期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于并行神经网络的二维FIR数字滤波器设计
被引量：
1
1
作者
王小华
龙英
何怡刚
《湖南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2006年第6期72-75,共4页
通过对二维FIR线性相位滤波器的幅频响应特性的分析,提出了一种用并行神经网络算法来设计二维FIR线性相位数字滤波器的新方法,其主要思想是使幅频响应误差函数最小化.该方法避免了矩阵的求逆运算,而且因为采用了并行算法,能快速获得滤...
通过对二维FIR线性相位滤波器的幅频响应特性的分析,提出了一种用并行神经网络算法来设计二维FIR线性相位数字滤波器的新方法,其主要思想是使幅频响应误差函数最小化.该方法避免了矩阵的求逆运算,而且因为采用了并行算法,能快速获得滤波器系数.给出了二维FIR圆对称线性相位低通数字滤波器优化设计实例.计算机仿真结果表明由该方法设计的二维数字滤波器,通带和阻带范围波动小,所需计算量非常少,稳定性强.
展开更多
关键词
二维数字滤波器
线性相位
并行
神经网络
算法
优化设计
下载PDF
职称材料
基于Winograd卷积的并行深度卷积神经网络优化算法
被引量：
3
2
作者
李叶
毛伊敏
陈志刚
《信息与控制》
CSCD
北大核心
2023年第4期466-482,共17页
针对并行深度卷积神经网络算法在大数据环境下存在冗余特征计算过多、卷积运算性能不足和参数并行化合并效率低等问题,提出了基于Winograd卷积的并行深度卷积神经网络优化算法。首先,该算法提出基于余弦相似度与归一化互信息的特征过滤...
针对并行深度卷积神经网络算法在大数据环境下存在冗余特征计算过多、卷积运算性能不足和参数并行化合并效率低等问题,提出了基于Winograd卷积的并行深度卷积神经网络优化算法。首先,该算法提出基于余弦相似度与归一化互信息的特征过滤策略,通过先筛选后融合的方式消除了通道间对于冗余特征的计算,以此解决了冗余特征计算过多的问题;然后,结合MapReduce提出了并行Winograd卷积策略,通过使用并行化Winograd卷积运算替换传统卷积运算的方式来提升卷积运算的性能,以此解决了卷积运算性能不足的问题;最后,提出基于任务迁移的负载均衡策略,通过动态负载迁移的方式来均衡集群中各节点之间的负载,降低了集群总体的平均反应时长,以此解决了参数并行化合并效率低的问题。实验表明,WP-DCNN算法显著降低了DCNN在大数据环境下的训练代价,而且对并行DCNN的训练效率也有大幅提升。
展开更多
关键词
并行
深度卷积
神经网络
算法
MAPREDUCE框架
并行
Winograd卷积
负载均衡策略
原文传递
题名
基于并行神经网络的二维FIR数字滤波器设计
被引量：
1
1
作者
王小华
龙英
何怡刚
机构
湖南大学电气与信息工程学院
长沙学院电子与通信工程系
出处
《湖南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2006年第6期72-75,共4页
基金
国家自然科学基金资助项目(50677014)
湖南省自然科学基金资助项目(06JJ2024)
+1 种基金
高校博士点基金资助项目(20060532002)
湖南大学撷英计划资助项目(NCET-04-0767)
文摘
通过对二维FIR线性相位滤波器的幅频响应特性的分析,提出了一种用并行神经网络算法来设计二维FIR线性相位数字滤波器的新方法,其主要思想是使幅频响应误差函数最小化.该方法避免了矩阵的求逆运算,而且因为采用了并行算法,能快速获得滤波器系数.给出了二维FIR圆对称线性相位低通数字滤波器优化设计实例.计算机仿真结果表明由该方法设计的二维数字滤波器,通带和阻带范围波动小,所需计算量非常少,稳定性强.
关键词
二维数字滤波器
线性相位
并行
神经网络
算法
优化设计
Keywords
2-D digital filters
linear-phase
parallel neural network algorithm
optimal design
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于Winograd卷积的并行深度卷积神经网络优化算法
被引量：
3
2
作者
李叶
毛伊敏
陈志刚
机构
江西理工大学信息工程学院
韶关学院信息工程学院
中南大学计算机学院
出处
《信息与控制》
CSCD
北大核心
2023年第4期466-482,共17页
基金
科技创新2030-“新一代人工智能”重大项目(2020AAA0109605)
国家自然科学基金(41562019)
文摘
针对并行深度卷积神经网络算法在大数据环境下存在冗余特征计算过多、卷积运算性能不足和参数并行化合并效率低等问题,提出了基于Winograd卷积的并行深度卷积神经网络优化算法。首先,该算法提出基于余弦相似度与归一化互信息的特征过滤策略,通过先筛选后融合的方式消除了通道间对于冗余特征的计算,以此解决了冗余特征计算过多的问题;然后,结合MapReduce提出了并行Winograd卷积策略,通过使用并行化Winograd卷积运算替换传统卷积运算的方式来提升卷积运算的性能,以此解决了卷积运算性能不足的问题;最后,提出基于任务迁移的负载均衡策略,通过动态负载迁移的方式来均衡集群中各节点之间的负载,降低了集群总体的平均反应时长,以此解决了参数并行化合并效率低的问题。实验表明,WP-DCNN算法显著降低了DCNN在大数据环境下的训练代价,而且对并行DCNN的训练效率也有大幅提升。
关键词
并行
深度卷积
神经网络
算法
MAPREDUCE框架
并行
Winograd卷积
负载均衡策略
Keywords
parallel deep convolutional neural network(DCNN)algorithm
MapReduce framework
parallel Winograd convolution
load balancing strategy
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于并行神经网络的二维FIR数字滤波器设计
王小华
龙英
何怡刚
《湖南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2006
1
下载PDF
职称材料
2
基于Winograd卷积的并行深度卷积神经网络优化算法
李叶
毛伊敏
陈志刚
《信息与控制》
CSCD
北大核心
2023
3
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
