-
公开(公告)号：CN113762418B
公开(公告)日：2023-06-06
申请号：CN202111207574.2
申请日：2021-10-18
Applicant: 中国科学技术大学苏州高等研究院
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于Entity Embedding和TCN模型的移动应用使用行为预测方法，包括：获取用户的移动应用使用信息原始数据集；对移动应用使用信息原始数据集进行预处理；基于神经网络的Embedding层对分类型数据进行Entity Embedding，构建特征数据；以特征数据作为输入，构建TCN网络预测模型；通过训练和验证得到最佳TCN网络预测模型，对即将使用的移动应用进行预测。本发明综合考虑了App使用序列和上下文环境对App使用的影响，将Entity Embedding特征提取方法和TCN神经网络应用于移动应用使用行为预测，避免了传统机器学习模型繁琐的特征处理过程，而且使用Entity Embedding的方法提取特征数据，能够通过自定义输入到TCN模型的特征数据维度来提高TCN模型的预测能力。
-
公开(公告)号：CN118690824A
公开(公告)日：2024-09-24
申请号：CN202411186366.2
申请日：2024-08-28
Applicant: 中国科学技术大学苏州高等研究院 , 中国科学技术大学
IPC: G06N3/0895 , G06N3/0455
Abstract: 本发明提供了一种性能预测模型的训练方法及装置、性能预测方法及装置，应用于数据处理技术领域。性能预测模型的训练方法包括：利用目标计算单元对无标签神经网络结构数据执行掩码处理任务，得到可见节点特征矩阵、掩码节点特征矩阵和掩码标识矩阵；利用目标计算单元对掩码标识矩阵执行预测任务，得到述掩码标识矩阵的预测隐空间特征；利用目标计算单元对掩码节点特征矩阵执行编码任务，得到掩码节点特征矩阵的隐空间特征；利用目标计算单元对掩码标识矩阵的预测隐空间特征和掩码节点特征矩阵的隐空间特征执行损失计算任务，得到第一目标损失值；基于第一目标损失值，利用目标计算单元对性能预测模型执行训练任务，得到训练后的性能预测模型。
-
公开(公告)号：CN116227632A
公开(公告)日：2023-06-06
申请号：CN202211722497.9
申请日：2022-12-30
Applicant: 中国科学技术大学苏州高等研究院
Abstract: 本发明公开了一种用于客户端异构和数据异构场景的联邦学习方法和装置。其中，该方法包括：中央服务器发送当前全局模型给所选的每个目标客户端；计算每个目标客户端的本地训练能力；根据每个目标客户端的训练能力，自动确定每个目标客户端对应的本地训练轮次；根据本地训练轮次，每个目标客户端基于引入优化的损失函数进行本地模型更新，以得到更新后的模型参数；中央服务器进行全局模型的聚合更新并开启下一轮训练。本发明在客户端进行本地训练时，通过不同客户端的训练能力自动选择训练轮次，并通过优化目标函数来以削弱Non‑IID数据带来的数据偏移问题，减轻了联邦学习中的系统异构性和数据异构性，提高了模型的训练效率。
-
公开(公告)号：CN116186605A
公开(公告)日：2023-05-30
申请号：CN202310080064.6
申请日：2023-02-08
Applicant: 中国科学技术大学苏州高等研究院
IPC: G06F18/241 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于表示重建的持续表示学习方法，首先采用有监督对比学习的训练范式细粒度地学习新类别中的表示知识；然后通过引入表示重建方法对持续学习过程中不断被破坏的类别表示进行重建。本发明基于表示重建的持续表示学习方法，在两个数据集中一致地优于所有其他方法，特别是在重放缓冲区空间更小的情况下，RRCL方法的优势更加明显。本发明基于表示重建的持续表示学习方法，在任务的各个阶段，都能保持优于其他方法的类别表示能力。RRCL成功地重建了分布良好的类别表示，从而显著地减轻了表征遗忘的影响。
-
公开(公告)号：CN118736368B
公开(公告)日：2024-12-31
申请号：CN202411215740.7
申请日：2024-09-02
Applicant: 中国科学技术大学苏州高等研究院 , 中国科学技术大学
IPC: G06V10/80 , G06V10/771 , G06V10/82 , G06N3/042
Abstract: 本发明提供了一种图数据处理方法及装置，可以应用于数据处理技术领域。该图数据处理方法包括：获取表征图数据的稀疏矩阵，稀疏矩阵包括多个行向量和多个列向量，行向量和列向量均表征图数据的顶点；对稀疏矩阵的行向量进行等值划分，得到多个稀疏分片，每个稀疏分片包括相同数量的非零元素，稀疏矩阵包括非零元素，非零元素表征图数据的不同的顶点之间的边关系；基于矩阵乘法算法将每个稀疏分片中的每个非零元素分别与预设密集矩阵进行数据融合，得到与图数据对应的结构特征，其中，多个非零元素并行与预设密集矩阵进行数据融合。
-
Patent Agency Ranking
