【摘 要】
：
针对传统串行迭代法求解大波数Helmholtz方程存在效率低下且受限于单机内存的问题,提出了一种基于消息传递接口（Message Passing Interface,MPI）的并行预条件迭代法。该算法利
【机 构】
：
深圳信息职业技术学院软件学院,中山大学广东省科学重点实验室,深圳职业技术学院工业中心
【基金项目】
：
国家自然科学基金项目（11701389）, 广东省自然科学基金项目（2015A030313592）, 中山大学广东省计算科学重点实验室, 深圳市科技计划项目（JCYJ20160527102119211,JCYJ20150630114140642）, 广东省优秀青年教师项目（YQ2014122）, 深圳信息职业技术学院科研培育项目（QN201710）资助
论文部分内容阅读
针对传统串行迭代法求解大波数Helmholtz方程存在效率低下且受限于单机内存的问题,提出了一种基于消息传递接口（Message Passing Interface,MPI）的并行预条件迭代法。该算法利用复移位拉普拉斯算子对Helmholtz方程进行预条件处理,联合稳定双共轭梯度法和基于矩阵的多重网格法来求解预条件方程离散后的大规模线性系统,在Linux集群系统上基于MPI环境实现了求解算法的并行计算,重点解决了多重网格的并行划分、信息传递和多重网格组件的构建问题。数值实验表明,对于大波数问题,提出的算法
其他文献
为实现实船抗冲击实验中船体结构冲击响应信号的快速、准确处理，分析了冲击响应信号的特点以及信号的预处理、时域处理和频域处理的方法，提出了一种全新的基于SIMULINK的模块化
简述了用于电梯运行轨迹测试的惯性测量系统的特点及其标定平台的重要性,介绍了电梯运行轨迹测试系统标定平台的硬件结构、控制算法以及软件流程;针对标定平台的设计要求以及其系统特性提出了采用最小方差自校正算法的设计思想,用自回归滑动平均数学模型描述系统,运用增广最小二乘法估计系统参数,最小方差自校正控制系统输入,解决了标定平台做正弦运动时的精度问题;实际使用表明运用最小方差自校正控制能使系统各项指标达到设
在采集人脸图像时,图像存在模糊性较大或者姿态变化幅度较大等问题,人脸准确识别的精度不高,为了提高人脸识别的准确率,提出一种基于卷积神经网络的信息增强的人脸识别算法。对采集的模糊人脸图像进行小波降噪处理,对降噪输出的图像进行自适应模板匹配,结合图像分割方法对人脸图像进行分块,利用Radon尺度变换的几何特征不变性对人脸的关键特征点进行信息增强,采用卷积神经网络分类器对增强的人脸特征点进行分类,实现特
目前,前方车辆检测的研究主要通过机器学习的方法,然而其难以解决遮挡和误检的问题。在这种背景下,使用深度学习的方法检测前方车辆更为有效。首先采用了选择性搜索方法获得样本图像的候选区域,然后使用改进的FAST R-CNN训练网络模型,检测道路前方车辆。已在KITTI车辆公共数据集上对该方法进行了测试,实验结果表明,所提方法的检测率高于CNN直接检测的结果,很大程度上解决了遮挡和误检的问题。而且,与先提
草图识别是一项很具有挑战性的工作。目前,大部分草图识别的工作都将草图当作普通的纹理图像,忽视了草图的时序性。因此,文中通过挖掘草图的时序性,将草图笔画按照时间分组。为进一步利用时序特征在草图识别过程中的作用,使用了循环神经网络将笔画分组按照时间序列作为输入,最后使用联合贝叶斯将各个时序下获得的草图特征进行整合,完成草图的识别工作。在公开标准数据集上对所提算法进行了测试,实验结果显示该算法的识别准确
在分析工作流时,Petri网是一种有效的建模工具,但在处理复杂的工作流时,其易引发＂状态空间爆炸＂问题。工作流逻辑作为工作流路径的逻辑框架,可实现对工作流网的进一步抽象。为
针对现有技术难以并行实现舌象多标签的高效分类和识别,难以利用标签间的相关性进行综合分析等问题,提出了一种基于多任务卷积神经网络的舌象分类方法,构建了一种多任务联合学习模型,尝试实现传统中医舌诊中对舌色、苔色、裂纹和齿痕等多个标签的同时辨识。首先,在共享网络层对所有标签进行联合学习,从特征提取的角度自动挖掘和利用标签间的相关性;然后,在不同子网络层分别完成特定类别的学习任务,从而消除多标签分类中的歧