期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
高性能自旋代码设计
1
作者 李升起 高超 《计算机研究与发展》 EI CSCD 北大核心 2012年第S2期160-164,共5页
在面向多核硬件结构的高性能多线程软件系统中,自旋代码的性能对系统整体性能具有较大影响.给出了3种自旋代码的设计方案和性能模拟数据.并给出自旋代码实现建议.根据模拟实验结果发现,基于nanosleep的方案的性能极低,建议在系统中避免... 在面向多核硬件结构的高性能多线程软件系统中,自旋代码的性能对系统整体性能具有较大影响.给出了3种自旋代码的设计方案和性能模拟数据.并给出自旋代码实现建议.根据模拟实验结果发现,基于nanosleep的方案的性能极低,建议在系统中避免使用.基于busy的方案会导致处理器忙转,处理器功耗提升.基于pause的方案可以降低处理器功耗,并提供稍优于busy方案的性能,建议在高性能系统中使用. 展开更多
关键词 多线程 自旋代码
在线阅读 下载PDF
非独立同分布场景下的联邦学习优化方法 被引量:3
2
作者 宋华伟 李升起 +1 位作者 万方杰 卫玉萍 《计算机工程》 CAS CSCD 北大核心 2024年第3期166-172,共7页
联邦学习能够在不泄露数据隐私的情况下合作训练全局模型,但这种协作式的训练方式在现实环境下面临参与方数据非独立同分布(Non-IID)的挑战:模型收敛慢、精度降低的问题。许多现有的联邦学习方法仅从全局模型聚合和本地客户端更新中的... 联邦学习能够在不泄露数据隐私的情况下合作训练全局模型,但这种协作式的训练方式在现实环境下面临参与方数据非独立同分布(Non-IID)的挑战:模型收敛慢、精度降低的问题。许多现有的联邦学习方法仅从全局模型聚合和本地客户端更新中的一个角度进行改进,难免会引发另一角度带来的影响,降低全局模型的质量。提出一种分层持续学习的联邦学习优化方法(FedMas)。FedMas基于分层融合的思想,首先,采用客户端分层策略,利用DBSCAN算法将相似数据分布的客户端划分到不同的层中,每次仅挑选某个层的部分客户端进行训练,避免服务器端全局模型聚合时因数据分布不同产生的权重分歧现象;进一步,由于每个层的数据分布不同,客户端在局部更新时结合持续学习灾难性遗忘的解决方案,有效地融合不同层客户端数据间的差异性,从而保证全局模型的性能。在MNIST和CIFAR-10标准数据集上的实验结果表明,FedMas与FedProx、Scaffold和FedCurv联邦学习算法相比,全局模型测试准确率平均提高0.3~2.2个百分点。 展开更多
关键词 联邦学习 持续学习 数据异构 聚类 分层优化 数据分布
在线阅读 下载PDF
洞庭湖外湾电排流道预留不均匀沉陷研究
3
作者 周群力 余湘娟 +2 位作者 团辉 李升起 张之纾 《岩土工程学报》 EI CAS CSCD 北大核心 2005年第2期135-139,共5页
洞庭湖部分穿堤建筑物(箱涵)运用期间发生不均匀沉陷,影响运行甚至破损断裂。分析认为是大堤荷载引起。提出了预留不均匀沉陷的措施,并在益阳市外湾电排流道重建工程中实施,取得了预期效果。
关键词 穿堤建筑物 不均匀沉陷 预留
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部