计算机工程与科学

2023年第7期目录

2023, 45(07): 0-0. doi:

摘要 ( 124 )

PDF (251KB) ( 213 ) 　　

深度学习加速器在不同剪枝策略下的运行优化

易啸, 马胜, 肖侬

2023, 45(07): 1141-1148. doi:

摘要 ( 160 )

PDF (807KB) ( 265 ) 　　

卷积神经网络在图像分析领域已经取得了巨大的成功。随着深度学习的发展，深度学习模型越来越复杂，深度学习的计算量迅速增加。稀疏化算法能在不降低准确率的前提下有效地减少深度学习的计算量。在ResNet18模型和GoogleNet模型下使用3种不同的剪枝策略减少深度学习模型的计算量。研究表明，在不减少准确率的前提下，全局非结构化剪枝策略使得ResNet18和GoogleNet模型稀疏度分别达到了94%和90%；在基本不减少准确率的情况下，层级非结构化剪枝策略使得ResNet18和GoogleNet模型稀疏度分别达到了83%和56%；在轻微降低准确率的情况下，层级结构化剪枝策略使得ResNet18和GoogleNet模型稀疏度分别达到了34%和22%。3种剪枝策略下，在Eyeriss深度学习加速器结构中运行深度学习剪枝模型。研究结果表明，相较于未剪枝策略，在ResNet模型下，使用全局非结构化剪枝策略的延迟降低了66.0%，功耗降低了60.7%；使用层级非结构化剪枝策略的延迟降低了88.1%，功耗降低了80.6%；使用层级结构化剪枝策略的延迟降低了65.6%，功耗降低了33.5%。相较于未剪枝策略，在GoogleNet模型下，使用全局非结构化剪枝策略的延迟降低了74.5%，功耗降低了63.2%；使用层级非结构化剪枝策略的延迟降低了73.6%，功耗降低了55.0%；使用层级结构化剪枝策略的延迟降低了26.8%，功耗降低了5.8%。因此，可以得出：在不降低准确率的前提下，使用全局非结构化剪枝策略能大幅度地减少模型运算的延迟和能耗；在轻微降低准确率的前提下，使用层次非结构化剪枝策略能大幅度地降低模型运算的延迟和能耗。

面向迈创+MatrixZone异构系统的深度学习编程框架

康宇晗, 时洋, 陈照云, 文梅

2023, 45(07): 1149-1158. doi:

摘要 ( 131 )

PDF (2317KB) ( 188 ) 　　

为了满足深度学习模型迭代速度快、算力要求高的需求，主流硬件厂商愈发倾向于采用通用处理器+AI专用加速核的异构系统。但是，由于AI专用加速核仅支持部分核心算子，不具备通用编程能力，如何在这样的异构架构上完成深度学习任务的高效部署值得被深入研究。基于国产自研迈创+MatrixZone异构系统平台，设计并实现了深度学习编程框架KaiSa。KaiSa通过分析深度学习模型输入参数，识别算子类型并划分至对应计算核；对于复杂算子，KaiSa基于性能模型自动完成最优分块大小的搜索，提升双核并行计算的性能。同时，为了实现程序的高效率开发，KaiSa屏蔽了所有的底层硬件细节，给用户提供了一个友好的编程环境。实验结果表明，KaiSa可以获得高达39.0%的性能提升。

符号化量子计算模拟器SymQC

付祥, 黎梓浩, 黄子潇, 杨曜嘉, 刘定东, 张春晖, 李小芳

2023, 45(07): 1159-1169. doi:

摘要 ( 124 )

PDF (799KB) ( 188 ) 　　

目前主流的量子计算模拟器一般基于数值计算,存在精度损失、量子态的展示不直观、难以支持参数化量子线路等问题。虽然已有人提出符号化量子计算模拟器,但它们在描述参数化量子态、构建自定义量子门和与量子编程环境进行系统集成等方面受到较大的限制。针对此问题,提出了一个新的符号化量子计算模拟器SymQC。SymQC可使用全振幅向量或狄拉克符号表示量子状态,计算符号参数化的量子线路的等效矩阵并模拟量子状态在量子线路下的演化过程,然后以不同的形式输出量子算法的执行结果。描述了SymQC的软件结构,并给出了一种常用量子状态更新算法的数学证明。通过运行以变分量子本征值求解算法(VQE)为代表的算法实例验证了SymQC的能力。

