期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
面向神威·太湖之光的PETSc可扩展异构并行算法及其性能优化 被引量:16
1
作者 洪文杰 李肯立 +4 位作者 全哲 阳王东 李克勤 郝子宇 谢向辉 《计算机学报》 EI CSCD 北大核心 2017年第9期2057-2069,共13页
共性数学库PETSc(Portable,Extensible Toolkit for Scientific Computation)是高性能计算的基础模块,是超级计算机计算环境的基础算法库之一,其性能直接影响调用数学库的高性能数值计算应用的效率.面向国际上首台100P神威·太湖之... 共性数学库PETSc(Portable,Extensible Toolkit for Scientific Computation)是高性能计算的基础模块,是超级计算机计算环境的基础算法库之一,其性能直接影响调用数学库的高性能数值计算应用的效率.面向国际上首台100P神威·太湖之光异构超级计算机,根据实际研究需要选取PETSc中两个典型用例ex5(单节点线性求解方程组问题)和ex19(多节点求解2D驱动腔问题)进行实验探究.对运行结果分析找到的热点函数主要为PETSc函数库中7个核心函数,针对这7个核心函数(主要包括向量运算与矩阵运算),提出和实现了其异构并行算法,并结合机器的异构体系结构提出了相应的性能优化方法.在超级计算机上的实验结果为:核心函数并行算法在4主核、256从核的单节点上加速比最大可达到16.4;多节点情况下,当输入规模为16 384时,8192个节点相对于256节点的加速比为32,且加速比随着异构处理器数目的增加接近线性增加,表明PETSc核心函数并行算法在神威·太湖之光超级计算机上具有良好的可扩展性. 展开更多
关键词 并行算法设计 PETSc数学库 可扩展性 神威·太湖之光
在线阅读 下载PDF
基于1D-CNN和SWLSTM的风电轴承故障诊断方法 被引量:5
2
作者 荆东星 陈杨晖 全哲 《机械强度》 CAS CSCD 北大核心 2023年第6期1309-1317,共9页
针对风电机组滚动轴承故障特征微弱,对应的信号具有非线性、非平稳性并含有噪声干扰的问题,以及信号本身具有空间和时域信息的特点,提出一种基于一维卷积神经网络(One-Dimensional Convolutional Neural Network,1DCNN)和共享权重长短... 针对风电机组滚动轴承故障特征微弱,对应的信号具有非线性、非平稳性并含有噪声干扰的问题,以及信号本身具有空间和时域信息的特点,提出一种基于一维卷积神经网络(One-Dimensional Convolutional Neural Network,1DCNN)和共享权重长短时记忆网络(Shared Weight Long Short-Term Memory Network,SWLSTM)进行空时融合的风电机组滚动轴承故障诊断的卷积共享权重记忆网络(Convolutional Shared Weight Long Short-Term Memory Network,CSWLSTM)。使用美国西储大学滚动轴承数据集进行验证,相较于具有相同结构的卷积长短时记忆网络(Convolutional Long Short-Term Memory Network,CLSTM)模型和卷积门控循环网络(Convolutional Gated Recurrent Unit Network,CGRU)模型,CSWLSTM模型在训练时间上分别降低了39.9%和19.0%,模型参数量分别降低了63.3%和53.4%。在测试集上使用的分类评价指标准确率分别提升了1.0%和1.5%,精确率分别提升了1.0%和1.7%,召回率分别提升了0.9%和1.0%。仿真实验结果表明,所提出的CSWLSTM模型在风电机组滚动轴承故障诊断方面具有较好的应用潜力。 展开更多
关键词 风电 故障诊断 滚动轴承 共享权重长短时记忆网络 一维卷积神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部