-
题名一种基于敏捷集群计算系统的并行GMRES方法
- 1
-
-
作者
何康馨
席国江
陈颖
-
机构
西南电子技术研究所敏捷智能计算四川省重点实验室
-
出处
《无线电通信技术》
北大核心
2024年第1期162-167,共6页
-
基金
四川省自然科学基金(2023NSFSC0497,2022YFG0231)。
-
文摘
随着通信系统和人工智能的飞速发展,以智慧城市、智慧工厂和智能制造等为代表的多种新型应用场景不断涌现,使得通信、感知和计算等系统的一体化成为技术发展的新趋势。人工智能新型应用场景对大规模高效敏捷计算提出了新的要求,基于敏捷集群计算系统,提出了一种并行广义最小残差(Generalized Minimal Residual, GMRES)方法,主要通过并行矩阵向量乘法和并行高瘦矩阵QR(Tall and Skinny QR,TSQR)分解实现Krylov子空间的高效并行构造,充分利用集群计算系统的计算和通信性能,实现大规模线性方程组Ax=b的快速求解,其中A为一个n×n的矩阵,在工程实践中,n可达数十万甚至百万规模。通过求解二维泊松方程的有限元离散得到的刚度方程,验证了算法的有效性。
-
关键词
敏捷集群计算
并行广义最小残差方法
KRYLOV子空间
大规模线性方程组
-
Keywords
agile cluster computing
parallel GMRES method
Krylov subspace
large linear system
-
分类号
TN919.23
[电子电信—通信与信息系统]
-
-
题名不确定性引导的芯片空洞分割网络
- 2
-
-
作者
侯云
-
机构
西南电子技术研究所敏捷智能计算四川省重点实验室
-
出处
《现代电子技术》
北大核心
2025年第9期86-92,共7页
-
基金
国家重点研发计划(2023YFB4707200)
国家自然科学基金项目(52175031)
四川省自然科学基金项目(2023NSFSC0497)。
-
文摘
焊缝中存在的空洞缺陷严重影响芯片的气密性,这使得芯片检测成为智能制造过程中必不可少的步骤。空洞的多尺度形状以及表面灰度分布不均匀现象给基于深度学习的目标分割模型带来具大的挑战。为克服上述问题,文中提出一种基于不确定性引导的芯片空洞分割网络。该网络设计一种多尺度特征提取模块,提高模型对微小空洞的表征能力;并提出一种不确定引导模块,加强模型对空洞边缘的学习能力;此外,网络还引入通道注意力机制,自适应地调整模型整体感受野,增强特定语义的特征表示。为了验证算法的有效性,在所收集的空洞数据集上进行实验。实验结果证明:基于不确定性引导的芯片空洞分割网络对微小空洞的分割效果具有明显的提升;相比于基础U-Net,网络在空洞数据集上提高了约3.4%IoU和5.0%DICE值。
-
关键词
深度学习
图像分割
芯片检测
注意力机制
不确定性
空洞
-
Keywords
deep learning
image segmentation
chip inspection
attention mechanism
uncertainty
cavity
-
分类号
TN307-34
[电子电信—物理电子学]
-
