图的最小顶点覆盖的粘贴DNA计算模型

本文在对经典粘贴模型以及全信息化的粘贴DNA计算模型的基本方法进行充分讨论的基础上,提出一种用粘贴DNA计算模型解决图的最小顶点覆盖问题的新方案,将数学问题的求解同并行生物操作有效结合.     

DNA芯片在最短公共超串问题中的应用

DNA芯片技术是近年来生命科学与信息科学的新兴研究领域,其突出特点在于它的高度并行性、多样化、微型化以及自动化.最短公共超串问题是计算机科学中的NP-完全问题.笔者在DNA计算和DNA芯片基础上,提出了基于DNA芯片解决最短公共超串问题的DNA计算新模型.该模型可对信息高度并行获取,并且具有操作易自动化的优点.     

DNA计算的研究现状与展望

基于硅材料的微电子技术由于工艺技术和基本理论上的局限,使得现有电子计算机无法满足科技发展对计算能力的需求.由于具有超强的并行运算能力和巨大的数据存储能力,DNA计算始终是新型计算机领域研究的热门.DNA计算的研究已经涉及到DNA计算模型、 DNA计算机系统、 DNA计算的应用等诸多方面.文章从DNA计算流程、DNA计算模型、DNA计算机、DNA计算应用研究等几个方面,综述了DNA计算研究的现状.同时,也指出了DNA计算存在的问题,并从DNA编码设计、DNA计算噪声控制等方面阐述了未来研究方向.相信随着生物技术、纳米技术等的进一步发展,DNA计算一定能够发挥出自身的优势和潜力,能够为国防建设、信息安全、基础科学研究、生命科学研究等方面提供更好的服务.     

DNA芯片在最短公共超串问题中的应用

DNA芯片技术是近年来生命科学与信息科学的新兴研究领域，其突出特点在于它的高度并行性、多样化、微型化以及自动化，最短公共超串问题是计算机科学中的NP-完全问题．笔者在DNA计算和DNA芯片基础上，提出了基于DNA芯片解决最短公共超串问题的DNA计算新模型．该模型可对信息高度并行获取，并且具有操作易自动化的优点．     

面向大数据应用的多层次混合式并行方法

基于很多大数据应用存在对数据进行多种并行处理的需求, 提出两层混合式并行方法, 即执行单元的混合并行和计算模型的混合并行. 通过在同一个计算节点上执行单元的混合并行, 充分挖掘基础设施的计算能力, 从而提高数据处理性能; 采用在同一个执行引擎中集成多个计算模型的并行方法, 以适合应用多样异质处理模式. 不同的混合并行方法可以契合不同的数据和计算特点, 以满足不同的并行目标. 介绍了混合式并行方法的基本思想, 并以前期开发的并行编程模型BSPCloud为基础, 阐述了进程和线程混合并行、BSP和MapReduce混合并行的主要实现机制.     

并行CORBA在网络并行计算中的应用研究

讨论了一个通用对象请求代理体系结构 ( CORBA)的扩展 -并行 CORBA,并详细分析了它的原理 .以油气储层随机建模计算模型为例 ,研究了基于并行 CORBA的油气储层随机建模计算模型 ,实现了基于并行 CORBA技术油气储层随机建模的软件 .结果表明 ,并行 CORBA技术大大提高了油气储层随机建模的计算效率 ,有效地利用了网络资源     

面向流体机械仿真的层次化并行计算模型

随着流体机械基础并行算法的发展,传统的单核处理器已经不能很好地满足先进流体机械研发的技术需求,为此本文深入研究了流体机械的物理模型以及高性能计算机架构特点,设计并实现了能够充分表达物理模型并行性的高效的面向流体机械仿真的层次化并行计算模型(HP2H)。HP2H模型充分考虑流体机械的多层几何结构以及高性能计算机的多层逻辑架构,深入挖掘计算平台、计算模型以及物理模型的并行性,实现从物理模型到计算资源的高效任务映射。依据具体的轴流压气机转子数值模拟的实际应用背景,结合粗粒度并行和细粒度并行对模型进行实现。对HP2H计算模型进行了功能测试和性能测试,当计算核心从36核提升到432核时,计算性能提升约12倍,并行效率达到了100%。实验结果表明,HP2H计算模型不但在正确地对流体机械进行数值模拟的前提下实现了较好的计算性能,并且由于HP2H计算模型结合了粗粒度并行与细粒度并行,因而可以在不同的计算平台上运行,还可以便捷地实现计算规模的扩展,具有良好的可移植性与可扩展性。     

