-
公开(公告)号：CN101753175A
公开(公告)日：2010-06-23
申请号：CN200910243781.6
申请日：2009-12-24
申请人： 清华大学
IPC分类号： H04B1/707
摘要： 本发明公开了一种基于最大似然估计的扩频捕获方法，包括：S1，M个采样周期内，将本地M路码序列与接收码序列进行相关运算，根据运算结果计算得到判决量；将判决量与第一门限比较，若判决量小于第一门限，对本地码序列的相位调整后将其与接收码序列进行相关运算，直到判决量大于第一门限；S2，给全局最大相关值赋0，更新本地M路码序列相位，并将M路码序列与接收码序列进行并行相关运算，根据M个运算结果计算得到新的判决量；若新的判决量大于当前全局最大相关值，将新的判决量的值赋予全局最大相关值；S3，将S2重复执行K次，根据得到的全局最大相关值计算第二门限，将第二门限用于验证。本发明能缩短系统的捕获时间，增加系统同步的稳定性。
-
公开(公告)号：CN101075961A
公开(公告)日：2007-11-21
申请号：CN200710117718.9
申请日：2007-06-22
申请人： 清华大学
摘要： 片上网络设计用的自适应打包方法属于片上互连网络技术领域，其特征在于，在IP块设立一个数据源缓冲区，在网络接口设立一个打包器和一个打包缓冲区，系统初始化后，打包器处于空闲状态，当数据源缓冲区不空且打包缓冲区不满时，打包器插入头尾片和体微片，进入忙碌状态；在忙碌状态下，若：数据源缓冲区不空，打包缓冲区不满，且数据的目的地址不变，打包器插入体微片；若：数据源缓冲区中数据的目的地址改变或者数据源缓冲区和打包缓冲区均为空，则打包器在打包缓冲区不满的情况下插入尾微片，进入空闲状态；其他情况打包器不做任何操作。本方法能有效的提高网络通信性能，节省功耗并同时减少实现面积。
-
公开(公告)号：CN101075959A
公开(公告)日：2007-11-21
申请号：CN200710117715.5
申请日：2007-06-22
申请人： 清华大学
IPC分类号： H04L12/56
摘要： 用于设计片上网络的一种带宽动态分配方法属于片上互连网络设计领域，其特征在于，在发送端设定一个仲裁器，其输入端与各虚通道发送缓冲区相连；在发送缓冲区设定一个空标志指示信号，指示信号为“0”，表示“空”，为“1”表示“不空”；在接收端设定一个分路器，其各数据输出端与各虚通道接收缓冲区相连，在接收缓冲区也设定一个满标志指示信号，若为“0”表示“满”，为“1”表示“不满”；把所述各发送或接收缓冲区的指示信号送往与缓冲区个数相应的多个与门，当某一个与门输出为“1”时，表示某个虚通道请求带宽，由仲裁器为其分配带宽。本方法保证在任何时刻都能有效利用物理链路的带宽。
-
公开(公告)号：CN1275437C
公开(公告)日：2006-09-13
申请号：CN200310117177.1
申请日：2003-12-05
申请人： 清华大学
IPC分类号： H04L12/44
摘要： 本发明提出的接收以太网数据的方法，属于以太网通信技术领域。该方法首先接收来自以太网线路的同步传输模式信号；提取其中的用户数据并进行串并转换；分别对每相邻两位的并行数据进行是否合法的判别，再进行是否连续的判别；对连续性信号进行搜索，以得到同步码的位置；根据同步码位置，从同步传输模式信号中的用户数据中提取加扰的64B/66B帧，进行解扰码，然后进行64B/66B解码，得到以太网帧。本发明提出的接收以太网数据的方法，在接收10G以太网数据时的64B/66B帧同步过程中，使用连续性判别的方法代替现有技术中使用同步状态机判别的方法，从而大大减少了帧同步系统占用的芯片面积。
-
公开(公告)号：CN1547361A
公开(公告)日：2004-11-17
申请号：CN200310117177.1
申请日：2003-12-05
申请人： 清华大学
IPC分类号： H04L12/44
摘要： 本发明提出的接收以太网数据的方法，属于以太网通信技术领域。该方法首先接收来自以太网线路的同步传输模式信号；提取其中的用户数据并进行串并转换；分别对每相邻两位的并行数据进行是否合法的判别，再进行是否连续的判别；对连续性信号进行搜索，以得到同步码的位置；根据同步码位置，从同步传输模式信号中的用户数据中提取加扰的64B/66B帧，进行解扰码，然后进行64B/66B解码，得到以太网帧。本发明提出的接收以太网数据的方法，在接收10G以太网数据时的64B/66B帧同步过程中，使用连续性判别的方法代替现有技术中使用同步状态机判别的方法，从而大大减少了帧同步系统占用的芯片面积。
-
公开(公告)号：CN113763031B
公开(公告)日：2024-07-26
申请号：CN202110851930.8
申请日：2021-07-27
