检索结果-维普期刊中文期刊服务平台

一种针对大波数Helmholtz方程的高性能并行预条件迭代求解算法被引量：2: 1; 作者程东升刘志勇 +1 位作者薛国伟高月芳《计算机科学》 CSCD 北大核心 2018年第7期299-306,共8页; 针对传统串行迭代法求解大波数Helmholtz方程存在效率低下且受限于单机内存的问题,提出了一种基于消息传递接口(Message Passing Interface,MPI)的并行预条件迭代法。该算法利用复移位拉普拉斯算子对Helmholtz方程进行预条件处理,联合... 展开更多; 关键词 HELMHOLTZ方程并行预条件子稳定双共轭梯度法多重网格; 在线阅读下载PDF 职称材料

CC＄:一种面向分布式众核平台的并行编程语言被引量：1: 2; 作者吴峻峰许跃生 +2 位作者张永东江颖叶纬材《计算机科学》 CSCD 北大核心 2013年第3期128-132,共5页; CC＄是一种并行编程语言,目的是解决分布式众核并行计算机的编程困难。CC＄的编程模型以Multi-BSP模型为基础,将分布式众核并行计算机的硬件架构抽象为3层。数据按照存储的层次和共享范围分为5类,以便在不同层次上提供共享。CC＄还提出... 展开更多; 关键词分布式众核并行计算编程语言 Multi-BSP 并行编程模型; 在线阅读下载PDF 职称材料

图卷积算法的研究进展被引量：1: 3; 作者郑睿刚陈伟福冯国灿《中山大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第2期1-14,共14页; 近年来,随着科学技术的发展,越来越多的数据以图的形式呈现和存储。图是不规则的数据,具有分散性和无序性,除了节点本身可赋予数据的特征外,边权信息更可以刻画节点间的相似性。虽然传统的深度卷积网络能有效处理图像、视频、语音等规... 展开更多; 关键词图卷积神经网络图的拉普拉斯矩阵图的傅立叶变换图的卷积变换图的节点分类图的分类; 在线阅读下载PDF 职称材料

基于层间互相关感知损失的风格迁移方法: 4; 作者庄轩权李彩霞黎培兴《中山大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第6期126-135,共10页; 深度学习在风格迁移领域的应用使一系列以图片艺术风格化为核心的产品真正落地,而从像素级损失向基于Gram矩阵的感知损失的转变是其中最关键的跨越。Gram矩阵在艺术风格特征的提取上有良好的效果,但其局限于同等级语义特征间相关性统计... 展开更多; 关键词风格迁移 GRAM矩阵卷积神经网络风格损失函数感知损失深度学习; 在线阅读下载PDF 职称材料

题名一种针对大波数Helmholtz方程的高性能并行预条件迭代求解算法被引量：2: 1; 作者程东升刘志勇薛国伟高月芳; 机构深圳信息职业技术学院软件学院中山大学广东省科学重点实验室深圳职业技术学院工业中心; 出处《计算机科学》 CSCD 北大核心 2018年第7期299-306,共8页; 基金国家自然科学基金项目(11701389) 广东省自然科学基金项目(2015A030313592) +4 种基金 JCYJ20150630114140642) 深圳信息职业技术学院科研培育项目(QN201710)资助; 文摘针对传统串行迭代法求解大波数Helmholtz方程存在效率低下且受限于单机内存的问题,提出了一种基于消息传递接口(Message Passing Interface,MPI)的并行预条件迭代法。该算法利用复移位拉普拉斯算子对Helmholtz方程进行预条件处理,联合稳定双共轭梯度法和基于矩阵的多重网格法来求解预条件方程离散后的大规模线性系统,在Linux集群系统上基于MPI环境实现了求解算法的并行计算,重点解决了多重网格的并行划分、信息传递和多重网格组件的构建问题。数值实验表明,对于大波数问题,提出的算法具有良好的并行加速比,相较于串行算法极大地提高了计算效率。; 关键词 HELMHOLTZ方程并行预条件子稳定双共轭梯度法多重网格; Keywords Helmholtz equation Parallel Preconditioner Bi-CGSTAB Multigrid; 分类号 O246 [理学—计算数学]; 在线阅读下载PDF 职称材料

