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
共找到3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：
基于AnyLogic的动车组检修流程仿真研究
1
作者 齐延荣 赵红涛 +2 位作者 王和强 姜帅民 朱俊龙 《电脑知识与技术》 2024年第1期54-56,共3页
近年来,中国高铁行业持续快速发展,运输需求逐年上升。为确保动车组的正常运行,负责动车组检修工作的各动车段面临越来越大的压力。为了进一步挖掘动车段检修能力并改进动车组检修流程,文章以郑州东动车所为例,利用AnyLogic仿真软件构... 近年来,中国高铁行业持续快速发展,运输需求逐年上升。为确保动车组的正常运行,负责动车组检修工作的各动车段面临越来越大的压力。为了进一步挖掘动车段检修能力并改进动车组检修流程,文章以郑州东动车所为例,利用AnyLogic仿真软件构建了动车组一级修检修流程仿真模型。通过导入动车组检修作业时间表,模拟生成动车组详细检修计划表。这为提高一级修检修效率提供了理论依据和方法支持,从而为优化动车组检修流程、提高检修效率提供了重要的指导意义。 展开更多
关键词 ANYLOGIC 动车组 检修流程 仿真模型 检修能力 检修计划表
下载PDF
基于FPGA的CNN图像识别加速与优化 被引量：9
2
作者 齐延荣 周夏冰 +1 位作者 李斌 周清雷 《计算机科学》 CSCD 北大核心 2021年第4期205-212,共8页
目前,CNN已广泛应用于许多应用场景中,包括图像分类、语音识别、视频分析、文档分析等。由于CNN计算密集,常以GPU进行加速,但GPU功耗高,不适用于CNN推理阶段。基于此,文中研究了基于FPGA的CNN图像识别加速与优化的应用方法,利用Intel F... 目前,CNN已广泛应用于许多应用场景中,包括图像分类、语音识别、视频分析、文档分析等。由于CNN计算密集,常以GPU进行加速,但GPU功耗高,不适用于CNN推理阶段。基于此,文中研究了基于FPGA的CNN图像识别加速与优化的应用方法,利用Intel FPGA提供的OpenCL SDK,在FPGA板卡上设计并优化了CNN前向模型。首先,针对计算量问题,通过功能模块划分,充分发挥FPGA的高计算效能优势。其次,优化核心算法,提高运行速度;分析特征图处理操作,利用参数共享策略降低数据存储量;采用通道传输数据,减少访问片外存储次数。最后,对数据缓存、数据流、循环进行优化设计,缓解了FPGA片上的资源限制;通过量化参数降低FPGA内存资源占用量。实验结果表明,FPGA具有较低的功耗,CPU的功耗是其2.1倍,而GPU的功耗是其6.5倍;与近年来相关领域文献中提出的方法相比,所提方法具有较高的吞吐量和计算性能。 展开更多
关键词 CNN FPGA 图像识别 OPENCL 模块划分 数据流优化
下载PDF
基于Winograd算法的目标检测加速器设计与优化 被引量：1
3
作者 李斌 齐延荣 周清雷 《电子学报》 EI CAS CSCD 北大核心 2022年第10期2387-2397,共11页
卷积神经网络(Convolutional Neural Networks,CNN)已被广泛应用于图像处理领域.基于CNN的目标检测模型,如YOLO,已被证明在许多应用中是最先进的.CNN对计算能力和内存带宽要求极高,通常需要部署到专用硬件平台,FPGA因其高性能、低功耗... 卷积神经网络(Convolutional Neural Networks,CNN)已被广泛应用于图像处理领域.基于CNN的目标检测模型,如YOLO,已被证明在许多应用中是最先进的.CNN对计算能力和内存带宽要求极高,通常需要部署到专用硬件平台,FPGA因其高性能、低功耗和可重配置性成为CNN的有效硬件加速器.以往的基于FPGA的目标检测加速器主要采用传统卷积算法,然而,传统卷积算法的高运算复杂度限制了加速器的性能.基于此,本文设计了一种基于Winograd算法的目标检测加速器.考虑到各模块间的联系,采用模块融合策略融合卷积层和池化层模块,降低数据移动次数,减少片外存储器访问次数,提高加速器整体性能.以YOLO2模型为例,对数据访问模式、池化内核、参数重排序、数据通路优化进行分析设计,并部署在U280板卡上.实验结果表明,量化后mAP降低了0.96%,性能达249.65 GOP/s,是Xilinx官网所给数据的4.4倍. 展开更多
关键词 目标检测 FPGA Winograd算法 模块融合 YOLO2
下载PDF
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
使用帮助 返回顶部