课程文献中心 更多>>

关键词： 模拟集成电路   CSM   EKV模型   跨导   漏极电流   运算放大器  

摘要： 随着人工智能时代的到来,半导体芯片技术的发展越来越迅速,模拟集成电路的地位也越来越重要,国家对集成电路的支持力度也在迅速增加。作为芯片设计的核心,模拟集成电路设计一直以来都是研究的热点。随着工艺的进步,模拟集成电路的规模也越来越大,设计需要参考的指标也越来越多,约束关系也越来越复杂,基于gm/ID参数设计方法的研究为缩短设计周期,提高设计效率和设计命中率具有重要的现实意义。本文首先介绍了 CSM模型下的MOS管的电流解析及EKV模型下的小信号参数,通过小信号参数的关系提出了一种基于优化gm/ID参数的模拟集成电路设计优化方法。通过研究gm/ID参数与工作在不同状态下MOS管的工作特性的关系验证该方法的可靠性,提取MOS管小信号参数,建立以gm/ID参数为中心的关系曲线簇与查找表,能够快速地确定器件的参数,简化设计流程与计算,手工估算阶段的精确计算可以有效地减少由于设计者经验不足引起的误差。以设计CMOS简单两级运算放大器为例,具体阐述gm/ID查表法的设计步骤与优化方法,基于Cadence Spectre 0.5 μm工艺对电路进行仿真,仿真结果表明,该方法进行的手工估算与仿真值的误差在可接受范围以内,达到设计要求,证明了改方法具有良好的设计效果。

关键词： 多源异构数据   链接预测   图乘   图融合  

摘要： 数据挖掘技术在推送企业信息、提升决策效率等方面发挥着重要作用。在实际应用中,经常需要挖掘不同来源的实体之间的关联关系。不同实体对应的数据在存储结构上存在差别,称之为异构数据。多源异构数据网络信息包含数据节点的属性信息、单类网络内部的拓扑结构信息以及异构网络拓扑结构信息。当前提出的预测方法通常只利用了其中部分信息,并且局限于二分网络。为了将三类信息融合进预测过程中,提出了基于图乘运算的多源异构数据链接预测框架。基于图乘运算的多源异构数据预测链接框架利用网络的节点属性信息生成节点间的相似性,并利用单类网络内部的拓扑结构信息将节点间相似性扩展到高阶相似性。之后将带权k分图利用图乘运算融合为带权融合单部图,将多源异构数据之间的链接预测问题转化为单部图中的分类问题。融合节点间的链接体现了融合前异构网络的拓扑结构信息,可以利用该信息生成融合节点的特征向量并进行预测。此外,该框架在理论上适用于三阶及三阶以上网络的链接预测问题。对于PU问题的数据,提出了基于孤立森林的标签传播算法,可以快速对PU问题中的未知链接进行分类。为评估该预测框架,选用Drug-Target数据集测试在PU问题上的效果,选用cora数据集测试在PNU问题上的效果。实验结果表明与传统的预测方法相比,该预测框架在PU和PNU问题数据集上都拥有不错的预测效果。基于孤立森林的标签传播算法的实验表明,该算法在PU问题数据集上有很快的训练及预测速度,并能够保证较高的召回率。

关键词： 神经网络处理器   运算调度   访存优化   层融合思想   硬件感知  

摘要： 目前神经网络的应用越来越往移动端和嵌入式应用场景下转移，专用的神经网络处理器逐渐成为主流的解决方案，但随着深度学习领域的不断发展，深度神经网络对计算平台运算力的要求逐渐增长，神经网络处理器的访存压力越来越大，而off-chip的访存带宽常常十分有限且延迟偏高，因此访存的优化对于神经网络处理器的性能提升至关重要。　　本文的研究内容主要是针对访存优化的神经网络处理器运算调度策略，考虑到目前大量神经网络模型的中间层特征图数据量不断增长，而在传统的神经网络逐层计算模式下，中间层特征图的片外访存量不容忽视，甚至会导致大量额外的访存功耗。因此基于现有的层融合思想，本文提出了硬件感知的神经网络层融合运算调度策略，致力于优化神经网络中大量中间层特征图数据访存，并克服目前层融合思想的限制，优化模型整体的访存量，降低整体功耗，而不引入性能陷阱。　　针对上述问题，本论文的主要工作如下:　　1.硬件感知的层融合运算调度方式　　针对神经网络处理器的访存优化问题，本文提出了一种硬件感知的层融合运算调度方式，相比现有方案，本文以神经网络模型在处理器上运算的整体访存量作为优化目标，根据硬件限制和不同网络结构分情况讨论了应该使用何种层融合运算方式，因此本文提出的方案能够在更多的场景下取得更优结果而不引入性能陷阱。同时相比于现有层融合方案中的金字塔计算结构，本文在层融合计算中还提出了新的计算结构，以提高片上buffer空间利用率和PE利用率。　　2.神经网络中层融合计算方案的快速搜索算法　　由于在神经网络中存在大量不同的层融合方案，若使用暴力搜索最优融合策略将面临指数级的复杂度，因此本文提出基于动态规划的快速搜索算法，可以将复杂度降低至O(n2).本文提出了新的损失函数，以神经网络计算中整体的访存数据量为优化目标，然后通过构建最优子结构，分别给出了在单一路径网络结构和分支结构下的搜索算法。　　最后，模拟访存实验结果显示，当神经网络处理器上input buffer和weight buffer大小均为256KB时，与逐层计算模式相比，采用层融合计算时VGG-16的整体数据访存量减少了46.69％，而轻量级网络SqueezeNet的整体数据访存量减少了90.90％.将上述层融合运算调度集成到编译器后端，在相同硬件配置的神经网络处理器上进行测试，与逐层计算模式相比，采用层融合计算时ResNet-18和YOLO-v2都能够优化12％的执行时间，提升10％左右的PE利用率，减少40％以上的访存数据量，整体降低16％以上的能耗。

