-
题名一种BPNNs识别算法的医学检测泛实时性问题研究
被引量：2
- 1
-
-
作者
刘玉成
理查德.丁
张颖超
-
机构
南京财经大学国家级重点实验中心
美国波士顿克罗诺斯研究所
南京信息工程大学信息与控制学院
-
出处
《计算机科学》
CSCD
北大核心
2018年第6期301-307,共7页
-
基金
江苏省六大人才高峰(2106-A-027)
江苏省高校自然科学基金项目(12016KJD520122)资助
-
文摘
尿沉渣空间环境的复杂性,导致采集的有形成分图像存在较多冗余信息,提取有效的图像信息变得较为困难,进而使得识别系统需要处理的数据量十分巨大。虽然BP神经网络算法的串行版本DJ8000系统平台解决了细胞等有形成分的识别准确率问题,但其不能满足尿沉渣图像医学检验的实时性要求。为此,提出了基于BP神经网络算法优化的并行处理GPU框架的系统平台。它采用并行优化框架,同步高效地对数据进行加速处理;同时,以GPU计算和测试平台为硬件系统支持,无论是在硬件指标、数据传输及总线技术还是软硬件的兼容性方面,都有助于解决算法中时常出现的负载不均衡的问题。实验数据表明,BP神经网络尿沉渣识别算法在优化并行框架的GPU系统处理平台上显示的加速比、时效比和运行时间等相关性能参数值都有所提升。相比于DJ8000系统平台,优化的AMD HD7970和NVIDIAGTX680两个并行处理GPU框架系统平台相应的加速比参数值分别是前者的10.82~21.35个和7.63~15.28个标准当量。实验数据充分说明,优化并行框架的GPU处理系统中相关的逻辑数据、地址数据和线性寻程的函数映射关系均能相互动态分配对接并优化算法架构,实现软件到硬件系统的最优比映射,最终解决由于线程间负载不均衡导致的性能瓶颈问题,从而有效地化解了医学领域实时检测中的时效性这一难题。
-
关键词
BP神经网络
GPU平台
负载不均衡
并行优化
线程协调
-
Keywords
BP neural networks
GPU platform
Load imbalance
Parallel optimization
Thread coordination
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名PLF.sets的实证研究及其高质量仿真应用
- 2
-
-
作者
刘玉成
王传生
杨露鑫
理查德·丁
-
机构
南京财经大学国家重点实验室
首都经济贸易大学信息学院
对外经济贸易大学国际经济研究院
美国波士顿克罗诺斯研究所
-
出处
《运筹与管理》
CSSCI
CSCD
北大核心
2020年第9期160-169,共10页
-
基金
国家自然科学基金青年项目(71702068)
北京市自然科学基金项目(9182002)。
-
文摘
为高效率与高质量仿真城市人口迁移与演变趋势,基于Zadeh模糊集的基础知识,引入哲学否定与计算机逻辑中对立否定、中介否定和矛盾否定的概念。在反复研究和论证了三种逻辑否定之间的内在关系、基本特征和融合条件后,创新性地提出了PLF.sets泛逻辑性模糊集,形成可直接参与计算的多种逻辑变量及其演变形式的评价因数集。PLF.sets在饱和验证其运算规则和逻辑转化可行性的前提下,通过已知局部隶属函数g(x)构建出逼近性能良好的整体隶属度函数f(x)。它能够在确定的值域U[a,b]内,使得任意的x(x∈U)映射于f(x)值。并在高度仿真和逼近原始系统规律的同时,逻辑简化系统函数产生的复杂性计算。PLF.Sets于《管理信息系统》教学质量评价的实证研究结果充分证明,PLF.sets方法可以化繁为简,简化运算方法和步骤;显示出高效性、准确性、普适性和简洁性的特点。PLF.sets方法在对北京城市人口迁移与演变趋势仿真的应用表明:(1)北京城市人口流动变化净增加值的定位均是“多”的等级;(2)北京城市人口流动网络及其关联度特征的定性等级均是“高”级别。最终高质量地评估了正向迁移城市的人口流动格局、人口迁移与演变趋势。
-
关键词
哲学逻辑
PLF.sets模糊集
人口迁移
流动特征
模型验证
仿真应用
-
Keywords
philosophical logic
the PLF.sets
population migration
flow characteristics
model verification
simulation application
-
分类号
O213
[理学—概率论与数理统计]
C931
[经济管理—管理学]
-
-
题名新型融合方法的医学图像预处理和分类
被引量：4
- 3
-
-
作者
刘玉成
王传生
杨露鑫
杨晶
理查德·丁
-
机构
南京财经大学国家重点实验室
首都经济贸易大学信息学院
南京大学商学院
美国波士顿克罗诺斯研究所
-
出处
《计算机工程与设计》
北大核心
2020年第1期169-175,共7页
-
基金
国家自然科学基金项目(70872046)
全国青年教师教育教学研究课题重点资助课题基金项目(2018QNJ001)
北京市自然科学基金项目(9182002)
-
文摘
为在尿沉渣的复杂环境中提取适合神经网络识别的图像信息,满足医学检测和分类的准确性要求,提出一种改进型卷积网络(improved convolution neural networks,ICNNs)的图像融合预处理方法。经过融合与重构,得到符合R、G、B要求的高质量射频多光谱信息图像。对比其它预处理方法与神经网络集成的识别分类数据可知,多种尿沉渣成分的识别率得到了显著提高,由聚堆问题引起的识别分类干扰持续下降。ICNNs与BPNNs(back propagation neural networks)集成方法的仿真实验结果表明了ICNNs图像融合预处理方法的先进性,以及ICNNs与BP识别神经网络集成的有效性和鲁棒性。
-
关键词
改进型卷积网络
反传神经网络
最优支撑值
特征提取
稀疏矩阵
函数重构
-
Keywords
ICN networks
BP neural networks
optimal support value
feature extraction
sparse matrix
function refactoring
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