并行平衡级联支持向量机

刘屹成, 刘晓燕, 严馨

2023, 45(07): 1170-1177. doi:

摘要 ( 78 )

PDF (1661KB) ( 179 ) 　　

级联支持向量机CSVM通过对数据集进行分组，基于子数据集并行训练，极大地缩短了训练时间、减少了内存占用，但使用该方法得到的模型与直接训练得到的模型相比存在一定误差。首先,分析了分组训练产生误差的原因，并对理想情况下无误差的分组进行了归纳总结。然后，提出一种平衡级联支持向量机BCSVM算法。该算法平衡了分组后子数据集中的样本比例，确保子数据集中的样本比例与原数据集的相同，且在分组训练时可以通过调整参数值，获取更多的支持向量，降低全局支持向量丢失的概率。同时，对BCSVM算法的有效性进行了论述，阐明了使用该算法得到的模型比使用随机分组CSVM得到的模型有更高的预测精度。最后，使用多个常见数据集进行实验验证，结果表明，采用BCSVM算法进行训练所得到的准确率误差由之前的1%降低到了0.1%左右。

格林定理的形式化及其初步应用

刘永梅, 王国辉, 关永, 张景芝, 施智平, 董璐

2023, 45(07): 1178-1187. doi:

摘要 ( 99 )

PDF (572KB) ( 167 ) 　　

格林定理广泛应用于物理学、流体力学和化学等领域。通常使用传统的计算机仿真和数值计算方法构建基于格林定理的系统模型。然而，由于工具软件可能存在的系统缺陷导致模型出现偏差，从而使任务失败。为解决上述问题,采用基于高阶逻辑的形式化方法，在定理证明器HOL Light中实现了格林定理相关内容的高阶逻辑建模与验证。首先，对梯度、散度等基本概念和性质进行了形式化描述；其次，对格林定理及其性质进行了形式化建模与验证；最后，基于格林定理的形式化模型完成了地下水控制模型的高阶逻辑推导，进而确保系统模型的安全性。

基于云-边协同变分自编码神经网络的设备故障检测方法

刘阳, 粟航, 何倩, 申普, 刘鹏

2023, 45(07): 1188-1196. doi:

摘要 ( 102 )

PDF (1384KB) ( 169 ) 　　

针对机电设备故障数据整体趋势和多阈值点实际应用，提出了一种基于云-边协同的变分自编码门控循环神经网络VAE-GRU的设备故障检测方法。构建了基于云-边协同的机电设备故障检测系统架构，终端设备层、边缘节点层、云中心层，云中心和边缘节点之间通过协同的方式对机电设备进行故障检测。设计了VAE-GRU模型，通过VAE编码器对输入数据进行采样，利用GRU捕捉时序数据的长期相关性。设计了动态阈值选择算法确定故障检测阈值，针对不同数据集可自动选择最优阈值，提高故障检测精度。实验结果表明，提出的基于云-边协同VAE-GRU设备故障检测方法提高了设备故障检测准确性，降低了处理时延，能保证机电设备稳定运行。

基于电力网络态势感知平台的告警信息关联分析

雷轩, 程光, 张玉健, 郭靓, 张付存

2023, 45(07): 1197-1208. doi:

摘要 ( 156 )

PDF (1488KB) ( 238 ) 　　

电力网络作为工业控制领域的重要一环，其安全性与稳定性已经上升到了非常重要的地位。传统的电力网络告警分析过分依赖于专家知识，同时现有的分析模型存在算法复杂度和规则冗余度过高的问题。针对上述问题，结合电力网络自身特点，提出了一种先进的告警信息关联分析方法。首先，通过预处理模块消除原始告警日志中含噪声的部分；然后，采用提出的基于动态滑动时间窗口的算法来生成告警事务集合；接着，采用FP-Growth算法来挖掘电力网络告警关联规则；最后，提出一种基于时序的告警规则过滤算法消除无效规则。通过在某电网公司部署的态势感知平台采集的告警数据进行实验，结果表明，提出的方法相较于其他同类关联分析方法告警规则冗余程度平均减少了30%左右，并且能够有效提取出电力网络中的关键告警规则，进而指导电力网络故障预警。