基于“DNA折纸术”设计图着色问题的解决方案

色数是图论中的一个重要的参数,其属于著名NP(Non-deterministic Polynomial)-完全问题范畴.巨量的着色方案使验证变得相当困难,以至于在传统计算机上无法实现.目前已经有多种算法用于研究图定点着色问题,比如遗传算法,粒子群算法,神经网络算法和模拟退火算法等.随着DNA自组装技术与DNA计算机研究的展开,一些NP-完全问题以及NP-难问题的计算模型被相继提出.除了传统的DNA分子结构被用作计算材料外,其他的DNA分子结构也被用于分子生物计算,比如质粒DNA分子、分子信标结构以及DNA Tile等.采用DNA纳米折纸结构编码信息,借助于纳米结构之间的粘性末端进行自组装,给出了一种非确定性的图着色模型.通过创建数以亿计的参与计算的DNA纳米折纸结构,该算法可以并行的测试每种可能的着色方案.     

基于OpenCL的隐马尔可夫模型的GPU并行实现

隐马尔可夫模型(HMM)是建立在马尔可夫链的基础上的统计模型.虽然隐马尔可夫模型是一种计算高效的机器学习模型,但是当处理的数据集规模过于庞大时,分析的时间太长.因此,我们有必要研究隐马尔可夫模型的并行化设计,以提高模型的运算速度.近年来,开放计算语言(OpenCL)的出现,使得设计通用的并行程序成为可能.该文,我们分析了隐马尔可夫模型三类算法的并行特性,并设计基于OpenCL的并行实现.实验结果表明,隐马尔可夫模型在GPU上的并行化实现最高获得了640倍的加速比.     

多机群网格中的并行计算实现方法

在由多计算机机群构成的网格环境下,为了实现数据并行型计算,给出了由多计算机机群组成的网格、逻辑计算机机群、数据并行型计算和一系列Agent的定义;利用管理智能体、协同计算智能体、通信智能体以及协同计算组之间的协同计算机制来实现数据并行型计算。根据计算节点的主态、冗态和失效状态,描述了动态资源划分机制和网格计算过程。实践表明,该模型有效地适应了多机群网格环境的异构性、动态性等特性,降低了并行计算的失效率,其上运行的并行计算的加速比呈近线性趋势。该模型适合于基于多机群网格的并行型计算。     

基于神经网络的并行布局算法

根据神经网络串行布局算法 ,进一步研究并提出了与布局问题相适应的神经网络并行计算模型及并行布局算法 ,以负载平衡及系统通信开销最小为目标 .理论分析结果表明 ,运用该算法能达到此目标 ,且具有布局质量高、收敛快、计算简单等特点 ,适于神经网络并行布局     

交通量的灰色神经网络预测方法

结合灰色系统思想与神经网络构成灰色神经网络,根据目前灰色模型与神经网络结合的方法,提出并联型、串联型和嵌入型3种预测模型的结构.并联型灰色神经网络首先采用灰色模型、神经网络分别进行预测,而后对预测结果加以组合作为实际预测值;串联型对多个灰色预测的结果使用神经网络进行组合;嵌入型在神经网络的输入端、输出端分别增加一个灰化层和白化层而构成.对并联型灰色神经网络给出一种根据预测模型的有效度确定加权系数的方法.将上述3种灰色神经网络模型用于对京石高速公路断面机动车实时交通量进行预测,模型精度和预测结果比较理想,优于单一预测模型.实验表明:灰色神经网络可提高预测精度,用于交通量预测方法是有效可行的.     

