向量处理器相关论文
由于半导体技术的不断进步和多媒体数据应用领域的不断扩大,像素帧巨大的图像处理应用的计算机体系结构,在嵌入式应用环境的体积与......
量子计算具有强大的能力,但是在物理硬件尚未实用之前,研究在经典计算机上实现量子计算具有重要意义.本文研究了在具有向量处理部......
深度学习算法的迅猛发展,使得基于卷积神经网络的目标识别技术和目标检测算法在图像识别、图像分割等领域有了广泛的使用。将神经......
本文叙述了一种专门为解决理论物理方面的重要问题而设计的并行处理器。其最终设备拥有256个节点。这些节点以SIMD的方式进行锁步......
本文提出一种将FFT算法映射到自主创新的向量处理器YHFT-Matrix体系结构的向量化方法,该方法利用YHFT-Matrix的向量数据访问单元、......
本文建议一种多维递归数字滤波器的并行算法,其于常规次第算法相比,不造成任何附加算术运算;并推导出在全并行处理时滤波器系数所......
针对自行设计的32位向量处理器流水线中的3种冲突:结构相关、控制相关和数据相关,建立了时延Petri网模型。该模型给出计算流水线所......
图像处理技术是信息处理领域中的一项热门技术,在计算机视觉、地球资源勘测、气象信息等领域得到广泛的应用。随着人们对图像信息......
在线时间序列预测作为一种重要且应用广泛的时间序列分析方法一直备受关注。然而,在线状态下新样本的低延迟预测以及模型的在线更......
随着航空航天技术的飞速发展,无人机以其低成本和高灵活性等优势,在军用、民用和消费等领域正得到越来越广泛的应用。航迹预测则是......
本文提出一种将基4FFT算法映射到Matrix多核向量处理器的向量化方法.针对Matrix体系结构的特点，将FFT算法的混洗需求和访存请求......
"作为一家IP授权公司,CEVA的知识产权组合包括面向蜂窝基带(2G/3G/4G)、高清(HD)视频和音频、分组语音(VoP)、蓝牙、串行连接SCSI(......
量子计算是近年来新出现的计算技术,具有非常好的发展前景,目前量子计算的研究大多通过在经典计算机上模拟实现.向量运算是量子计......
1引言自从1972年第一台并行机问世以来,并行机的发展非常快,这是由于高科技领域对计算机性能提出了越来越高的要求.随着超大规模集......
为了提高卷积神经网络模型中二维矩阵卷积的计算效率,基于FT2000多核向量处理器研究二维矩阵卷积的并行实现方法.通过使用广播指令......
硅产品知识产权（SIP）平台解决方案和数字信号处理器（DSP）内核授权厂商CEVA公司于11月11日宣布,推出业界首款用于4G无线基础设施应用的......
本文给出了向量超级计算机的简短历史,并讨论向量体系结构的优点.尽管向量超级计算机由于造价的因素趋于被淘汰的地位.但是在未来......
为了加快卷积神经网络模型的计算速度,便于大规模神经网络模型在嵌入式微处理器中的实现,以FT-matrix2000向量处理器体系结构为研......
向量化算法映射是向量处理器的难点问题。提出一种高效的支持原位计算的三角矩阵乘法向量化方法:将L1D配置为SRAM模式,用双缓冲的......
作为硅产品知识产权（SIP）平台解决方案和数字信号处理器（DSP）内核的授权厂商,CEVA公司推出首款用于4G无线基础设施应用的高性能向量DSP......
提出一种基于Matrix的Givens旋转的QR分解向量化方法。针对Matrix的体系结构特点，对向量数据访存和计算进行优化，使计算均衡分布到各......
每年的ISSCC(国际团体半导体电路会议)议程中,高性能的处理器和大容量存储器芯片通常都被列为数字技术部分的重点.今年也不例外:有......
CEVA公司率先推出用于4G无线基础设施应用的高性能向量DSP内核CEVA—XC323，相比现有基站侧VuwDSP，该内核可以通过减少所需的处理器和......
融合乘加指令加速快速傅里叶变换计算的向量化方法，通过变换快速傅里叶变换的蝶形单元运算流程，将传统计算方式中独立的乘法和加法操......
针对信息物理融合系统中的在线时间序列预测问题,该文选择计算复杂度低且具有自适应特点的核自适应滤波器（Kernel Adaptive Filter,......
期刊
视觉注意机制是人类感知外部世界的重要手段之一。利用数学模型将视觉注意机制引入到计算机视觉中来模拟人类的视觉感知系统,是计......
Matrix DSP是国防科技大学自主研制的一款面向无线通信基站应用、图像视频处理的高性能32位浮点向量处理器。采用SIMD体系结构，VLIW......
向量处理器的向量化算法映射是难点问题.提出一种支持任意系数长度和数据类型的FIR滤波器向量化方法,将（Finite Impulse Response）滤......
