利用顶点预测方法实现三维网格的保形简化

针对产品的三维表面用三角网格来表示时,三角形数量巨大的问题,提出了一种基于顶点预测的三角形折叠简化方法。首先根据网格模型的每一个顶点与其周边元素之间的几何拓扑关系,运用投影预测方法来预测三角形折叠的折叠点坐标,然后运用线性插值算子对折叠点坐标进行调整。为进一步保证简化后模型的质量,在采用距离误差控制的同时,引入了角度误差控制方法。实验结果表明,该简化算法在减少模型的三角形数量的同时,有效地保持模型特征,保证了模型表面的光顺。     

数字匹配滤波器的递归折叠实现

针对数字匹配滤波器(DMF)的FPGA实现提出一种优化结构. 利用16位移位寄存器(SRL16E)的存储潜力,设计递归延迟线(RDL);再利用RDL抽头个数倍减而抽头样本速率倍增的特点和时分复用技术,提出DMF的递归折叠结构. 该结构以提高工作时钟频率为代价,增大延迟线的采样率以及相关运算单元的吞吐率,从而成倍降低DMF的资源消耗. 当采用1/4递归折叠结构时,资源消耗仅为优化前的1/3.     

在折叠模型下对超核13ΛC基态结构的研究

用集团结构模型、折叠模型和少体理论方法,从基态结合能和集团间的均方根半径方面研究了13ΛC超核的基态结构,计算结果与实验值符合较好.     

一种基于位向量流分类算法的改进

在流分类算法中,聚合位向量(ABV)算法分类速度快、并行性好,但内存开销过大;位向量折叠(AFBV)算法对ABV算法进行了改进,降低了运行时内存的消耗,但其冗余计算增加了时间开销。针对上述不足,文章提出一种改进的位向量流分类算法,该算法无需进行位向量聚合,减少了内存开销,并按规则的源/目的IP地址前缀建立分组表,根据表中分组所包含IP地址数目降序排列,使得算法具有良好的时间性能。实验结果表明,本算法在大规模规则库下具有良好的时间和空间效率。     

两水平扩大设计基于中心化L2-偏差的均匀性

基于中心化L₂-偏差讨论了两水平扩大设计的均匀性，获得了两水平扩大设计中心化L2-偏差的一个新的下界，该下界可作为寻找最优折叠反转方案的一个基准.     

采用折叠-展开技术的一种并行排序算法

给出ｎ×ｎ网孔环接式阵列处理机上的一种并行排序算法,它将ｎ×ｎ阵列上的数据折叠成ｎ×ｎ／ｋ子阵列,排序后再展开到整个ｎ×ｎ阵列上,实现ｎ×ｎ项数据的行主序排序,其平均时间复杂度为（２＋１／ｋ）ｎ＋ｏ（ｎ）．若采用ｎ×ｎ／ｋ阵列模型,且各处理器初始、结束状态允许有ｋ项数据时,该算法的平均时间复杂度只有（１＋２／ｋ）ｎ＋ｏ（ｎ）．     

机器学习在蛋白质疏水相互作用模型研究中的应用

疏水相互作用是一种十分复杂的非线性多体等效相互作用,在蛋白质折叠中发挥着主导作用,对蛋白质溶剂可及表面积（SASA）的分析是刻画该作用的重要手段.为了解决SASA解析或数值方法难以平衡计算成本和精确度的问题,将机器学习方法应用于蛋白质SASA的预测中.与传统的典型方法进行比较,该方法得到的结果,误差小了一个数量级,计算速度比解析方法提升了近两个数量级.将该方法拓展到基于蛋白质粗粒化结构的SASA预测上,也取得了良好的结果 .该方法为蛋白质物理的研究提供了新的高效计算工具.     

一种新颖的全差分CMOS运算放大器的设计

研究了一种全差分高增益、宽带宽CMOS运算跨导放大器 (OTA) .放大器采用三级折叠 级联结构 ,结合附加增益提高电路 ,大幅提高整个电路增益的同时获得较好的频率特性 ,采用 0 .35 μmCMOSN阱工艺设计 .HSPICE模拟结果放大器的带宽为 2 15MHz(相位裕度 6 2 .2°) ,开环增益为 10 3dB ,功耗仅为 2 .0 1mW .     

小蛋白天然结构与折叠速度关系的分子动力学模拟研究

用分子动力学模拟方法研究了小蛋白天然结构集合与其折叠速度的关系．根据蛋白质内存在接触的不同定义方式．利用分子动力学模拟方法得到了10个小蛋白的一系列构象集合,分析了其拓扑参数与折叠速度的关系,并与PDB单构象的情况进行了比较．用含主链重原子的方式定义接触,所计算的结果较好,天然结构集合所计算的拓扑参数与蛋白质折叠速度的关系可以更真实地反映实际情况．