基于字符串匹配算法的业务流程低频日志噪声过滤方法

何子贤, 方贤文

2023, 45(07): 1209-1215. doi:

摘要 ( 88 )

PDF (632KB) ( 157 ) 　　

过程挖掘领域关注的是对业务流程执行所产生的数据的分析，旨在从数据中提取可操作的过程知识。模型的低频日志中可能存在一些噪声，导致分析受到负面影响，由此提出了一种基于频率变化规则及字符串匹配方法从低频的事件日志中识别并过滤噪声的方法。首先，基于直接跟随图和最终跟随图，根据频率变化规则，从事件日志中识别无效的直接活动对序列集合。然后，结合改进的字符串匹配算法，根据直接跟随图的直接关系与事件日志的迹的序列片段的对应关系，将无效活动序列与低频日志迹进行字符串匹配，从而过滤日志中的噪声，优化挖掘模型。最后，通过具体的案例分析及仿真实验，验证了该方法的有效性。

融合Mask R-CNN的在线多目标行人跟踪方法

曹玉东, 陈冬昊, 曹睿, 赵朗

2023, 45(07): 1216-1225. doi:

摘要 ( 116 )

PDF (837KB) ( 220 ) 　　

在计算机视觉领域中，行人目标检测与跟踪是备受关注的焦点。提出一种改进的多目标行人跟踪模型，改进Deep SORT基础框架，融合Mask R-CNN实现行人的检测、跟踪和姿态估计功能。采用更符合行人目标宽高比的锚框替代区域预测网络中的锚框，在不增加计算量的情况下提高模型的性能。在深度残差网络中引入注意力机制，采用轻量级的SKNet自适应地选取最佳的卷积核，提高对检测目标的特征表示能力。采用融合了颜色信息的梯度直方图特征取代卷积特征，提高Deep SORT模型中外观信息特征关联匹配的成功率。通过消融研究验证各种改进对模型性能的影响，将改进的模型与当前主流的行人检测跟踪模型进行对比，实验结果表明改进的模型是有效的，在MOT16跟踪数据集上比NSH的MOTA性能提高了6%，在公开数据集上的测试性能优于几种对比模型的，当背景移动或行人目标被遮挡时，仍能实现有效跟踪。

基于改进YOLOv3的金属表面缺陷检测

刘浩翰, 孙铖, 贺怀清, 惠康华

2023, 45(07): 1226-1235. doi:

摘要 ( 154 )

PDF (1515KB) ( 328 ) 　　

为提高工业零件表面缺陷的检测效率，提出一种基于改进YOLOv3的目标检测方法。引入目前最新的具有通道置换的注意力机制SA，将其与YOLOv3模型骨架结构Darknet-53的残差单元进行组合改进构成SA残差块结构，充分利用特征通道信息，得到YOLOv3-SA模型。针对不同数据集，对输入图像进行不同规模比例缩放，分别使用K-means方法对真实标框进行聚类以提高检测效率。实验结果表明，YOLOv3-SA模型查全率达95.4%，相比YOLOv3，mAP最多可提高约7%。

基于卷积和Transformer的断路器动触头跟踪方法研究

崔克彬, 崔叶微

2023, 45(07): 1236-1244. doi:

摘要 ( 103 )

PDF (1399KB) ( 196 ) 　　

测量断路器动触头运动特性有助于断路器运行状态的故障诊断。目前大部分测量方法为接触式测试，普遍存在安装不便、测量精度低的问题。为此，提出一种新的可以实现非接触式测量的算法。首先利用多尺度特征融合结构融合提取的多层深度特征，其次利用引入卷积操作的改进Transformer结构进行特征增强，最后通过预测头预测跟踪结果。实验结果表明，该跟踪算法相较于原算法，跟踪成功率提升了2.6%，精确度提升了13.9%，可以实现准确跟踪，进而得到断路器行程-时间曲线图,合理地反映了断路器操动机构的动作特性。

基于多尺度小波和Tsallis熵的水下图像边缘检测

王晓琦, 赵宣植, 刘增力,

2023, 45(07): 1245-1252. doi:

摘要 ( 87 )

PDF (2444KB) ( 179 ) 　　

