检索结果-南通市图书馆

热带太平洋海表温度与北极波弗特海夏季海冰年际关系的年代际变化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

热带太平洋海表温度与北极波弗特海夏季海冰年际关系的年代际变化

作者：顾稷泰南京信息工程大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

鸟声采集系统研究

鸟声采集系统研究

作者：阮泰淇广州大学

学位级别：硕士

鸟类作为生态环境的重要指示物种,其监测对揭示生物多样性及生态状况提供了关键依据。被动声学监测是一种新兴的鸟类监测技术,具有对鸟类干扰小、监测范围大、适合长期监测等优点,通过采集和分析鸟类鸣声可以获取鸟类生态行为、种群状态... 详细信息

鸟类作为生态环境的重要指示物种,其监测对揭示生物多样性及生态状况提供了关键依据。被动声学监测是一种新兴的鸟类监测技术,具有对鸟类干扰小、监测范围大、适合长期监测等优点,通过采集和分析鸟类鸣声可以获取鸟类生态行为、种群状态,其中,鸟声采集是被动声学监测的基础。然而常用鸟声采集设备都是国外产品,且均为离线设备,存在成本高、设备无法满足不同应用场景需求等问题,影响被动声学监测技术在我国鸟类科学研究与监测中的应用。基于此,本文对鸟声采集系统进行了研究,包括两种采集设备与一个数据分析展示的软件平台。主要工作总结如下:对于需要长期录音、大容量存储的鸟声采集场景,设计并实现了低功耗单通道鸟声采集设备。该设备基于开源项目Audio Moth进行改进设计,采用低功耗芯片EFM32WG980F256作为主控芯片,实现了低功耗采集(32k Hz采样率下设备功耗为90m W),存储容量最大为2TB,设计了可靠的户外防水结构。为了验证设备的性能和可靠性,在广州市北至花都区南至南沙区共选取了25个公园部署该设备进行鸟声采集,连续采集7个月合计500多个小时,共采集了125万条1分钟时长的录音文件。对于需要声音的空间信息、声音数据实时传输的鸟声采集场景,设计并实现了基于声音事件检测的多通道鸟声采集设备。该设备采用全志T113-S3处理器作为主控平台,支持太阳能、市电、以太网供电,4G网络传输,8通道麦克风阵列,可调增益前置放大等功能,并使用NCNN嵌入式边缘计算框架实现了基于改进Densenet框架的边缘鸟声事件检测,检测到的有鸟声文件通过网络传输至云服务器,并使用SRP-PHAT算法进行鸟声方位计算。设备运行功耗约800m W,休眠功耗约450m W,录制10秒的八通道音频、并进行鸟声事件检测、数据压缩上传等步骤仅需约13秒。对于声音数据进行分析处理时,面临数据量过大、数据分析过程困难等挑战,设计并实现了一个包含设备状态监控、鸟声数据识别、鸟声方位计算的鸟声采集设备数据分析监控平台。通过该平台,可以将上述两种设备进行统一管理形成完整的鸟声采集系统。

关键词：鸟声采集低功耗实时传输麦克风阵列鸟声事件检测

文化传承视野下的“寻宝之旅”——《文史通义》的六大学术特色及其启示意义

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

陕西师范大学学报（哲学社会科学版） 2024年第1期53卷 64-73页

作者：陈其泰张策北京师范大学历史学院/史学理论与史学史研究中心北京100875

在举国高度重视文化传承的时代条件下,研究者要勇于解放思想、提高理论水平,《文史通义》作为传统学术在理论领域树立的一座丰碑,回答了时代需要,反映了时代精神,体现出乾嘉时期的时代智慧。在研究方法上,章学诚贯彻“知人论世”和洞察... 详细信息

在举国高度重视文化传承的时代条件下,研究者要勇于解放思想、提高理论水平,《文史通义》作为传统学术在理论领域树立的一座丰碑,回答了时代需要,反映了时代精神,体现出乾嘉时期的时代智慧。在研究方法上,章学诚贯彻“知人论世”和洞察其思想渊源的原则,《文史通义》体现出六大学术特色,即针砭繁琐考证,预示学风转变;探索历史哲学,阐发深邃哲理;改革历史编纂,影响后世;以“性”“情”言教育,倡导独立思考;彰显审美情趣,学术美文翘楚;辩证分析高手,直抵事物本质。《文史通义》凸显了章学诚独树一帜的治学风格和历经坎坷凿“千年未凿之窦”的使命担当精神,因此,非常有必要将体现中国智慧、中国精神的章学诚学术推向世界,增强文化自信。

