最新設(shè)計(jì)資源

智慧農(nóng)業(yè)下基于聯(lián)邦學(xué)習(xí)的水稻病蟲害分類研究[模擬設(shè)計(jì)][其他]

在農(nóng)業(yè)發(fā)展過程中,，農(nóng)作物的健康問題一直是一個(gè)重要的研究課題。面向這一課題探討智能化農(nóng)業(yè)種植過程中的水稻病蟲害分類問題,。在智能化農(nóng)業(yè)種植場景下,，為了提高設(shè)備對病蟲害的分類準(zhǔn)確性，同時(shí)保護(hù)各設(shè)備的數(shù)據(jù)隱私,，提出使用聯(lián)邦學(xué)習(xí)來解決各設(shè)備間的數(shù)據(jù)孤島問題,。實(shí)驗(yàn)選取了七個(gè)預(yù)訓(xùn)練模型來提取特征，使用四個(gè)指標(biāo)（準(zhǔn)確率,、召回率,、損失函數(shù)和F1分?jǐn)?shù)）來評估不同模型上的性能。實(shí)驗(yàn)結(jié)果表明,，在獨(dú)立同分布（IID）和非獨(dú)立同分布（Non-IID）數(shù)據(jù)下模型VGG19的準(zhǔn)確率分別為99.05%和98.48%,，表現(xiàn)出較高的魯棒性和準(zhǔn)確率。通過幾種實(shí)驗(yàn)和指標(biāo)對比發(fā)現(xiàn),，聯(lián)邦學(xué)習(xí)的應(yīng)用提升了設(shè)備4.36％的準(zhǔn)確率,，圖像分類模型的收斂時(shí)間受到聯(lián)邦學(xué)習(xí)輪數(shù)round和每輪聯(lián)邦學(xué)習(xí)中訓(xùn)練集的訓(xùn)練epoch數(shù)的共同影響，并且模型的穩(wěn)定性隨著參與聯(lián)邦學(xué)習(xí)的設(shè)備數(shù)量增加而提高,。

發(fā)表于：2024/11/14

基于電路切割方法的并行量子模擬方法[模擬設(shè)計(jì)][其他]

量子計(jì)算在解決傳統(tǒng)計(jì)算難題方面展現(xiàn)了巨大潛力，但由于其高錯(cuò)誤率和噪聲問題,，經(jīng)典模擬成為驗(yàn)證其性能的重要手段,。然而，量子的疊加和糾纏特性帶來了模擬上的巨大挑戰(zhàn),，尤其是在內(nèi)存受限的情況下,。盡管電路切割方法能夠?qū)⒋笠?guī)模量子電路分解為更小的計(jì)算任務(wù)，減輕計(jì)算壓力,，先前的研究主要關(guān)注其在量子計(jì)算機(jī)上的應(yīng)用,，未充分考慮其在量子電路模擬中的效果。論文研究填補(bǔ)了這一空白,，提出了基于啟發(fā)式切割算法和子電路狀態(tài)向量復(fù)用的優(yōu)化方案,，以應(yīng)對模擬中的內(nèi)存限制。通過引入全局計(jì)算成本的考量和整數(shù)規(guī)劃模型，提出的啟發(fā)式方法不僅優(yōu)化了切割過程,，還結(jié)合了子電路狀態(tài)向量復(fù)用技術(shù),，以減少重復(fù)計(jì)算和內(nèi)存占用。實(shí)驗(yàn)結(jié)果顯示,，與當(dāng)前流行的電路切割方法相比,，所提出方法在提升模擬速度的同時(shí)顯著降低了內(nèi)存需求，有效應(yīng)對了量子電路模擬中的挑戰(zhàn),。在經(jīng)典量子電路的測試中總體平均加速達(dá)到了46%,。

發(fā)表于：2024/11/14