并行計算和稀疏存儲在模糊積分上的應用
大?。?/span>0.95 MB 人氣： 2018-01-15 需要積分：3
近年來很多學者開展了模糊積分的相關研究，并將模糊積分應用于各種分類問題，而模糊測度的確定則是模糊積分計算的重點和難點。將并行計算和稀疏存儲應用在模糊積分求解上，分別解決模糊積分計算中的時間復雜度和空間復雜度問題，并提出一種高效率模糊積分算法——基于并行和稀疏框架的模糊積分（ parallel and sparse frame based fuzzy integral，PSFI）。實驗表明，隨著計算資源的增加，PSFl算法的加速比和效率下降較低。在變量存儲上，PSFl算法在較多特征的數據集上對存儲空間減少數千倍。最后，提出的PSFl算法相比之前提出的多重模糊積分（ multiple nonlinear integral，MNI）算法，有較高的分類準確率。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
并行計算和稀疏存儲在模糊積分上的應用下載
相關電子資料下載
- 昆侖萬維開源2千億稀疏大模型Skywork-MoE 371
- 一種柔性稀疏傳感器網絡系統，用于新生兒不安運動評估 607
- 基于柔性無線IMU傳感器的稀疏傳感網絡，用于新生兒腦癱快速篩查 375
- 基于柔性無線IMU傳感器的稀疏傳感網絡 159
- 大模型系列：Flash Attention V2整體運作流程 774
- Sparse4D-v3：稀疏感知的性能優化及端到端拓展 806
- 深入理解BigBird的塊稀疏高效實現方案 343
- CCV 2023 | SparseBEV：高性能、全稀疏的純視覺3D目標檢測器 602
- 基于全稀疏的單階段3D目標檢測器優化方案 338
- NVIDIA Ampere 架構的結構化稀疏功能及其在搜索引擎中的應用 371