公共文化服务平台

李涛: 作品数：39 被引量：195H指数：7; 供职机构：中国科学院计算技术研究所更多>>; 发文基金：天津市自然科学基金国家自然科学基金中央高校基本科研业务费专项资金更多>>; 相关领域：自动化与计算机技术电子电信环境科学与工程天文地球更多>>

合作作者

三种软硬件划分算法的比较分析被引量：14: 2007年; 软硬件划分是嵌入式系统软硬件协同设计中的关键技术之一,如何兼顾系统的性能和成本,达到两者的最佳结合,是软硬件划分的主要问题。针对单CPU多ASICs类型的目标结构,选取了遗传算法、禁忌搜索算法和模拟退火算法等全局优化算法进行系统的软硬件划分,并对3种算法的有效性进行了比较分析。; 高健李涛; 关键词：软硬件划分软硬件协同设计遗传算法禁忌搜索算法模拟退火算法

基于噪声引导二维超混沌同步的身份认证模型设计: 身份认证技术作为信息安全门户之一，对于提高网络通信安全性具有重要意义。传统身份认证技术在通信过程中会直接或间接地传输用户相关的机密信息，由于认证系统本身存在漏洞，并且反制技术逐步升级，这些信息很容易被泄露或窃取。本文参照...; LI Tao李涛ZHAO Kezhao赵可昭REN Saisai任赛赛GU Li古力; 关键词：网络安全身份认证技术

基于遗传算法的可重构系统软硬件划分被引量：11: 2007年; 在考虑动态部分重构及重构延时等特征的基础上,采用遗传算法及其与爬山算法的融合实现可重构系统软硬件任务的划分,并采用动态优先级调度算法进行划分结果的评价。实验表明,在可重构系统的资源约束等条件下,算法能够有效地实现应用任务图到可重构系统的时空映射。; 李涛杨愚鲁马平柴欣; 关键词：可重构硬件软硬件划分可重构系统

三维图形渲染引擎的线程级并行及优化: 在OGRE 3D的场景管理器模块下增加渲染队列副本,采用基于Boost线程库的相关信号量和函数构建OGRE 3D多线程模型,建立前后台读写缓冲并形成流水机制,实现OGRE 3D在多核平台下的并行加速。测试结果表明,OGR...; LI Tao李涛JIAO Xiaofan焦晓帆LIU Xuechen刘学臣LI Hua李华; 关键词：渲染引擎多线程技术

沈阳市固定燃烧源挥发性有机化合物2007年排放清单研究被引量：1: 2011年; 挥发性有机化合物(VOCs)与.OH的反应是对流层臭氧形成的重要化学过程,是导致城市光化学烟雾的根本原因。为建立沈阳市固定燃烧源VOCs排放清单,选取了电力热力行业、钢铁行业和秸秆燃烧3个主要排放源进行研究。结果表明:(1)2007年,沈阳市固定燃烧源VOCs排放总量为8 544.539 t,其中排放量最大的是秸秆燃烧,为6 317.115 t;其次是电力热力行业,为2 225.780 t;最小的是钢铁行业,为1.644 t。(2)沈阳市各区县固定燃烧源VOCs排放量由大到小排序依次为新民市、法库县、东陵区、康平县、辽中县、于洪区、苏家屯区、大东区、沈北新区、铁西区、沈河区、皇姑区、和平区;VOCs排放强度由大到小排序依次为大东区、沈河区、铁西区、东陵区、皇姑区、和平区、于洪区、苏家屯区、法库县、康平县、辽中县、沈北新区、新民市。; 马奇涛王宝庆李涛胡秋阳白志鹏; 关键词：挥发性有机化合物排放清单

动态部分重配置及其FPGA实现被引量：12: 2006年; 动态部分重配置充分利用了FPGA芯片提供的可重配置功能,提高了FPGA芯片的利用率,减小了FPGA芯片的配置时间,有效地提高了系统的整体性能。该文介绍了动态部分重配置的两种实现方法,并在Spartan-ⅡFPGA上进行了验证。; 李涛刘培峰杨愚鲁; 关键词：FPGA

基于FPGA的模型计算机设计与实现被引量：5: 2012年; 采用Quartus II和Cyclone FPGA构建模型计算机的算术逻辑单元、指令译码单元和寄存器译码单元等关键部件,并在TD CM3+实验板上进行验证.结果表明,模型计算机能够实现预期功能和时序要求,便于增加与修改指令.; 李涛李欣光任赛赛; 关键词：FPGA 模型计算机指令译码

基于ARM的USB设备互连控制器设计被引量：1: 2012年; 提出一种以USB控制器为核心、以手机为主控制端的方案,实现移动设备间的互连.采用TQ2440ARM9开发板和嵌入式Linux系统构建USB控制器,设计软件实现对手机操作系统的跨平台支持,实现手机和USB存储设备之间的文件传输、手机对USB打印机的控制.; 赵可昭胡铭曦余文清李涛; 关键词：ARM9 USB设备

FAQ-CNN:面向量化卷积神经网络的嵌入式FPGA可扩展加速框架被引量：7: 2022年; 卷积神经网络(convolutional neural network, CNN)模型量化可有效压缩模型尺寸并提升CNN计算效率.然而,CNN模型量化算法的加速器设计,通常面临算法各异、代码模块复用性差、数据交换效率低、资源利用不充分等问题.对此,提出一种面向量化CNN的嵌入式FPGA加速框架FAQ-CNN,从计算、通信和存储3方面进行联合优化,FAQ-CNN以软件工具的形式支持快速部署量化CNN模型.首先,设计面向量化算法的组件,将量化算法自身的运算操作和数值映射过程进行分离;综合运用算子融合、双缓冲和流水线等优化技术,提升CNN推理任务内部的并行执行效率.然后,提出分级编码与位宽无关编码规则和并行解码方法,支持低位宽数据的高效批量传输和并行计算.最后,建立资源配置优化模型并转为整数非线性规划问题,在求解时采用启发式剪枝策略缩小设计空间规模.实验结果表明,FAQ-CNN能够高效灵活地实现各类量化CNN加速器.在激活值和权值为16 b时,FAQ-CNN的加速器计算性能是Caffeine的1.4倍;在激活值和权值为8 b时,FAQ-CNN可获得高达1.23TOPS的优越性能.; 谢坤鹏卢冶卢冶刘义情龚成陈新伟陈新伟; 关键词：加速器设计