,在集群系统上的实验表明此算法结果与理论相符合并且有更好的性能.

摘要： 针对分布式仿真中所存在的一些问题,采用并行计算模型来分析分布式仿真系统的并行设计,讨论了仿真系统的并行性描述模型。在现有的几种并行计算模型中,根据并行计算模型和分布式仿真系统的特点,选择BSP(Bulk Synchronous Paralle1)模型来描述了仿真中的并行性。

摘要： 目前在我国,基层水利、气象、市政等相关部门在水文工作方面普遍存在着采集数据不准确,水文信息缺失断档严重,水文预测预报滞后异常等多重问题,这无疑严重影响和制约了我国的水利工程标准化、信息化、现代化建设,也对我省积极落实开展"五水共治"、"剿灭劣V类水"等治水政策提出了现实障碍.为了解决上述问题,本文拟通过分析生成式对抗网络在水文数据模拟系统方面的应用前景,采用实例启发引导更多研究人员将人工神经网络技术和传统水文数值模拟相结合来实现水文数值的精确模拟,利用其高度的并行性和非线性全局性来规范斧正模拟数据,进而提高数据的准确度,为传统水文数值模拟提供新思路和新方法的同时,也可以有效缓解水利、市政等部门现存水文数据信息缺失,检测数据系列异常和预测水文情势滞后的窘境.

摘要： 目前在我国,基层水利、气象、市政等相关部门在水文工作方面普遍存在着采集数据不准确,水文信息缺失断档严重,水文预测预报滞后异常等多重问题,这无疑严重影响和制约了我国的水利工程标准化、信息化、现代化建设,也对浙江省积极落实开展"五水共治"、"剿灭劣V类水"等治水政策形成了现实障碍.为了解决上述问题,本文通过分析生成式对抗网络在水文数据模拟系统方面的应用前景,采用实例启发引导更多研究人员将人工神经网络技术和传统水文数值模拟相结合来实现水文数值的精确模拟,利用其高度的并行性和非线性全局性来规范修正模拟数据,进而提高数据的准确度,为传统水文数值模拟提供新思路和新方法的同时,也可以有效缓解水利、市政等部门现存水文数据信息缺失,检测数据系列异常和预测水文情势滞后的窘境.

摘要： 欧盟新启动的欧洲极限数据与计算项目(EXDCI)将联合欧洲最重要的三大高性能计算(HPC)计划PRACE、ETP4HPC和EESI,来协调欧洲的HPC生态系统.2015年9月底,EXDCI在罗马举行了一场HPC研讨会,宣布将通过"地平线2020计划"拨款1.4亿欧元,资助建设20项新的HPC项目和8所新的计算卓越中心,以解决HPC系统面临的诸多挑战.包括创建一个基于嵌套递归并行性的百亿亿次编程、多目标优化与弹性管理环境；面向高能效百亿亿次HPC系统的自调谐与自适应方案以及面向高性能多尺度计算的计算范式等。

摘要： 图像匹配计算量很大，但图像匹配算法具有并行性、简单性和重复性的特点。本文将通用DSP与专用DSP相结合，运用资源重复与时间重叠技术改计硬件，大幅提高了硬件处理速度，计算表明了设计的有效性。

摘要： 文中首先利用块三对角矩阵的嵌套局部块分解构造了一类三维问题的不完全分解预条件子,并针对模型矩阵,分析了预条件后的实际条件数,分析表明局部块分解是三维问题的一种有效预条件.其次在考虑其高效并行实现的同时,分析了影响并行计算加速比的几个因素.采用较大局部分解步长的预条件时,尽管迭代次数有较大减少,但由于每次迭代所需时间较长,使得总时间反而增长,从而说明对三维问题,当取简单的局部块分解时效率最高.最后,文中将所述预条件方法与传统预条件在某超节点MPP并行机上进行了实验比较,结果表明文中方法具有高效性与较好并行性的特点.

