|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 硬件加速神经网络综述显示文摘人工神经网络目前广泛应用于人工智能的应用当中,如语音助手、图像识别和自然语言处理等.随着神经网络愈加复杂,计算量也急剧上升,传统的通用芯片在处理复杂神经网络时受到了带宽和能耗的限制,人们开始改进通用芯片的结构以支持神经网络的有效处理.此外,研发专用加速芯片也成为另一条加速神经网络处理的途径.与通用芯片相比,它能耗更低,性能更高.通过介绍目前通用芯片和专用芯片对神经网络所作的支持,了解最新神经网络硬件加速平台设计的创新点和突破口.具体来说,主要概述了神经网络的发展,讨论各类通用芯片为支持神经网络所作的改进,其中包括支持低精度运算和增加一个加速神经网络处理的计算模块.然后从运算结构和存储结构的角度出发,归纳专用芯片在体系结构上所作的定制设计,另外根据神经网络中各类数据的重用总结了各个神经网络加速器所采用的数据流.最后通过对已有加速芯片的优缺点分析,给出了神经网络加速器未来的设计趋势和挑战. | 陈桂林 马胜 郭阳 | 2019 | 计算机研究与发展2019，56，2： | 15 |
| 2 | 基于深度学习水果检测的研究与改进显示文摘为实现自然环境下水果自动化采摘存在受环境和障碍物等因素造成的问题,导致目标水果检测准确率不高,泛化性不强等实际问题,以苹果、橘子、香蕉三种水果作为研究对象,提出一种基于深度学习的SSD(Single Shot Detector)改进模型。经典SSD采用多尺度特征融合的方式,从网络不同层抽取不同尺度的特征做预测,但是没有用到足够低层的特征,使得小物体的检测效果较差。通过将经典SSD训练使用的VGG16输入模型替换为ResNet-101,利用特征金字塔网络(FPN)结构将高层特征通过上采样和低层特征做融合。实验表明,改进的SSD300和SSD512水果检测模型的平均检测精度为83.05%和84.24%,经数据增强后精度也有所提升,适合于自然环境下水果的精确检测。 | 黄豪杰 段先华 黄欣辰 | 2020 | 计算机工程与应用2020，56，3： | 15 |
| 3 | 面向心电检测的混合多模卷积神经网络加速器设计显示文摘随着医疗资源日益匮乏以及人口老龄化日趋严重,心血管疾病已对人类健康造成了极大的威胁。具有心电(ECG)检测的便携式设备能有效降低心血管疾病对患者的威胁,因此该文设计了一种面向心电检测的混合多模卷积神经网络加速器。该文首先介绍了一种用于心电信号分类的1维卷积神经网络(1D-CNN)模型,随后针对该模型设计了一种高效的卷积神经网络(CNN)加速器,该加速器采用了一种多并行展开策略和多数据流的运算模式完成了卷积循环的加速和优化,能在时间上和空间上高度复用数据,同时提高了硬件资源利用率,从而提升了硬件加速器的硬件效率。最后基于Xilinx ZC706硬件平台完成了原型验证,结果显示,所设计卷积神经网络加速器消耗的资源为2247 LUTs, 80 DSPs。在200 MHz的工作频率下,该设计的整体性能可达到28.1 GOPS,并且硬件效率达到了12.82 GOPS/kLUT。 | 刘冬生 魏来 邹雪城 陆家昊 成轩 胡昂 李德建 赵旭 蒋曲明 | 2023 | 电子与信息学报2023，45，1： | 0 |
| 4 | A survey of current trends in computational predictions of protein-protein interactions显示文摘Proteomics become an important research area of interests in life science after the completion of the human genome project.This scientific is to study the characteristics of proteins at the large-scale data level,and then gain a holistic and comprehensive understanding of the process of disease occurrence and cell metabolism at the protein level.A key issue in proteomics is how to efficiently analyze the massive amounts of protein data produced by high-throughput technologies.Computational technologies with low-cost and short-cycle are becoming the preferred methods for solving some important problems in post-genome era,such as protein-protein interactions(PPIs).In this review,we focus on computational methods for PPIs detection and show recent advancements in this critical area from multiple aspects.First,we analyze in detail the several challenges for computational methods for predicting PPIs and summarize the available PPIs data sources.Second,we describe the state-of-the-art computational methods recently proposed on this topic.Finally,we discuss some important technologies that can promote the prediction of PPI and the development of computational proteomics. | Yanbin WANG Zhuhong YOU Liping LI Zhanheng CHEN | 2020 | Frontiers of Computer Science2020，14，4： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员