题名CC＄:一种面向分布式众核平台的并行编程语言被引量：1: 2; 作者吴峻峰许跃生张永东江颖叶纬材; 机构中山大学数学与计算科学学院中山大学广东省计算科学重点实验室雪城大学数学系; 出处《计算机科学》 CSCD 北大核心 2013年第3期128-132,共5页; 基金广东省引进创新科研团队-计算科学科研团队(粤组函[2010]189号) 中山大学广东省计算科学重点实验室(粤财教[2010]311号)资助; 文摘 CC＄是一种并行编程语言,目的是解决分布式众核并行计算机的编程困难。CC＄的编程模型以Multi-BSP模型为基础,将分布式众核并行计算机的硬件架构抽象为3层。数据按照存储的层次和共享范围分为5类,以便在不同层次上提供共享。CC＄还提出一类虚拟指令来解决不同层次之间的数据交换,实现数据访问的逻辑化描述。并行程序按照3层Multi-BSP超步嵌套执行。CC＄具有统一的编程风格、内建的多层公共地址空间、数据访问请求的表达式描述和数据传输编译优化4大特点。测试表明,CC＄程序的运行效率高,易学易用,大幅地缩短了开发周期。; 关键词分布式众核并行计算编程语言 Multi-BSP 并行编程模型; Keywords Distributed many-core, Parallel computation, Programming language, Mult-BSP, Parallel programming model; 分类号 TP312 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名图卷积算法的研究进展被引量：1: 3; 作者郑睿刚陈伟福冯国灿; 机构中山大学数学学院中山大学广东省计算科学重点实验室; 出处《中山大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第2期1-14,共14页; 基金国家自然科学基金(61673018,61272338,61703443) 广州市科技计划项目(201804010255)。; 文摘近年来,随着科学技术的发展,越来越多的数据以图的形式呈现和存储。图是不规则的数据,具有分散性和无序性,除了节点本身可赋予数据的特征外,边权信息更可以刻画节点间的相似性。虽然传统的深度卷积网络能有效处理图像、视频、语音等规则的数据,但直接用以处理图的数据效果并不理想。如何借鉴传统的卷积算法,提出适应图数据特点的学习算法,是当前深度学习研究的一个热点。文章拟对面向图数据的图卷积算法进行归纳总结,然而由于篇幅有限,无法对所有算法做到面面俱到的介绍,因此文章侧重于介绍模型背后的原理,分析并指出这些算法的优缺点,同时扼要介绍图卷积网络的主要应用。; 关键词图卷积神经网络图的拉普拉斯矩阵图的傅立叶变换图的卷积变换图的节点分类图的分类; Keywords graph convolutional networks graph Laplacian matrix graph Fourier transformation graph convolution node classification graph classification; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于层间互相关感知损失的风格迁移方法: 4; 作者庄轩权李彩霞黎培兴; 机构中山大学数学学院中山大学广东省计算科学重点实验室; 出处《中山大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第6期126-135,共10页; 基金广东省基础与应用基础研究基金(2020B1515310007) 中山大学广东省计算科学重点实验室(2020B1212060032)。; 文摘深度学习在风格迁移领域的应用使一系列以图片艺术风格化为核心的产品真正落地,而从像素级损失向基于Gram矩阵的感知损失的转变是其中最关键的跨越。Gram矩阵在艺术风格特征的提取上有良好的效果,但其局限于同等级语义特征间相关性统计的做法并不能作为艺术风格的充分表示。自Gram矩阵被提出以来,一系列研究并未对其进行充分的研究和改进,而是关注于模型结构的设计以提高风格迁移的速度。提出使用层间互相关矩阵作为Gram矩阵的代替或补充进行风格迁移任务的风格损失函数计算。实验表明,在得到相似水平输出结果的情况下,使用层间互相关矩阵方法可以降低20%的计算时间。; 关键词风格迁移 GRAM矩阵卷积神经网络风格损失函数感知损失深度学习; Keywords style transfer Gram matrix convolutional neural network style loss function perceptual loss deep learning; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	一种针对大波数Helmholtz方程的高性能并行预条件迭代求解算法	程东升刘志勇薛国伟高月芳	《计算机科学》 CSCD 北大核心	2018	2	在线阅读下载PDF 职称材料
2	CC＄:一种面向分布式众核平台的并行编程语言	吴峻峰许跃生张永东江颖叶纬材	《计算机科学》 CSCD 北大核心	2013	1	在线阅读下载PDF 职称材料
3	图卷积算法的研究进展	郑睿刚陈伟福冯国灿	《中山大学学报（自然科学版）》 CAS CSCD 北大核心	2020	1	在线阅读下载PDF 职称材料
4	基于层间互相关感知损失的风格迁移方法	庄轩权李彩霞黎培兴	《中山大学学报（自然科学版）》 CAS CSCD 北大核心	2020	0	在线阅读下载PDF 职称材料