1.只能针对数据并行场景建模资源使用情况，对模型并行几乎没有支撑2.完成时间的预测普通针对DL训练作业只能使用同构资源3.模型并行的设备放置过程，也只
2018/11/3 6:48:05
7KB
1
HOMEREnergy公司的HOMERPro微电网软件是优化微电网设计的全球标准，适用于从乡村电力和岛屿公用事业到联网校园和军事基地的所有领域。
HOMER(多能源混合优化模型)最初由国家可再生能源实验室开发的，并由HOMEREnergy公司扩展功能和分销，它将三种强大的工具嵌套在一个软件产品中，使得工程和经济可以并行工作。
HOMER的核心是一个仿真模型。
它试图模仿一个可行的系统，为您希望考虑的所有可能提供设备组合。
根据您设置问题的方式，HOMER可以模仿数百甚至数千个系统。
HOMER模仿了混合微电网一整年的运行，时间步长从一分钟到一小时不等。
HOMER在一次运行中检查所有可能的系统类型组合，然后根据所选择的优化变量对系统进行排序。
HOMERPro采用了新优化算法，大大简化了为微电网或其他分布式发电系统确定最低成本选项的设计过程。
HOMEROptimizer是一种专有的“无衍生”优化算法，专门为在HOMER中工作而设计。
HOMER支持用户可以随意提出很多问题，因为您无法控制系统的所有方面，而且如果不运行数百或数千次模仿并比较结果，您就无法知道特定变量或选项的重要性。
HOMER(多能源混合优化模型)最初由国家可再生能源实验室开发的，并由HOMEREnergy公司扩展功能和分销，它将三种强大的工具嵌套在一个软件产品中，使得工程和经济可以并行工作。
HOMER的核心是一个仿真模型。
它试图模仿一个可行的系统，为您希望考虑的所有可能提供设备组合。
根据您设置问题的方式，HOMER可以模仿数百甚至数千个系统。
HOMER模仿了混合微电网一整年的运行，时间步长从一分钟到一小时不等。
HOMER在一次运行中检查所有可能的系统类型组合，然后根据所选择的优化变量对系统进行排序。
HOMERPro采用了新优化算法，大大简化了为微电网或其他分布式发电系统确定最低成本选项的设计过程。
HOMEROptimizer是一种专有的“无衍生”优化算法，专门为在HOMER中工作而设计。
HOMER支持用户可以随意提出很多问题，因为您无法控制系统的所有方面，而且如果不运行数百或数千次模仿并比较结果，您就无法知道特定变量或选项的重要性。
2020/9/24 14:26:34
197.91MB
1
matlab简单图像处理代码3D-connect-component-label-with-GPUThisismy3Dparallelalgorithm,butitisnotperfect.Itprovidesawayforyoutooptimizeit.Ihopesomeonecangiveagoodopinion???由于医学项目中需要实现3D连通域算法，matlab有自带的3D连通域算法，挺快的???但是要实现c++版本，2d连通域实现的算法思路上就是twopassmethod，???当时我为了快速实现，就直接写了一个广度搜索的3d连通域算法???于是，我想能不能实现一个并行的3D连通域算法呢，于是我google，发现了几篇很好的withgpu的2DCCL，但并没有3DParallel，发现主要思想还是twopassmethod，不过因为并行，所以需要考虑每个像素点的独立，在这里进行了处理论文分别是：????ParallelgraphcomponentlabellingwithGPUs
2019/1/6 1:36:31
45KB
1
CUDA平行最短路径运用CUDA平台的NVIDIAGPU上的并行最短路径算法
2015/3/14 16:06:21
13KB
1
随着人工智能的火热，机器游戏变得越来越熟悉。
机器博弈是人工智能领域最具挑战性的研究方向之一。
亚马逊国际象棋是机器游戏领域的一个重点研究方向，由于其本身动作空间可能概率的复杂性，第一步便超过2000个动作，因而常被用来研究与机器博弈相关的算法。
本文针对亚马逊国际象棋环境，对比分析了不同算法在效率上的优缺点，主要对蒙特卡洛博弈算法及其并行优化进行介绍和总结，在此基础上，对关于亚马逊棋蒙特卡洛博弈算法并行优化的研究前景进行了展望。
主要内容为关于亚马逊棋的蒙特卡洛博弈算法的并行优化综述，对相关内容进行了调研和总结，首先是引言部分，简要介绍亚马逊棋的相关知识，其次介绍应用于亚马逊棋的相关博弈算法，如：极大化极小法(MiniMax)、Negamax算法、PVS算法和Alpha-Beta等搜索算法。
适用于研究计算机领域、人工智能领域的用户下载研究使用，该文章为原创，严禁盗用抄袭，如有发现，将追究侵权责任，同时涉及学术不端问题。
此前将该文档借与他人浏览，所发布本文档目的在于：避免被学术不端者盗用。
机器博弈是人工智能领域最具挑战性的研究方向之一。
亚马逊国际象棋是机器游戏领域的一个重点研究方向，由于其本身动作空间可能概率的复杂性，第一步便超过2000个动作，因而常被用来研究与机器博弈相关的算法。
本文针对亚马逊国际象棋环境，对比分析了不同算法在效率上的优缺点，主要对蒙特卡洛博弈算法及其并行优化进行介绍和总结，在此基础上，对关于亚马逊棋蒙特卡洛博弈算法并行优化的研究前景进行了展望。