关键词： 核心素养   初中数学   运算能力  

摘要： 核心素养是指学生在接受相应阶段的教育时,能够培养出符合其终身发展和社会发展需要的思维品质和主要能力。而在数学核心思想中,老师就要充分激发学生的学习兴趣、让学生能够掌握相应的运算技巧和解题方式,进而提升学生的核心素养,让学生更好地发展与进步。

关键词： 马铃薯病害叶片   图像处理   分数阶微分   主成分分析   支持向量机  

摘要： 随着马铃薯主粮化战略的启动,马铃薯成为了我国重要粮食作物之一。目前,马铃薯种植技术已较为成熟,提高马铃薯产量和品质是当前的研究重点,但在马铃薯生长过程中,易发生许多的病害,造成产量和品质的下降,从而使得经济受到重大损失。因此,及时准确的发现病害,可以有效降低经济损失。随着科学技术的发展,研究马铃薯叶片病害自动识别方法,对提升农作物病害诊断的智能化水平有着重要的现实意义。本文选取马铃薯早疫病和晚疫病作为研究对象,结合图像处理技术和模式识别技术,开展对马铃薯早疫病和晚疫病的识别方法研究。主要工作内容如下:(1)为了提高图像分割、特征提取和识别技术的可靠性,本文提出了一种基于插值运算的分数阶微分掩模(IOFDM),该模板不仅可以增强马铃薯叶片图像的纹理细节信息,还可以去除噪声。(2)为了精准提取马铃薯叶片的病斑区域,本文采用自适应阈值法对病斑进行提取,并结合形态学处理法对提取的病斑进行后续处理,最后取得了较好的效果。(3)对特征提取与特征融合方法进行研究,共计提取了29类特征参数。主要包括:R、G、B、H、S、I以及HSV彩色模型中的V分量的均值与方差;相关性、能量、惯性矩和信息熵的均值与方差;7个Hu不变矩。最后,通过贡献率比较主成分分析(PCA)和分数阶主成分分析(FPCA)对特征融合的效果性,最终选择FPCA对马铃薯病斑的特征参数进行降维。(4)在MATLAB平台上,采用BP神经网络与支持向量机(SVM)对马铃薯晚疫病和早疫病进行分类。实验表明,IOFDM+FPCA+SVM对两种病害的分类正确率为98%;IOFDM+PCA+SVM对两种病害的分类正确率为88%;IOFDM+PCA+BP对两种病害的分类正确率为80%;IOFDM+SVM对两种病害的分类正确率为58%;IOFDM+BP对两种病害的分类正确率为54%;SVM对两种病害的分类正确率为52%。因此,本文最终选择IOFDM+FPCA+SVM对马铃薯早疫病和晚疫病进行分类,其分类正确率为98%。

关键词： 运算放大器   跨导电流比   标准化电流   厄利电压   模拟集成电路  

摘要： 介绍一种基于gm/I_D参数的模拟集成电路设计优化方法,通过建立gm/I_D参数与栅源电压和标准化电流查找表,能够快速确定器件参数,简化计算,缩短设计周期。与传统设计方法相比具有适用于MOS管所有工作区域、满足低功耗要求等优点。基于Cadence Spectre 0.5μm工艺对电路进行设计优化仿真,仿真结果表明,该方法进行的手工估算与仿真值的误差在可接受范围以内,达到设计要求。

关键词： 多属性决策   信息熵   熵权重   运算放大器  

摘要： 运算放大器的选型是模拟电路系统设计中重要的一步。为了在繁多的品种中,快速且高效地选择出符合应用场景的运算放大器,文章提出一种基于设计需求的运放推荐方法,采用基于信息熵权重的多属性决策方法,对运算放大器数据库中的数据进行评价,从而筛选出适应设计需求的运算放大器型号。

关键词： 核心素养   数学运算   运算法则   运算方法  

摘要： 基于数学核心素养的运算问题的提出与解决,从理解运算对象、掌握运算法则、探究运算思路、选择运算方法、设计运算程序、求得运算结果等方面,结合实例加以剖析,可以提高学生的数学运算能力,提升核心素养。