首页期刊导航|计算机工程
期刊信息/Journal information
计算机工程
华东计算技术研究所　上海市计算机学会
计算机工程

华东计算技术研究所　上海市计算机学会

游小明

月刊

1000-3428

hdsce@sohu265359.sohuvip.net

021-54972331

200233

上海市桂林路418号

计算机工程/Journal Computer EngineeringCSCD北大核心CSTPCD
查看更多>>本刊是中国电子科技集团公司第三十二研究所（华东计算技术研究所）主办的学术性刊物，是上海市计算机学会会刊。主要特点：以最快的速度、科学求实的精神，精选刊登代表计算机行业前沿科研、技术、工程方面的高、精、尖优秀论文。贯彻党的“双百”方针，繁荣科技创作，促进国内外学术交流，探讨和传播计算机科学的理论和实践，加速和促进我国计算机事业的发展。
正式出版
收录年代

    基于LT码的分布式矩阵计算研究

    刘怡张磊
    328-335页
    查看更多>>摘要：在如今大数据和机器学习应用范围不断扩大的背景下，分布式计算系统成为处理庞大数据的必要工具。对于具有一定规模的计算集群，其性能会不可避免地受到系统噪声的影响，应考虑在分布式计算系统中借助编码技术来增强系统的鲁棒性。现有应用于分布式矩阵计算的编码方案多为固定速率编码，无法适应节点数量动态变化的实际情况。同时，由于部分任务有截止期限制，应在保证任务顺利完成的前提下尽可能地减少平均开销从而降低时延。针对上述问题，提出将LT码应用于雾计算场景下的分布式矩阵计算，设计Remo2算法。依托LT码的无速率特性自适应信道状态变化，通过合适的度分布函数设计以及双向切割、因子化度数的方法达到降低时延、增强分布式计算系统鲁棒性的预期效果。令k1为A矩阵被切分后的子矩阵行值，k2为B矩阵被切分后的子矩阵列值，实验结果表明，在k1值固定的前置条件下，与FLT码及BDC-LT算法相比，Remo2算法的平均开销相对于前者稳定降低了 33。3％，相对于后者减少了 7。7％的冗余。此外，当k1k2大小的码长固定时，k，、k2的离散化程度越低，即lim|k1-k2|→0，会带来更小的平均开销。

    LT码分布式矩阵计算双向切割因式化平均开销

      原文链接:
    • 万方数据
    • 维普

    基于有效注意力和GAN结合的脑卒中EEG增强算法

    王夙喆张雪英陈晓玉李凤莲...
    336-344页
    查看更多>>摘要：在基于脑电的卒中分类诊断任务中，以卷积神经网络为基础的深度模型得到广泛应用，但由于卒中类别病患样本数量少，导致数据集类别不平衡，降低了分类精度。现有的少数类数据增强方法大多采用生成对抗网络(GAN)，生成效果一般，虽然可通过引入缩放点乘注意力改善样本生成质量，但存储及运算代价往往较大。针对此问题，构建一种基于线性有效注意力的渐进式数据增强算法LESA-CGAN。首先，算法采用双层自编码条件生成对抗网络架构，分别进行脑电标签特征提取及脑电样本生成，并使生成过程逐层精细化;其次，通过在编码部分引入线性有效自注意力(LESA)模块，加强脑电的标签隐层特征提取，并降低网络整体的运算复杂度。消融与对比实验结果表明，在合理的编码层数与生成数据比例下，LESA-CGAN与其他基准方法相比计算资源占用较少，且在样本生成质量指标上实现了 10％的性能提升，各频段生成的脑电特征样本均更加自然，同时将病患分类的准确率和敏感度提高到了 98。85％和98。79％。

