基于逻辑运算的光域网络编码节点模型

光网络缺少随机存储设备,难以独立于光电光变换实现线性网络编码技术.为了将网络编码技术引入到光网络中,提出一种能够在光域中实现的基于逻辑移位和逻辑异或运算的双路径网络编码机制.该网络编码机制比异或网络编码的通用性更强,并且能够在光域中独立于光电光变换实现,降低了实现代价.此外,针对提出的网络编码机制在实现过程中遇到的运算不封闭的问题,设计了能够承载该网络编码机制的网络编码节点模型,从而保证该网络编码机制能够在全光异或门和光移位寄存器等主要光器件的支持下在光网络中实施.最后,对该网络编码节点模型所涉及到的部分关键模块进行了实验分析,结果表明模块能够完成所期望的功能.     

Key module for a novel all-optical network coding scheme

<正>We introduce a novel network-coding scheme that can be implemented in all-optical multicast networks.A simple and successful module based on the all-optical XOR gate is designed to realize the network coding scheme.The module is a key hardware component in realizing the proposed scheme.The working principle and the experimental results of the module are also presented.Experimental results show that the function of the module is sufficient in satisfying the requirements of the proposed network coding scheme.     

基于粒子群优化和LightGBM的情景感知多式联运推荐

针对交通推荐服务中推荐的出行方式单一、忽略用户出行偏好以及多分类任务中样本类别不平衡等问题,本文提出一种基于粒子群优化和LightGBM的情景感知多式联运推荐方法.该方法综合考虑用户在时间、空间以及出行成本上的出行偏好,利用数理统计和表示学习方法捕捉用户出行与各要素之间的内在关系.同时,为了缓解样本类别不平衡带来的负面...     

适合全光组播网络的网络编码技术研究北大核心

传统的网络编解码算法需要进行线性运算,只适合在电域中实现。而当前全光器件的发展已经能够实现逻辑运算和移位操作。为了将网络编码引入到全光组播网络当中,文章研究了生成网络编码组播树的算法,以及适合于光网络编码的编码向量选取方法,并对所提出的算法进行了仿真分析。结果表明,将网络编码应用于全光组播中能够显著提高组播性能。     

基于网络编码的双路径组播树生成算法

 为了将网络编码技术引入到全光组播网络中,提出了能够在多项式时间完成的基于网络编码的双路径组播树生成算法.该算法主要包括两大步骤:首先,从给定的组播网络中根据节点间度平衡的原则为源节点和每个目的节点之间确定一条有向路径,从而建立一棵传统有向树并保证有向树中任意节点的出度尽可能小,减少节点之间的关联性;其次,在所建立的传统有向树的基础上,从每一个目的节点到源节点根据冲突回溯原则建立源节点和每个目的节点之间的第二条路径,并保证源节点到任意目的节点间的两条路径为分离路径.算法中包含的约束原则能够保证所建立的双路径组播树包含最少的编码节点,从而使得所建立的组播树支持光域网络编码高效率实现,实现基于网络编码的全光组播并提升全光组播的性能.     

适合全光组播网络的网络编码技术研究

传统的网络编解码算法需要进行线性运算,只适合在电域中实现。而当前全光器件的发展已经能够实现逻辑运算和移位操作。为了将网络编码引入到全光组播网络当中,文章研究了生成网络编码组播树的算法,以及适合于光网络编码的编码向量选取方法,并对所提出的算法进行了仿真分析。结果表明,将网络编码应用于全光组播中能够显著提高组播性能。     

卷积神经网络的FPGA并行加速设计与实现

为提高目前硬件设备上运行卷积神经网络的速度和能效,针对主流的卷积神经网络提出了一种基于现场可编程门阵列(Field Programmable Gate Array,FPGA)的流水线并行加速方案,设计优化了数据存储模块、卷积计算模块、池化模块以及全连接模块,结合高层次综合技术构建了基于FP GA的卷积神经网络基本单元.为了降低加速系统的硬件开销,在保证卷积神经网络精度损失很小的前提下,采用数据量化的方式将网络参数从32位浮点数转化为16位定点数.系统测试使用MNIST数据集和CIFAR-10数据集,实验结果显示,所提出的卷积神经网络FPGA加速具有更快的识别效果,并且该方案在资源和功耗较少的情况下可以提供更好的性能,同时能够高效地利用FP GA上的硬件资源.     

基于多算子协同进化的自适应并行量子遗传算法

量子遗传算法具有种群规模小,全局搜索能力强的特点被广泛应用于各类优化问题的求解.为了进一步提高量子遗传算法的收敛速度和搜索稳定性,克服算法的早熟问题,本文改进了基于自适应机制的量子遗传算法.在自适应量子遗传算法的基础上根据种群的适应度定义了个体相似度评价算子、个体适应度评价算子和种群变异调整算子及相应算子的计算方法,利用多算子协同评价当前种群状态并根据进化代数的变化,自适应的改变个体的变异概率,提高了算法全局寻优能力和收敛速度,降低了算法陷入局部寻优的概率.此外,为了提高算法的时间效率,将算法采用并行多宇宙的方式实现.实验结果表明,本文提出的算法在全局搜索性能、收敛速度和时间效率方面有较好的综合表现.