针对水下图像对比度低和边缘模糊的问题，提出一种基于多尺度小波和Tsallis熵的水下图像边缘检测算法。首先，结合多尺度小波分解特性，采用开放暗通道模型移除低频雾霾现象和软阈值操作降低高频噪声；其次，采用二维高斯函数构造高斯尺度空间进行背景估计，以区分背景与目标信息；最后，结合信息熵和Tsallis熵求得最优阈值，从而得到边缘检测图像。实验结果表明，该算法能有效检测出退化水下图像的边缘轮廓信息，去除虚假边缘情况，准确提取图像的特征边缘。同时应用测试显示，该算法在大气雾霾图像的边缘检测方面表现出色。

复杂场景中多阶段自适应帽子检测算法

罗晓霞, 邓勇, 叶鸥

2023, 45(07): 1253-1262. doi:

摘要 ( 62 )

PDF (3098KB) ( 141 ) 　　

针对现有目标检测算法在复杂场景中对小尺度帽子存在误检漏检等问题，提出一种多阶段自适应帽子检测算法(MAHD)。首先，构建一个基于自适应卷积的区域预测网络(MA RPN)，通过多阶段对锚框的特征进行细化，提高算法在复杂背景下的目标识别能力；然后，利用自适应采样策略动态分配正负样本，并结合焦点损失函数(Focal Loss)引导MA RPN的训练，提高对小目标的检测精度；最终，在自建的HAT4.5k数据集上进行实验，结果表明，该算法相比Grid R-CNN算法AP提高了2.6%，APS提高了5.1%；并在开源的VisDrone-DET 2019数据集上进一步验证了对小目标的检测效果，所提算法具有较高的检测性能，表明了该算法的可行性和有效性。

基于注意力增强的中心差分自适应图卷积的骨架行为识别

白杉, 冯秀芳

2023, 45(07): 1263-1273. doi:

摘要 ( 117 )

PDF (1241KB) ( 258 ) 　　

近年来，由于图卷积网络在骨架动作识别领域的卓越表现而吸引了许多研究人员的关注，但大多数的图卷积只能聚合节点信息，忽略了中心节点与相邻节点的特征之间的差异。提出了一种基于多感受野注意力机制的中心差分自适应图卷积网络模型MRFAM-CDAGC，它不仅可以自适应地聚合中心节点的图拓扑中的关联节点的信息，而且可以合并相邻节点之间的局部运动信息，聚合中心节点的梯度特征。加入的多感受野的注意力模块，使该网络模型能聚焦更加具有判别力的关键关节和帧信息，从而提高行为识别网络模型的准确率。该网络模型在NTU-RGB-D数据集的2个基准测试上分别达到了89.1%和96.0%的准确率，在大规模的数据集Kinetics上具有通用性，验证了该网络模型在提取时空特征和捕捉全局上下文信息上的优越性。

基于WLS-MBO算法的串联机器人动力学参数辨识

张一楠, 丁建完

2023, 45(07): 1274-1281. doi:

摘要 ( 107 )

PDF (1239KB) ( 167 ) 　　

针对六自由度串联机器人的参数辨识，提出了一种基于加权最小二乘和候鸟优化算法(WLS-MBO)的动力学参数辨识方法。首先基于串联机器人动力学原理，得到考虑了库伦粘滞摩擦参数的线性化动力学方程。采用五阶傅里叶级数作为辨识激励轨迹，通过机器人控制器驱动关节对激励轨迹进行跟踪，采集机器人运动过程中的关节位置和力矩数据，并通过加权最小二乘法(WLS)得到动力学参数的初始解。利用候鸟优化算法(MBO)对WLS的结果进行二次寻优，以提高动力学参数的辨识精度。实验结果表明：所提辨识方法具有较好的辨识效果，能够进一步提高辨识精度；MBO算法具有更优的全局搜索能力。

基于自编码器和局部嵌入的无监督特征选择

赵瑞平, 降爱莲

2023, 45(07): 1282-1291. doi:

摘要 ( 107 )

PDF (991KB) ( 192 ) 　　