    脑卒中脑电生成对抗网络自注意力机制线性有效自注意力

      原文链接:
    • 万方数据
    • 维普

    五级流水线RISC-V微处理器的研究与设计

    张学镇汪西虎董嗣万张一泓...
    345-352页
    查看更多>>摘要：针对嵌入式领域低开销、高性能的应用需求，设计一种基于RISC-V开源指令集架构的32 bit微处理器。采用顺序发射、顺序执行、乱序写回的五级流水线结构，实现了整型和乘除法指令集模块组合。为了应对流水线冲突，处理器采用动态分支预测技术，设计数据相关性控制和乱序写回机制。使用Verilog进行设计并采用先进高性能总线(AHB)和高级外围总线(APB)为互联总线协议构建片上系统(SoC)。在仿真环境下通过编写RV32IM汇编指令测试程序，完成对处理器逻辑功能的验证。在Vivado综合工具下添加时序约束和物理约束条件后，对处理器代码进行逻辑综合并分析处理器硬件资源利用情况，最后将综合生成的码流文件下载到Xilinx Artix-7(XC7A200T-2FBG484I)现场可编程门阵列(FPGA)开发板中并以50 MHz的主频运行CoreMark程序，CoreMark跑分达到3。25 CoreMark/MHz。实验结果表明，处理器性能跑分与ARM Cortex-M3系列处理器基本持平，在各项技术对比指标相同的前提下，所设计的处理器跑分均优于RISC-V处理器对比项。所设计的处理器逻辑功能正确，使用较低的硬件开销，取得相对较高的性能指标，适用于成本受限的高性能嵌入式应用领域。

    嵌入式RISC-V架构五级流水线分支预测乱序写回先进高性能总线

      原文链接:
    • 万方数据
    • 维普

    一种基于TVM的算子生成加速策略

    高伟李帅龙茆琳王磊...
    353-362页
    查看更多>>摘要：随着人工智能(AI)的飞速发展，新算子和底层硬件层出不穷，这给算子库的开发和维护带来了巨大的工作量。单纯基于手工优化来解决AI模型的性能和效率很容易出现瓶颈。TVM深度学习编译器通过代码的自动化生成减轻了手工优化的负担，但同时也存在搜索时间长的问题。为此，针对TVM的自动化代码生成框架Ansor，提出基于梯度提升算法的新代价模型和基于预定义规则的调度空间剪枝优化2种优化策略，旨在加速TVM的自动化代码生成过程，实现模型快速落地与部署，并进一步为人工智能技术的应用提供更高效的解决方案。实验结果表明，通过应用优化后代价模型可以在不损失推理时间的前提下，使得在x86 CPU平台上模型的调优时间减少30％～35％，同时优化后算子性能最高可提升22％，使得在深度计算单元(DCU)平台上模型的调优时间减少20％左右，同时优化后算子平均性能提升5。7％，此外，基于预定义规则的剪枝策略可以有效提升代价模型的收敛速度，并且在原有最佳迭代次数下，模型推理时间可提高7。4％。

    深度学习编译器代价模型梯度提升算法剪枝策略自动调优

      原文链接:
    • 万方数据
    • 维普

    基于主题感知和语义增强的作文自动评分方法

    陈宇航杨勇先木斯亚·买买提明帕力旦·吐尔逊...
    363-371页
    查看更多>>摘要：作文自动评分(AES)是教育领域中应用自然语言处理(NLP)技术的重要研究方向之一，其旨在提高评分效率，增强评价的客观性和可靠性。针对主题相关性缺失和长文本信息丢失问题以及预训练语言模型BERT不同层次能够提取不同维度特征的特点，提出一种基于主题感知和语义增强的作文自动评分模型。该模型采用多头注意力机制提取作文的浅层语义特征并感知作文主题特征，同时利用BERT的中间层句法特征和深层语义特征增强对作文语义的理解。在此基础上，融合不同维度的特征并用于作文自动评分。实验结果表明，该模型在公共数据集ASAP的8个子集上均表现出了显著的性能优势，相比于通义千问等基线模型，其能够有效提升作文自动评分性能，平均二次加权的卡帕值(QWK)达到80。25％。

