期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
真空弧离子源引出束流在加速空间的分布 被引量:1
1
作者 唐平瀛 向伟 +2 位作者 王春燕 谈效华 丁伯南 《原子能科学技术》 EI CAS CSCD 北大核心 2005年第1期93-96,共4页
采用数码相机直接照相的方法来确定真空弧离子源引出束流在加速空间的分布。实验在动态真空实验系统中进行,系统真空度优于2×10-3 Pa。在离子源脉冲工作的条件下,采用数码相机拍摄到离子源引出束流在加速空间的积分图像,得到引出... 采用数码相机直接照相的方法来确定真空弧离子源引出束流在加速空间的分布。实验在动态真空实验系统中进行,系统真空度优于2×10-3 Pa。在离子源脉冲工作的条件下,采用数码相机拍摄到离子源引出束流在加速空间的积分图像,得到引出束流的幅亮度在拍摄平面上的相对分布,然后再通过Abel转换得到引出束流在加速空间的径向分布。实验结果表明:真空弧离子源引出束流近似高斯分布,离子源出口处的束流比靶入口处的束流强40%。 展开更多
关键词 真空弧离子源 引出束流 Abel转换 加速空间 高斯分布
在线阅读 下载PDF
空间加速器的受约束数据流建模与评估框架 被引量:1
2
作者 贺裕兴 王腾 +1 位作者 滕文彬 宫磊 《计算机工程与应用》 CSCD 北大核心 2024年第17期74-88,共15页
将张量计算任务部署在空间加速器上已被证明能有效提高其执行速度和效率。为了在空间加速器上高效地进行张量计算,学术界提出了一系列数据流建模与评估框架。这些框架能够快速评估数据流,以便进行高效的设计空间探索。然而,这些框架缺... 将张量计算任务部署在空间加速器上已被证明能有效提高其执行速度和效率。为了在空间加速器上高效地进行张量计算,学术界提出了一系列数据流建模与评估框架。这些框架能够快速评估数据流,以便进行高效的设计空间探索。然而,这些框架缺乏对硬件结构的细粒度描述,因此无法有效地建模硬件结构对数据流的约束,从而无法有效地探索受到真实加速器硬件结构限制的数据流设计空间。为了解决这一问题,对硬件结构进行了细粒度建模,采用多层次的空间加速器硬件结构作为模板。每一层都包括阵列结构、存储结构和互连网络结构三部分,以分别描述硬件结构对数据流在空间展开、存储容量和数据传输方式方面的限制。提出了一种计算任务和数据流建模方法,该方法能够有效地求解数据流对硬件资源的需求。基于此,提出了一个数据流评估框架,包括需求分析、约束分析和性能分析三部分。需求分析用于求解计算任务和数据流对硬件资源的需求;约束分析旨在检查数据流是否违反硬件结构约束;性能分析用于评估数据流的延迟、数据重用和资源利用率等性能指标。实验结果表明,与之前最先进的评估框架相比,提出的框架在延迟评估方面的误差有所降低,并且能够有效地支持对受限数据流设计空间的探索。 展开更多
关键词 张量计算 空间加速 数据流 建模与评估 设计空间探索
在线阅读 下载PDF
加速广义极小残余新算法 被引量:2
3
作者 杨大地 刘仁达 《重庆大学学报(自然科学版)》 EI CAS CSCD 北大核心 2006年第10期121-124,共4页
研究了Krylov子空间广义极小残余算法(GMRES(m))的基本理论,特别是残余向量与Krylov子空间的关系.根据残余向量所满足的代数方程组,深入探讨算法的收敛性质与所选择的子空间的关系,指出大大量按模很小的特征值对应的特征向量的存在会降... 研究了Krylov子空间广义极小残余算法(GMRES(m))的基本理论,特别是残余向量与Krylov子空间的关系.根据残余向量所满足的代数方程组,深入探讨算法的收敛性质与所选择的子空间的关系,指出大大量按模很小的特征值对应的特征向量的存在会降低算法的收敛速度,从而提出一种利用按模很小的特征值对应的特征向量扩充Krylov子空间的加速广义极小残余算法(AGMRES(m)).理论分析和数值结果都表明,算法是可靠和有效的. 展开更多
关键词 GMRES(m)算法 加速Krylov子空间 广义极小残余算法
在线阅读 下载PDF
大型结构动态分析的一种有效方法
4
作者 孙丽萍 李力波 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2002年第4期560-562,共3页
讨论了大型结构动态分析中求解特征值问题的一种有效方法———加速子空间迭代法 .该法在迭代过程中通过省略某些迭代步骤中的瑞利———李兹分析 ,使得求解收敛速度加快 .通过一些实例对子空间迭代法和加速子空间迭代法进行了计算对比 ... 讨论了大型结构动态分析中求解特征值问题的一种有效方法———加速子空间迭代法 .该法在迭代过程中通过省略某些迭代步骤中的瑞利———李兹分析 ,使得求解收敛速度加快 .通过一些实例对子空间迭代法和加速子空间迭代法进行了计算对比 ,结果表明 。 展开更多
关键词 大型结构 动脉分析 特征值问题 空间迭代 加速空间迭代法 结构动力学
在线阅读 下载PDF
基于稀疏编码的弥散微循环模型参数估计神经网络
5
作者 郑天舒 颜国辉 +1 位作者 叶初阳 吴丹 《数据采集与处理》 CSCD 北大核心 2022年第4期747-756,共10页
弥散磁共振成像(Diffusion magnetic resonance imaging,dMRI)是一种重要的无创检测生物组织微观结构的医学成像工具,其中弥散微循环模型(Intravoxel incoherent motion,IVIM)是已被广泛用于分离组织水扩散和微血管血流运动的弥散磁共... 弥散磁共振成像(Diffusion magnetic resonance imaging,dMRI)是一种重要的无创检测生物组织微观结构的医学成像工具,其中弥散微循环模型(Intravoxel incoherent motion,IVIM)是已被广泛用于分离组织水扩散和微血管血流运动的弥散磁共振成像模型。求解弥散微循环模型参数的传统方法依赖于从多b值扩散弥散磁共振成像数据(通常≥10个b值)中拟合双指数模型,这需要一个相对较长的采集时间,对于体部弥散微循环模型成像是一个挑战。深度学习方法可以使用q空间数据的一个子集进行弥散磁共振成像模型参数估计,从而加速弥散磁共振成像的采集。然而,常见的基于卷积神经网络的深度学习与生物物理模型无关,因此,网络输出结果缺乏可解释性。本文将稀疏编码与深度学习相结合,提出了一种基于稀疏编码深度学习网络的弥散微循环模型参数估计方法。它利用了深度网络的表达优势,同时结合稀疏化表达的双指数模型来估计胎盘的弥散微循环模型参数,相比于其他算法,本文所拟的算法实现了更高的参数估计准确率和泛化能力。 展开更多
关键词 弥散微循环模型 深度学习 稀疏编码 q空间加速 参数估计
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部