申请人： 清华大学
IPC分类号： G06Q30/0601 , G06F16/9536 , G06F16/9535 , G06N3/0495 , G06N3/08
摘要： 本发明提供一种商品推荐方法、装置、电子设备及存储介质，该方法包括：将用户信息和商品信息输入点击率预估模型，得到用户信息对应的商品点击率预测信息；基于所述商品点击率预测信息，生成所述用户信息对应的商品推荐信息；其中，所述点击率预估模型是基于目标样本交叉特征得到的，所述目标样本交叉特征是基于渐进式的搜索算法，根据商品用户特征搜索空间确定的。通过基于低秩近似设计的商品用户特征搜索空间，有效建模了不同阶数的交叉特征的相互关联，加速了后续的搜索过程，然后在搜索空间里得到目标样本交叉特征，从而构建点击率预估模型，通过点击率预估模型能够有效预测商品点击率预测信息，从而生成用户信息对应的商品推荐信息。
-
公开(公告)号：CN113761395B
公开(公告)日：2024-07-26
申请号：CN202110928066.7
申请日：2021-08-12
申请人： 清华大学
IPC分类号： G06F16/9537 , G06F16/2458 , G06N3/0442 , G06N3/084 , G06N3/09
摘要： 本发明提供一种轨迹生成模型训练方法、轨迹生成方法及装置，该训练方法包括：将历史移动数据输入到逆向生成模型，得到对应的隐含移动特征；将隐含移动特征输入到轨迹生成模型，分别得到时间维度的指数分布和空间维度的多项式分布；训练并优化由逆向生成模型和轨迹生成模型共同构成的变分时间点过程模型，得到轨迹生成模型。本发明提供的轨迹生成模型训练方法、轨迹生成方法及装置，在保留了神经网络模型的强大建模能力、捕获了序列数据中的不确定性的同时提升了其可解释性，且能够通过基于概率模型的数据交互机制有效的引入专家知识，有更强的灵活性、建模能力，对不均衡数据的高度适应性和鲁棒性，在移动数据生成问题上具有巨大的潜力。
-
公开(公告)号：CN115423695B
公开(公告)日：2024-05-31
申请号：CN202210837267.0
申请日：2022-07-15
申请人： 清华大学
摘要： 本发明提供一种用于城市预测任务的街景图像采样方法，其中的方法包括：基于动态调整的采样步长，获取目标区域的街景图像，所述街景图像包含预设数量的语义分布信息；对所述街景图像进行噪声检测，并根据噪声检测结果对所述街景图像进行处理，得到无噪街景图像。该方法结合了采样步长的动态调整，以及图像噪声的检测处理，使得获取的街景图像中不仅包含足够的语义分布信息，且不含噪声，该方法获取的街景图像，能够有效提升城市预测任务的预测性能。
-
公开(公告)号：CN113435604B
公开(公告)日：2024-05-07
申请号：CN202110665601.4
申请日：2021-06-16
申请人： 清华大学
IPC分类号： G06N20/00
摘要： 本发明提供一种联邦学习优化方法及装置，该方法包括：在当前轮次的联邦学习中，获取服务器端发送的全局模型和延迟全局梯度，延迟全局梯度是由上一轮次联邦学习中，每个客户端基于各自本地数据对上一轮次的全局梯度进行更新得到的；基于当前轮次的全局模型和延迟全局梯度，通过本地数据对本地模型进行更新，得到联邦学习更新量，联邦学习更新量包括本地模型的更新量和延迟全局梯度的更新量；将联邦学习更新量发送到服务器端，以供服务器端根据联邦学习更新量进行信息聚合，得到新的全局模型和全局梯度，并将新的全局模型和全局梯度发送到每个客户端，用于下一轮次的联邦学习。本发明有效地克服模型偏差问题，提升通信效率、降低计算复杂度。
-
公开(公告)号：CN112214677B
公开(公告)日：2023-10-27
申请号：CN202011120660.5
申请日：2020-10-19
申请人： 腾讯科技(深圳)有限公司 , 清华大学
IPC分类号： G06F16/9535 , G06F16/9537
摘要： 本申请实施例公开了一种基于人工智能的兴趣点推荐方法、装置、电子设备及存储介质。该方法包括：获取对象与已访问兴趣点间的第一关联关系以及第二关联关系，第一关联关系表征对象与已访问兴趣点间的实际访问关系，第二关联关系表征对象与已访问兴趣点间的空间分布关系，基于第一关联关系以及第二关联关系，得到待推荐对象对应的第一表征向量以及各个待推荐兴趣点分别对应的第二表征向量，基于第一表征向量以及各个第二表征向量，得到待推荐对象与各个待推荐兴趣点间的预测访问概率，基于待推荐对象与各个待推荐兴趣点间的预测访问概率，向待推荐对象推荐目标兴趣点。该方法可以提高兴趣点概率预测的准确性，进而提高兴趣点推荐准确性。
-
-
-
-
-
-
-
-
-
搜索结果
241 条记录 (耗时 0.046 秒)