    作文自动评分语义增强主题感知特征融合预训练语言模型

      原文链接:
    • 万方数据
    • 维普

    考虑禁言机制的谣言传播模型

    钱榕李鑫刘晓豫张克君...
    372-378页
    查看更多>>摘要：在信息爆炸的互联网时代，谣言传播的速度越来越快，传播的范围越来越广。社交媒体和互联网的普及使得谣言可以在短时间内迅速传播，给个人、组织和社会带来负面影响，因此，对谣言传播进行研究具有重要意义。目前已有大量文献研究社交网络中的谣言传播问题，但较少考虑禁言机制对谣言传播与辟谣模型的作用，而禁言对维护社交网络的秩序与安全具有现实意义。为此，在经典SIR谣言传播模型的基础上，提出一种考虑禁言机制的谣言传播与辟谣模型，从竞争性创新扩散角度建立其数学方程。此外，通过对该模型进行实验仿真，研究禁言周期、记忆时长、遗忘率等因素对谣言传播的影响。实验结果表明，抑制策略在多数情况下能够对谣言传播起到有效的控制效果，然而，增大禁言周期可能并非最佳方案，较低的遗忘率、较长的记忆时间和提高公信力对谣言传播控制也十分重要。

    社交网络谣言传播禁言机制SIR模型创新扩散

      原文链接:
    • 万方数据
    • 维普

    融合特征分析及机器学习的可演进变压器故障诊断模型

    毛业栋张春辉陈杰
    379-388页
    查看更多>>摘要：变压器是大型电力系统中的关键重要设备，其机理复杂且影响面广，对变压器的状态检测与故障诊断是传统电力系统中的关键问题，也是智能化时代下智能算法应用的重要方向。为解决现有的智能化故障诊断研究受限于故障样本稀缺、诊断结果可解释性差、模型更新困难等问题，提出一种基于时序流数据动态分析的变压器故障诊断模型。首先通过人工辅助标注和数据增强方法，构建具有序列特征的高置信故障数据样本库;然后使用由融合时序特征分析器和多分类器构成的神经网络模型作为训练及分析的模型基础，构造基于相似案例的推理方式，通过距离相似性、模式相似性、形状相似性等多维度距离度量方法，对实时检测到的流数据进行故障诊断及分类预警，以指导运维人员结合历史经验及智能技术开展故障分析。实验结果表明，所提方法在故障诊断的准确性与可解释性上显著提升，可应用于变压器故障在线诊断真实场景中。

    变压器流数据分析故障诊断模型演进机制案例推理

      原文链接:
    • 万方数据
    • 维普

    储能变流器信号高精度故障诊断方法

    王宇祁琦王纯许才...
    389-396页
    查看更多>>摘要：随着能源转型和碳中和的全球发展趋势，储能变流器关键组件的稳定性变得至关重要。特别是其功率器件和散热器在实际运行中的稳定性直接关系到整个系统的可靠性。关注储能变流器功率模组振动信号的故障诊断问题，传统诊断方法处理复杂信号时往往面临挑战，需要频繁地调整参数。此外，由于储能变流器的工作环境复杂，现有深度学习诊断方法的性能也不尽如人意。为此，提出一种基于大模型知识和通道注意力网络的储能变流器功率模组故障诊断方法LLMCAN。首先通过预训练的大规模语言模型，在特征提取过程中利用丰富的领域知识，增强模型对复杂功率模组振动信号的分析能力。其次引入通道注意力网络使模型能够自适应学习信号中不同通道之间的关系，提高故障诊断的准确性。在包含1 000条真实工况数据的储能变流器信号数据集上进行验证，其中包括正常工况和9种故障模式。实验结果表明，该方法在多种度量指标下均显示出优越性能，其中诊断准确率高达99。8％，远超传统方法，为储能变流器功率模组的故障诊断提供一个高效、准确的解决方案。

    储能变流器故障诊断深度学习注意力机制信号处理

      原文链接:
    • 万方数据
    • 维普

    投稿指南

    《计算机工程》编辑部
    封3页
      原文链接:
    • 万方数据