摘要： 在多数神经网络模型仍然将目光放在顺序结构上时,近期出现的两种基于句法树的模型TreeLSTMs和TBCNNs由于加入了结构信息而在多个自然语言处理任务上表现出色.考虑到TreeLSTMs因计算空间关联性使其训练效率不高,为了改进这一缺点,本文提出一种针对句法树的混合神经网络模型,借助TBCNNs的树卷积和池化方法实现了类似TreeLSTMs的计算,故将此模型命名为Quasi-TreeLSTMs.本文在依存树和支持树上分别构建了模型的两种版本Dependency Quasi-TreeLSTMs和Constituency Quasi-TreeLSTMs,实验结果表明,在情感分类和语义相似性两类任务上Quasi-TreeLSTMs的表现优异.

摘要： 在多数神经网络模型仍然将目光放在顺序结构上时,近期出现的两种基于句法树的模型TreeLSTMs和TBCNNs由于加入了结构信息而在多个自然语言处理任务上表现出色.考虑到TreeLSTMs因计算空间关联性使其训练效率不高,为了改进这一缺点,本文提出一种针对句法树的混合神经网络模型,借助TBCNNs的树卷积和池化方法实现了类似TreeLSTMs的计算,故将此模型命名为Quasi-TreeLSTMs.本文在依存树和支持树上分别构建了模型的两种版本Dependency Quasi-TreeLSTMs和Constituency Quasi-TreeLSTMs,实验结果表明,在情感分类和语义相似性两类任务上Quasi-TreeLSTMs的表现优异.

摘要： 在多数神经网络模型仍然将目光放在顺序结构上时,近期出现的两种基于句法树的模型TreeLSTMs和TBCNNs由于加入了结构信息而在多个自然语言处理任务上表现出色.考虑到TreeLSTMs因计算空间关联性使其训练效率不高,为了改进这一缺点,本文提出一种针对句法树的混合神经网络模型,借助TBCNNs的树卷积和池化方法实现了类似TreeLSTMs的计算,故将此模型命名为Quasi-TreeLSTMs.本文在依存树和支持树上分别构建了模型的两种版本Dependency Quasi-TreeLSTMs和Constituency Quasi-TreeLSTMs,实验结果表明,在情感分类和语义相似性两类任务上Quasi-TreeLSTMs的表现优异.

摘要： 一种用在自动测试设备中的系统。在一个实施例中，该系统包括可配置的集成电路(IC)，该集成电路可编程为提供用在自动测试设备中的测试模式。该可配置的IC包括可配置的接口核，该接口核可编程为对于被测设备(DUT)提供一个或多个基于协议的接口的功能并且可编程为与DUT接口。该系统还包括可配置成将可配置的IC耦合到DUT的连接。

摘要： 一种用在自动测试设备中的系统。在一个实施例中，该系统包括可配置的集成电路(IC)，该集成电路可编程为提供用在自动测试设备中的测试模式。该可配置的IC包括可配置的接口核，该接口核可编程为对于被测设备(DUT)提供一个或多个基于协议的接口的功能并且可编程为与DUT接口。该系统还包括可配置成将可配置的IC耦合到DUT的连接。

摘要： 本文中描述了启用大型AI模型在被通信地连接到参数服务器的存储器受限目标设备上的执行的方法、系统、装置和计算机程序产品，该参数服务器存储AI模型的主副本。AI模型可以被分解成较小的部分(例如，层或子层)，并且每个部分可以在目标设备上尽可能高效地执行。在AI模型的一部分的执行完成之后，可以在目标设备处下载并执行AI模型的另一部分。为了提高效率，可以将输入样本划分为微批次，并且按顺序执行的多个微批次可以形成迷你批次。可以调节一组微批次或迷你批次的大小以减少通信开销。可以在参数服务器和目标设备处执行多级并行的参数缩减。

摘要： 本发明属于高性能计算程序并行技术领域，特别涉及一种面向多代码粒度的向量并行性发掘方法，首先，构建多代码粒度结合的向量化框架，多代码粒度至少包含循环、基本块和函数调用三种代码粒度；然后，通过向量化框架发掘目标程序段中向量并行性，以实现目标程序段向量化。本发明基于循环、基本块、函数调用相结合的多粒度向量并行性发掘，能够有效提高向量并行识别能力，扩大向量并行识别范围，可以为生成更高效的SIMD并行代码提供指导，有利于充分发挥CPU中SIMD部件的并行优势，大幅提高程序的运行性能，保证程序的运行效率，易于部署，具有较好的应用前景。