主要内容为关于亚马逊棋的蒙特卡洛博弈算法的并行优化综述，对相关内容进行了调研和总结，首先是引言部分，简要介绍亚马逊棋的相关知识，其次介绍应用于亚马逊棋的相关博弈算法，如：极大化极小法(MiniMax)、Negamax算法、PVS算法和Alpha-Beta等搜索算法。
适用于研究计算机领域、人工智能领域的用户下载研究使用，该文章为原创，严禁盗用抄袭，如有发现，将追究侵权责任，同时涉及学术不端问题。
此前将该文档借与他人浏览，所发布本文档目的在于：避免被学术不端者盗用。
2019/2/12 7:57:37
293KB
1
在计算机处理器发展为包含越来越多的核心的时期，多线程是创建可伸缩性、高效的、高响应性应用程序的关键因素。
如果你没有正确地使用多线程，它会导致难以捉摸的问题，需要你花费大量时间去解决。
因此，现代应用程序开发人员必须深入理解多线程。
本书是一本通俗易懂的C#多线程编程指南，通过70多个容易理解的示例，循序渐进地讲解C#5.0中的异步及并发编程，引导读者了解Windows下C#多线程编程的多样性。
通过阅读本书，你将学到：使用原始线程、异步线程，以及协调它们工作使用任务并行库设计自己的异步API使用C#5.0异步语言特性使用I/O线程提高服务器应用程序功能使用PLINQ并行化LINQ查询使用Windows8异步API使用ReactiveExtensions运行异步操作并管理选项
如果你没有正确地使用多线程，它会导致难以捉摸的问题，需要你花费大量时间去解决。
因此，现代应用程序开发人员必须深入理解多线程。
本书是一本通俗易懂的C#多线程编程指南，通过70多个容易理解的示例，循序渐进地讲解C#5.0中的异步及并发编程，引导读者了解Windows下C#多线程编程的多样性。
通过阅读本书，你将学到：使用原始线程、异步线程，以及协调它们工作使用任务并行库设计自己的异步API使用C#5.0异步语言特性使用I/O线程提高服务器应用程序功能使用PLINQ并行化LINQ查询使用Windows8异步API使用ReactiveExtensions运行异步操作并管理选项
2017/5/18 20:15:30
267KB
1
递归神经网络(RNN)近些年来被越来越多地应用在机器学习领域，尤其是在处理序列学习任务中，相比CNN等神经网络功能更为优异。
但是RNN及其变体，如LSTM、GRU等全连接网络的计算及存储复杂性较高，导致其推理计算慢，很难被应用在产品中。
一方面，传统的计算平台CPU不适合处理RNN的大规模矩阵运算；
另一方面，硬件加速平台GPU的共享内存和全局内存使基于GPU的RNN加速器的功耗比较高。
FPGA由于其并行计算及低功耗的特性，近些年来被越来越多地用来做RNN加速器的硬件平台。
对近些年基于FPGA的RNN加速器进行了研究，将其中用到的数据优化算法及硬件架构设计技术进行了总结介绍，并进一步提出了未来研究的方向。
但是RNN及其变体，如LSTM、GRU等全连接网络的计算及存储复杂性较高，导致其推理计算慢，很难被应用在产品中。
一方面，传统的计算平台CPU不适合处理RNN的大规模矩阵运算；
另一方面，硬件加速平台GPU的共享内存和全局内存使基于GPU的RNN加速器的功耗比较高。
FPGA由于其并行计算及低功耗的特性，近些年来被越来越多地用来做RNN加速器的硬件平台。
对近些年基于FPGA的RNN加速器进行了研究，将其中用到的数据优化算法及硬件架构设计技术进行了总结介绍，并进一步提出了未来研究的方向。
2017/3/13 16:19:19
1.39MB
1
针对用电过程中的盗电窃电问题，基于数据挖掘的思想提出了一种自动检测窃电行为的方法。
通过分析用户用电数据的特点，在循环神经网络（RNN）算法的基础上引入长短期记忆单元（LSTM），通过输入门、输出门与遗忘门等函数选择性地保留记忆单元的输入输出信息，改善算法训练时的梯度消失现象。
将RNN网路改进为并行化网络，将长时间序列的输入特征向量进行片段化处理，克服RNN网络在处理长序列时的信息丢失缺点。
使用国家电网的公开数据集进行仿真实验。
结果表明，在相同的时间复杂度下，相较于传统RNN网络，改进算法对窃电行为的识别精度提升到了92.85%，模型的交叉熵损失下降为0.253，AUC增长至0.871，算法的综合功能显著提升。
通过分析用户用电数据的特点，在循环神经网络（RNN）算法的基础上引入长短期记忆单元（LSTM），通过输入门、输出门与遗忘门等函数选择性地保留记忆单元的输入输出信息，改善算法训练时的梯度消失现象。
将RNN网路改进为并行化网络，将长时间序列的输入特征向量进行片段化处理，克服RNN网络在处理长序列时的信息丢失缺点。
使用国家电网的公开数据集进行仿真实验。
结果表明，在相同的时间复杂度下，相较于传统RNN网络，改进算法对窃电行为的识别精度提升到了92.85%，模型的交叉熵损失下降为0.253，AUC增长至0.871，算法的综合功能显著提升。
2021/9/2 6:54:54
1.41MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB