Mogac formulario de solicitud

Mogac formulario de solicitud

Mogac formulario de solicitud

Juntos educación gob ec consulta en línea

En este trabajo presentamos un sistema de co-síntesis hardware-software, denominado MOGAC, que particiona y programa las especificaciones de sistemas embebidos consistentes en múltiples grafos de tareas periódicas. MOGAC sintetiza arquitecturas distribuidas heterogéneas en tiempo real utilizando un algoritmo genético multiobjetivo adaptativo que puede escapar de los mínimos locales. El precio y el consumo de energía se optimizan a la vez que se cumplen las restricciones de tiempo real. MOGAC no pone límite al número de elementos de procesamiento de hardware o software en las arquitecturas que sintetiza. Nuestro modelo general para los enlaces de comunicación bus y punto a punto permite utilizar varios tipos de enlaces en una arquitectura. Se modelan los circuitos integrados de aplicaciones específicas que constan de múltiples elementos de procesamiento. Se utiliza una heurística para abordar los sistemas de múltiples velocidades, así como los sistemas que contienen gráficos de tareas cuyos hiperperíodos son grandes en relación con sus períodos. La aplicación de una estrategia de optimización multiobjetivo permite que una sola ejecución de co-síntesis produzca múltiples diseños que compensen diferentes características arquitectónicas. Los resultados experimentales indican que MOGAC tiene ventajas sobre los trabajos anteriores en cuanto a la calidad de la solución y el tiempo de ejecución.

Transparencia ministerio de educación

serie de libros (LNCS, volumen 7511)ResumenUn tema emergente es construir sistemas de segmentación de imágenes que puedan segmentar cientos o miles de objetos (por ejemplo, segmentación de células \N y seguimiento, parcelación de todo el cerebro, segmentación de todo el cuerpo, etc.). Los métodos de conjuntos de niveles multiobjeto (MLSM) realizan esta tarea con la ventaja de la precisión subpixelar. Sin embargo, las implementaciones actuales de MLSM no son tan eficientes desde el punto de vista computacional o de la memoria como sus homólogos de crecimiento de regiones y corte de gráficos, que carecen de precisión subpixelar. Para solucionar esta carencia de rendimiento, presentamos una nueva implementación paralela de MLSM que aprovecha las propiedades dispersas del algoritmo para minimizar su huella de memoria para múltiples objetos. El nuevo método, Multi-Object Geodesic Active Contours (MOGAC), puede representar N objetos con sólo dos funciones: una imagen de máscara de etiqueta y un campo de distancia sin signo. Se demuestra que la complejidad temporal del algoritmo es O((M^d)/P) para M^d píxeles y P unidades de procesamiento en la dimensión d={2,3}, independientemente del número de objetos. Se presentan resultados para problemas de segmentación de imágenes en 2D y 3D.Palabras clavecontornos activossegmentación conjunto de nivelesparalelo Descargar

Contacto ciudadano

En este trabajo presentamos un sistema de cosíntesis hardware-software, denominado MOGAC, que particiona y programa especificaciones de sistemas embebidos consistentes en múltiples grafos de tareas periódicas. MOGAC sintetiza arquitecturas distribuidas heterogéneas en tiempo real utilizando un algoritmo genético multiobjetivo adaptativo que puede escapar de los mínimos locales. El precio y el consumo de energía se optimizan a la vez que se cumplen las restricciones de tiempo real. MOGAC no pone límite al número de elementos de procesamiento de hardware o software en las arquitecturas que sintetiza. Nuestro modelo general para los enlaces de comunicación de bus y punto a punto permite utilizar varios tipos de enlaces en una arquitectura. Se modelan los circuitos integrados de aplicaciones específicas que constan de múltiples elementos de procesamiento. Se utiliza una heurística para abordar los sistemas multirratio, así como los sistemas que contienen gráficos de tareas cuyos hiperperíodos son grandes en relación con sus períodos. La aplicación de una estrategia de optimización multiobjetivo permite que una sola ejecución de cosíntesis produzca múltiples diseños que compensen diferentes características arquitectónicas. Los resultados experimentales indican que MOGAC tiene ventajas sobre los trabajos anteriores en cuanto a la calidad de la solución y el tiempo de ejecución.

Senescyt

Un tema emergente es la construcción de sistemas de segmentación de imágenes que puedan segmentar de cientos a miles de objetos (es decir, segmentación de células \N y seguimiento, parcelación de todo el cerebro, segmentación de todo el cuerpo, etc.). Los métodos de conjuntos de niveles multiobjeto (MLSM) realizan esta tarea con la ventaja de la precisión subpixelar. Sin embargo, las implementaciones actuales de MLSM no son tan eficientes desde el punto de vista computacional o de la memoria como sus homólogos de crecimiento de regiones y corte de gráficos, que carecen de precisión subpixelar. Para solucionar esta carencia de rendimiento, presentamos una nueva implementación paralela de MLSM que aprovecha las propiedades dispersas del algoritmo para minimizar su huella de memoria para múltiples objetos. El nuevo método, Multi-Object Geodesic Active Contours (MOGAC), puede representar N objetos con sólo dos funciones: una imagen de máscara de etiqueta y un campo de distancia sin signo. Se demuestra que la complejidad temporal del algoritmo es O((M^d)/P) para M^d píxeles y P unidades de procesamiento en la dimensión d={2,3}, independientemente del número de objetos. Se presentan resultados para problemas de segmentación de imágenes 2D y 3D.

Acerca del autor

admin

Ver todos los artículos