摘要： 本发明涉及一种基于深度学习的高并行性阅读理解的方法，包括数据预处理，嵌入层，编码层，交互层，输出层。使用bert模型对预训练进行优化；使用Octave卷积替换原模型中的深度可分离卷积。本发明在原有的高并行机器阅读理解算法——QANet的基础上，改进其嵌入层和编码块的结构，将嵌入层的预训练模型改为BERT，并重构了整个编码块。在编码块中应用了多头自注意力机制，固定了编码块的卷积层的数量，并将本次设计的编码块内所需用到的所有卷积层都改为Octave卷积。并提出将参数量较少其计算较快的的深度可分离卷积应用于Octave卷积中，提升Octave卷积在提升速度的同时提升模型的泛化能力，并将之应用于机器阅读理解任务。

摘要： 本发明公开了一种挖掘BPMN编制流程并行性的方法及系统，方法包括：根据结构特征从编制流程中提取任务间的基本关系，并构造出基本关系矩阵；分析任务间的依赖关系，并构造出依赖关系矩阵；根据所述依赖关系矩阵构造出依赖图；根据转换规则将所述依赖图转换得到编制流程。本发明从依赖性(dependence)角度将BPMN编制流程中存在顺序关系、但不存在数据依赖的任务对，使它们由串行执行改为并行执行，以达到提高编制效率的目的。属于业务过程管理中的业务过程模型重构领域。

摘要： 本发明公开了一种基于并行性检测模型的串行程序的并行性检测方法、系统、终端及可读存储介质，该方法包括：获取程序样本及其分类标签，每个程序样本包含唯一的循环片段，分类标签表示程序样本能否被并行化；构建每个程序样本的图结构，优选使用上下文流程图表征程序样本；基于程序样本的图结构及分类标签训练分类模型或神经网络得到并行性检测模型；所述并行性检测模型用于检测目标程序是否能被并行化。本发明所述方法利用基于数据驱动的深度学习方法从数据集中自动学习代码潜在的特征，并选用图结构表征并行程序特点，以其为基础提取学习特征训练出并行性检测模型，解决了现有并行性检测技术中存在时间开销大、程序分析局限性、专业性强的问题。

摘要： 本发明公开了一种提升指令级并行性的寄存器选择优化方法，其步骤包括：1）描述指令与指令子集之间的映射关系；2）分析与候选者所在指令相关的其他指令中已经使用的寄存器，如果除这些寄存器外还有未被分配的寄存器，则跳转到第4）步；否则，执行下一步；3）找到同时包含分配候选者及其候选寄存器的指令子集，以单个候选寄存器为单位分别计算指令子集数量和包含候选寄存器的指令数量；4）为各寄存器分配候选者选择对依赖关系影响最少的寄存器。本发明充分考虑了指令间的逻辑并行关系，能在尽量少的指令子集和尽量少的指令范围内引起额外的指令间数据依赖关系，从而有利于提升指令调度的自由度，得到指令级并行度更高的目标代码。

摘要： 公开了混合并行性技术，其中使用数据与模型并行性技术的混合来跨处理器阵列拆分层的工作负载。当配置阵列时，处理器在一个方向上的带宽可大于另一方向上的带宽。每个层根据它们是特征更重还是权重更重来表征。根据该表征，NN层的工作负载可以使用混合并行性技术来分配给阵列，而不是仅使用数据并行性技术或仅使用模型并行性技术。例如，如果NN层相比特征重更加权重重，则在具有较大带宽的方向上使用数据并行性(以最小化权重减小的负面影响)，而在具有较小带宽的方向上使用模型并行性。

摘要： 在动态识别和修改管线中的特定任务并行性的方法中，计算动态管线中的每一级的最佳执行时间。测量动态管线中每一级的实际执行时间。确定数据处理作业的实际完成时间是否将超过阈值。如果确定数据处理作业的实际完成时间将超过阈值，则创建级的附加实例。