为了能够在学习特征之间深层非线性关系的同时，保持特征局部几何结构，提出一种利用单层自编码器作为特征选择和流形学习的算法。首先，利用单层自编码器的重建能力剔除对重建样本贡献微弱的单个特征，学习特征深层非线性关系，并在特征权重矩阵上进行稀疏正则化；然后，通过改进局部线性嵌入算法保持特征之间局部结构，得到一个最优特征子集；最后，设计一个新的目标损失函数，并采用L-BFGS优化算法进行迭代优化。在6个数据集上与其他6种无监督特征选择算法进行对比，实验结果表明，该算法的聚类性能和分类性能要优于其他无监督特征选择算法的。

基于BiLSTM的低资源老挝语文本正则化任务

王剑, 姜林, 王琳钦, 余正涛, 张松, 高盛祥,

2023, 45(07): 1292-1299. doi:

摘要 ( 97 )

PDF (987KB) ( 206 ) 　　

文本正则化TN是语音合成文本前端分析任务中必不可少的工作，老挝语的文本正则化是将老挝语文本中不可读的词NSW转化为可以口头表达的词SFW。目前文本正则化任务尚未在老挝语中开展，主要面临训练数据难获取、部分不可读词存在歧义的问题。针对以上问题，构建了老挝语文本正则化任务的语料，并将老挝语文本正则化任务当作序列标注任务，使用神经网络结合上下文语境预测存在歧义的不可读的老挝语文本，增加自注意力机制加深序列字符间的关系，探究了不同策略引入预训练语言模型的效果，融合各自注意力机制的BiLSTM模型在测试集上达到67.59%的准确率。

基于增强偏好影响力的图注意力网络推荐算法

高玮蔚, 刘杨, 马慧芳, 唐月晨

2023, 45(07): 1300-1307. doi:

摘要 ( 100 )

PDF (908KB) ( 220 ) 　　

图神经网络能够有效地挖掘用户与项目复杂的交互行为，通过捕获图中节点的高阶信息提升推荐效果。提出一种基于增强偏好影响力的图注意力网络推荐算法，该算法利用图注意力网络融合偏好影响力，进而捕获用户与项目交互之间的潜在信息。具体地，首先构建用户-项目交互二部图，设计注意力邻域聚合策略在图结构上自适应地学习用户与项目的表示；其次，设计了偏好影响增强层，强化相似用户（项目）的偏好对目标用户（项目）的影响；最后，将相似用户（项目）对目标用户（项目）的偏好影响与目标用户（项目）的表示耦合，利用多层感知机得到用户-项目交互的可能性分数。在2个真实数据集上的实验结果验证了算法中注意力邻域聚合策略与偏好影响力的合理性与有效性。

多策略协同的改进鲸鱼优化算法

柴岩, 朱玉, 任生

2023, 45(07): 1308-1319. doi:

摘要 ( 150 )

PDF (803KB) ( 205 ) 　　

针对鲸鱼优化算法求解精度低、收敛速度慢和易陷入局部最优等问题，提出一种多策略协同的改进鲸鱼优化算法(MSWOA)。首先利用种群信息引导机制提升全局最优位置的开采效率，避免算法在迭代后期陷入局部最优；其次将改进的黄金正弦算法融入鲸鱼包围猎物的过程，以扩大种群在解空间内的搜索范围；最后采用惯性权重和非线性参数调整策略提升算法的全局探索和局部开发能力。通过对不同改进策略的有效性分析、与其他智能算法的对比分析、高维情形下的寻优性能分析、Wilcoxon秩和检验，证明了MSWOA算法具有更好的寻优精度和稳定性。

融合正余弦策略的算术优化算法

黄学雨, 罗华

2023, 45(07): 1320-1330. doi:

摘要 ( 99 )

PDF (1169KB) ( 173 ) 　　

针对算术优化算法存在的求解精度低、收敛速度慢和容易陷入局部最优等缺陷，提出一种融合正弦余弦策略的算术优化算法。根据个体适应度的变化信息自适应调整数学优化器加速函数MOA，平衡算法的全局探索和局部开发能力；将改进后的正弦余弦算法引入算法的局部开发阶段，增加迭代后期种群多样性，避免算法陷入局部最优，有效提升算法的求解精度和收敛速度。在14个基准测试函数上的仿真实验结果表明，改进算法在求解精度、收敛速度和鲁棒性方面均有明显提升。最后将改进算法用于支持向量机SVM参数优化，并建立学生知识水平预测模型，进一步验证了算法的实用性和优越性。

当期目录

作者中心

审稿中心

在线期刊