《集成技术》杂志集科学性、学术性、实用性与知识性为一体，以免费开放获取方式面向作者的科技期刊，是信息技术、生物技术等专业技术人员会投稿的期刊，集成技术期刊投

稿范围包含:机器人与电动汽车　互联网与物联网　高性能计算机与网络计算　生物医学工程等。以下为大家集成技术期刊论文投稿范文，仅供参考:

   范文、基于区域分解的快速卷积神经网络学习策略研究

   摘要:为加快卷积神经网络的训练,该研究提出一种受区域分解方法启发的新型学习策略。将该方法应用于残差网络(Res Net)进行图像分类时,使用ResNet32可获得最佳结果。进一

步地将ResNet32分成4个子网络,其中每个子网具有0.47M参数此为原始ResNet32的1/16,从而简化了学习过程。此外,由于可以并行训练子网络,因此在使用CIFAR-10数据集进行分类

任务时,计算时间可以从8.53 h(通过常规学习策略)减少到5.65 h,分类准确性从92.82%提高到94.09%。CIFAR-100和Food-101数据集也实现了类似的改进。实验结果显示所提出的

学习策略可以大大减少计算时间,并提高分类的准确性。这表明所提出的策略可以潜在地应用于训练带有大量参数的卷积神经网络。

关键词:学习策略;区域分解;并行训练;加速;

   范文、基于机器学习的动态分区并行文件系统性能优化

   摘要:近年来,随着大数据、云计算技术的发展,应用系统越来越集中,规模亦越来越大,使得存储系统的性能问题越来越突出。为应对其性能要求,并行文件系统得到了大量的应用。然而

现有的并行文件系统优化方法;大多只考虑应用系统或并行文件系统本身,较少考虑两者之间的协同。该文基于应用系统在并行文件系统上的访问模式对存储系统的性能有显著影响这一

特点,提出基于动态分区的并行文件系统优化方法。首先,利用机器学习技术来分析挖掘各个性能影响因素和性能指标之间的关系和规律,生成优化模型。其次,以优化模型为基础,辅助并

行文件系统的参数调优工作。最后,基于Ceph存储系统进行原型实现,并设计了三层架构应用系统进行了性能测试,最终达到优化并行文件系统访问性能的目的。实验结果表明,所提出方

法可以达到85%的预测优化准确率;在所提出模型的辅助优化下,并行文件系统的吞吐量性能得到约3.6倍的提升。

   关键词:并行文件系统;性能优化;机器学习;逻辑回归;

   以上都是集成技术期刊近期征稿的论文，相信作者对该期刊征稿范围有了一定的了解，希望对大家有帮助，更多详细可以咨询本站客服。