公开(公告)号：CN116912083A
公开(公告)日：2023-10-20
申请号：CN202310897139.X
申请日：2023-07-20
Applicant: 中国科学技术大学苏州高等研究院
IPC: G06T3/00 , G06T7/11 , G06N3/0475 , G06N3/094
Abstract: 本申请公开了一种基于GAN反演的鲁棒自适应图像处理方法，包括：步骤S1：建立基本框架，基本框架作为文本驱动的图像操作，对给定的文本提示t应用相同的编辑操作；步骤S2：GAN反演包括依序进行的：基于元素的EV剪枝、EV微调、LC搜索；步骤S3：建立稳健目标，构建图像的空间结构实现图像合成和语义分割，将多分支生成器集成到框架中，以捕获图像处理的空间局部性；步骤S4：定义图像因编辑而改变的感兴趣区域r；步骤S5：提出CLIP感知损失，放大感兴趣区域的图文相似度，降低外围区域的图文相似度；步骤S6：采用启发式算法去除编辑矢量噪音，同时为当前图像处理找到有意义的编辑向量和有意义的层。该方法图像搜索后能获得更精准的图像到图像映射结果。
-
公开(公告)号：CN116596034A
公开(公告)日：2023-08-15
申请号：CN202310440957.7
申请日：2023-04-23
Applicant: 中国科学技术大学苏州高等研究院
IPC: G06N3/0464 , G06N3/063 , G06N3/084 , G06F15/78 , G06F7/48
Abstract: 本发明公开了一种复数域上的三维卷积神经网络加速器及方法，该加速器包括：缓存单元，所述缓存单元用于存储复数域内的输入特征、输出特征和权重数据；AXI DMA单元，所述AXI DMA单元用于该加速器与片外存储器进行数据传输；计算单元，所述计算单元用于对所述卷积层和全连接层的计算进行加速；后处理单元，所述后处理单元用于计算融合后的量化层、池化层、批归一化层和激活层；控制单元，所述控制单元用于控制和调度所述缓存单元、AXI DMA单元、计算单元和后处理单元的工作状态。其可以显著提升3D CNN部署时的性能和能效。
-
公开(公告)号：CN113485801B
公开(公告)日：2023-07-28
申请号：CN202110708893.5
申请日：2021-06-25
Applicant: 中国科学技术大学苏州高等研究院
Abstract: 本发明公开了基于神经网络相似度建模的实时DNN调度系统及方法，包括：DNN特征提取模块，对DNN网络结构进行提取分析和判断，将需要预测的网络结构特征发送到DNN性能表征模块；DNN性能表征模块，进行网络结构特征进行性能预测，预测其在每个设备上的运行时间，经过目标微调后，调度模块对每个任务已知的性能表征进行调度，以确保任务以最小的等待时间在最大截止时间之前完成。本发明首先对神经网络任务进行神经网络建模，提取关键特征。紧接着，通过性能表征网络对每个设备上的每个任务进行性能表征预测，得到性能表征矩阵；最后，以性能表征矩阵性能表征矩阵为调度矩阵，利用LLF算法求解最优调度策略，有效提高了性能和任务接受率。
-
公开(公告)号：CN113033082B
公开(公告)日：2023-06-06
申请号：CN202110258488.8
申请日：2021-03-10
Applicant: 中国科学技术大学苏州高等研究院
IPC: G06F30/27 , G06N20/20 , H04L67/104 , G06F111/08
Abstract: 本发明公开了一种基于异构算力感知的去中心化联邦学习框架，包括云端协调器和若干设备端；所述云端协调器用于运行时管理、训练和参数更新方案生成、定期模型备份；所述设备端用于向云端协调器传输设备信息，在本地运行模型，更新设备端参数；所述云端协调器获取设备端一次训练时间的最小公倍数为超周期，设备端在超周期内计算不同的步长，在超周期的整数倍时聚合模型。根据设备计算能力不同而运行不同的本地步骤，在模型聚合过程中，为了减少慢节点的负面影响；采用了分布式的点对点通信方式，可以在不增加整体通信量的情况下，消除在分布式训练过程中中央服务器的通信压力。
-
公开(公告)号：CN113900986A
公开(公告)日：2022-01-07
申请号：CN202111213307.6
申请日：2021-10-19
Applicant: 中国科学技术大学苏州高等研究院
Abstract: 本发明公开了一种估算动态重构硬件加速中的性能开销方法和装置。其中，该方法包括：通过调整FPGA的可重构区域生成对应的比特流文件；根据可重构区域包含的资源数估算所述可重构区域比特流文件的大小；根据所述可重构区域比特流文件的大小和FPGA内部配置访问端口速度，确定可重构区域的重构时间。本发明实施例提供的技术方案，通过对可重构区资源的统计分析，可以在不需要实际布局布线即可获得重构开销的估计值，能够在设计帮助设计者在设计初期有效评估可重构设计的合理性，缩短试验周期；通过对比特流文件的解析、比特流格式和配置每列资源帧组织的分析，提高了估算结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.041 seconds)