关键词： “两个结合” 《文史通义》经世致用乾嘉考证学风历史编纂文化传承文化自信

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

联合量化与剪枝的深度神经网络压缩方法研究

联合量化与剪枝的深度神经网络压缩方法研究

作者：孙胤泰山东师范大学

学位级别：硕士

随着人工智能技术的发展,深度神经网络模型逐渐成熟并开始应用到各个领域,例如计算机视觉和自然语言处理。它具有庞大的参数量,可以学到更深层更高级的数据特征表示,获取到传统方法得不到的信息。然而,网络模型需要高性能、高能耗的平... 详细信息

随着人工智能技术的发展,深度神经网络模型逐渐成熟并开始应用到各个领域,例如计算机视觉和自然语言处理。它具有庞大的参数量,可以学到更深层更高级的数据特征表示,获取到传统方法得不到的信息。然而,网络模型需要高性能、高能耗的平台作为支撑,才能良好地运行,而且巨大的参数量和内存占用,导致其训练和推理速度都很慢。这些问题都阻碍了深度神经网络模型的部署和应用。近年来,越来越多的工作开始研究深度神经网络模型的压缩。在模型剪枝方面,一些相关工作在低层次对网络模型的神经连接进行剪枝,还有一些工作在较高层次上对网络模型的结构进行了剪枝。这些方法都显著地减少了模型的参数量。在模型量化方面,相关工作对模型的参数进行整数量化,降低了模型的计算量和内存占用。虽然以往的研究工作可以对神经网络模型进行有效地压缩,但是仍然存在着以下几个问题:(1)在对网络模型进行低层次上的神经连接剪枝时,没有考虑到模型在硬件层面的执行情况,导致网络模型虽然在算法上减少了参数量,但是在硬件上的计算量负载并没有实际的降低,使硬件的执行不够高效;(2)在对网络模型进行较高层次的剪枝时,这些方法虽然降低了硬件上的计算负载,但没有一个最优的剪枝准则,导致一些重要的通道被剪掉,使模型的精度下降;(3)在量化压缩模型的方案中,可以降低模型的计算量和内存占用,但是如果使用较低的bit进行压缩会使模型信息丢失严重,进而对模型的精度产生较大的影响。因此,本文的主要研究任务就是在不影响模型精度的同时,尽可能地精简模型的网络结构,减少模型的参数量,跳过模型中无效的计算,从而提高模型的性能和硬件资源的利用率。在本文中,从深度神经网络模型和计算机体系结构的角度出发,对网络模型压缩和计算时存在的瓶颈做了详细的分析。针对存在的问题,分别在网络模型的低层次和高层次两个方面提出了相应的解决方案。在低层次的解决方案中,提出了面向连接的剪枝加速方法。该方法通过对网络的结构和特征激活的研究,发现在网络模型的激活中具有很强的稀疏性,导致了无用的计算,同时也发现了在网络中的深层都是尺寸非常小的卷积核,常用的卷积方法不利于硬件性能的发挥。所以本文提出了稀疏计算格式来跳过无用计算,进而提高卷积操作的效率。此外还使用了内核融合技术和线程优化技术,进一步发挥硬件的性能。实验结果表明,面向连接的剪枝加速可以使深度神经网络模型的推理速度提高2倍以上。在高层次的解决方案中,提出了动态的混合量化方案。该方法对模型压缩过程、不同网络层的重要性以及不同通道的重要性进行了分析,发现了不同网络结构的重要性不均匀和分阶段模型压缩存在着精度损失的累积等问题。本文首先提出了一种网络层结构搜索方法,动态地设置不同网络层的剪枝比例,并作为初始值初始化网络模型的剪枝参数。其次,提出了一阶段的动态混合量化模型训练方法,将动态剪枝和混合量化结合到一个阶段,避免了误差的累积,提高了模型精度的同时,也大幅度减少了模型的计算量。实验结果表明,该方法可以在使模型计算量降低50%以上的同时,保持模型精度受到可以忽略的影响。本文研究了新的模型压缩方案,通过对模型卷积操作算子的重新设计以及对网络结构的进一步精简,不仅在算法上减少了复杂度,还在硬件上降低了计算负载。同时在GPU的推理测试上取得了较好的加速效果,为下一步更大模型的优化提供了新的研究思路。

关键词：模型压缩稀疏优化动态剪枝混合量化 GPU