基于FPGA并行加速的脉冲神经网络在线学习硬件结构的设计与实现

当前，基于数字电路的脉冲神经网络硬件设计，在学习功能方面的突触并行性不高，导致硬件整体延时较大，在一定程度上限制了脉冲神经网络模型在线学习的速度。针对上述问题，文中提出了一种基于FPGA并行加速的高效脉冲神经网络在线学习硬件结构，通过神经元和突触的双并行设计对模型的训练与推理过程进行加速。首先，设计具有并行脉冲传递功能和并行脉冲时间依赖可塑性学习功能的突触结构；然后，搭建输入编码层和赢家通吃结构的学习层，并优化赢家通吃网络的侧向抑制的实现，形成规模为784～400的脉冲神经网络模型。实验结果表明：在MNIST数据集上，使用该硬件结构的脉冲神经网络模型训练一幅图像需要的时间为1.61 ms、能耗约为3.18 mJ，推理一幅图像需要的时间为1.19 ms、能耗约为2.37 mJ，识别MNIST测试集样本的准确率可达87.51%；在文中设计的硬件框架下，突触并行结构能使训练速度提升38%以上，硬件能耗降低约24.1%，有助于促进边缘智能计算设备及技术的发展。     

一种基于概率神经网络模型的胃病诊断专家系统

给出了将神经网络与基于规则的专家系统结合起来的一种神经网络模型,在这种模型中,一方面,领域知识以显式方式表示,神经网络的并行推理过程是可以理解和解释的;另一方面,由于通过贝中斯后验概率指定权值,因此避免了神经网络漫长的递归学习过程,提高了学习效率。     

BP神经网络在旋转机械故障诊断中的应用

人工神经网络模型是在现代生物神经系统研究基础上建立的一种网状结构，是对人脑某些基本特性的一种简单的数学模拟。神经网络以其信息的并行分布式处理、联想记忆、自组织及自学习能力，在机械故障诊断领域显示了极大的应用潜力。本文就神经网络对给定知识的表达、联想、记忆能力及网络结构进行了研究，利用反向误差传播网络对旋转机械中四种典型故障进行了实例分析诊断，取得了令人满意的效果。     

基于异种机互联网络的并行神经计算环境的实现和性能分析

给出了在多台微机与SUN工作站的互连网上实现的一个并行计算环境 :HCPC(Heteroge neousComputersParallelComputing)系统 ,并通过对其性能的分析和在ART1神经网络上的模拟实现 ,验证了HCPC系统的功能     

基于增广RBF神经网络的混沌系统辨识

混沌系统的建模与辨识是混沌控制的基础。提出一种动态线性子系统与ＲＢＦ神经网络并联的增广ＲＢＦ神经网络模型,该模型不仅对动态非线性系统具有良好的逼近能力,而且网络学习速度很快。对Ｈｅｎｏｎ系统时间序列的仿真预测结果表明,增广ＲＢＦ网络能有效地用于混沌系统辨识。     

改进的神经网络并行算法及其在地震初至拾取中的应用

针对经典BP神经网络易于陷入局部极小点、易于产生振荡等缺点,提出了神经网络初始权值的二分法,改进了一种网络结构自动确定算法,并将随机算子和遗忘因子引入BP神经网络中.在提高全局寻优能力的同时,加快了网络的收敛速度.在分析了神经网络内在并行性的基础上,基于MPI实现了改进算法的并行化,将算法应用于地震资料的初至拾取,并取得了良好的应用效果,验证了算法的有效性.     

基于复合神经网络的柴油机故障诊断专家系统

针对ART神经网络和BP神经网络在故障诊断领域应用的优点及不足,结合专家系统擅长推理的优点,将ART2和并行BP神经网络组合优化策略运用在专家系统中,用Visual C＋＋6．0语言作为软件开发环境,构造一个基于复合神经网络的专家系统。最后给出一个应用实例,验证了系统模型的合理性。     

利用串/并联神经网络建立化学反应器模型

本文研究使用线性动态神经网络与非线性的静态网络相结合的混合建模方式解决复杂非线性系统的建模问题。使用混合神经网络建模，可以降低单个网络的训练难度，基于此，也可将非线性系统控制策略的求解分解，转换为线性系统的求解。从而改善使用单一神经网络建模存在的精度不高以及训练时间长等不足，也为非线性系统控制策略的求解提供方便。本文以一个典型多变量系统——连续搅拌釜式反应器（CSTR）作为仿真对象，详细研究和实现了两类神经网络串联和并联的混合建模方法，并对结果进行了比较。