日前，我校智能信息处理实验室学生麻瑀谌发表的论文“Optimizing sparse tensor times matrix on GPUs”被期刊Journal of Parallel and Distributed Computing收录；黄步真、胡友鹏合作撰写的论文“A Flower Classification Framework based on Ensemble of CNNs”被第19届环太平洋多媒体会议（Pacific-Rim Conference on Multimedia，简称PCM 2018）正式收录。

　　麻瑀谌同学在文章中提出了一种新的算法，旨在 GPU 并行计算平台上加速稀疏张量与矩阵的点积运算 (SpTTM)。新的算法从五个方面提出了优化，最终达到了3.9倍于最近相关成果的性能提升。张量是计算机中用于表达高维度信息的结构，是大数据、深度学习等上层建筑的基石。虽然目前国际上对于畴密张量的运算已有充分的研究，但稀疏张量的研究尚处起步阶段。在当下的时代环境，稀疏张量更加常见，因此，这项成果具有很强的现实意义。

　　黄步真、胡友鹏同学的论文主要是关于图像分类领域的研究，提出了一种基于CNN集合的花卉分类框架：通过对原始图片进行不同处理，提取花卉的颜色、纹理以及特征点等信息，通过集成学习的方法进行融合，提高了花卉的识别精度。在PCM会议上，两位同学对研究成果进行了海报展览，并和与会人员进行了交流，分享了团队研究成果。（自动化学院）

     （本文转自杭州电子科技大学 | 新闻 | 综合新闻，原文请见http://www.hdu.edu.cn/news/general_24912）