-
公开(公告)号：CN114817111A
公开(公告)日：2022-07-29
申请号：CN202210471335.6
申请日：2022-04-28
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种支持多卡并行的嵌入式智能计算装置，包括嵌入式智能计算板卡、主控与IO板卡和RapidIO交换板卡；嵌入式智能计算装置采用高速RapidIO分布式对等网络，并采用标准VPX嵌入式智能计算系统多卡并行计算、标准VPX FPGA主控与IO板卡、标准VPX RapidIO网络交换板卡、标准VPX电源板卡、标准VPX背板，构建嵌入式智能计算系统多卡并行计算集群装置，在处理大规模数据和复杂智能算法网络时，通过该方法及装置不仅获得了系统级智能计算能力倍数增加和较好的算力可扩展性，同时可实现大规模数据密集型计算密集型场景下图像/视频数据实时计算。
-
公开(公告)号：CN112199491B
公开(公告)日：2022-04-22
申请号：CN202011099237.1
申请日：2020-10-14
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
IPC: G06F16/335 , G06F40/30 , G06F16/36
Abstract: 本发明公开了一种基于BERT与先验知识特征的关系五元组抽取方法，包括如下步骤：预处理；提取语义特征向量；融合拼接；s抽取阶段；p、o抽取阶段；t、l抽取阶段；最终得到关系五元组的特征向量h+pre+s+p+o+t+l。本发明利用BERT模型与先验知识特征融合的方法抽取文本的关系五元组，利用概率图结合指针结构，解决了一种关系对应多个实体以及实体重叠的问题。
-
公开(公告)号：CN114189937A
公开(公告)日：2022-03-15
申请号：CN202111327752.5
申请日：2021-11-10
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于深度强化学习的实时集中式无线网络调度方法和系统，包括：获取由一个接入点和多个用户节点互连组成的无线网络，在每个时隙，接入点根据所有数据流对应的发送队列信息，得到各数据流的状态，集合所有数据流的状态构成当前时隙的环境状态，接入点获取所有数据流的流量模型与链路质量作为环境特征信息，将环境状态和环境特征信息输入至决策模型，接入点执行决策模型输出结果对应的调度决策；接入点执行调度决策后，收到网络环境的反馈；将交互信息和环境状态和环境特征信息作为经验，存储至子区域；从经验回放池中抽取经验，以训练更新当前决策模型。本发明训练时间不会随数据流数量增加而快速增长，能够快速的收敛到最优实时吞吐量。
-
公开(公告)号：CN113326218A
公开(公告)日：2021-08-31
申请号：CN202110540644.X
申请日：2021-05-18
Applicant: 中国科学院计算技术研究所
IPC: G06F13/38
Abstract: 一种通信与调试设备电路，其特征在于，包括：第一板间高速通信连接器，包括CPU以太网MAC控制器接口、2路CPU TTL UART接口、时钟模块I2C接口、CPU JTAG接口。千兆以太网PHY芯片，一端与该CPU以太网MAC控制器接口互连，另一端为以太网收发器数据通信接口，包含四对全双工差分线。RJ45网口，包括四对双绞线屏蔽线差分线接口，与该千兆以太网PHY芯片的该四对全双工差分线相连。串口信号电平转换芯片，该串口信号电平转换芯片的一端为2路TTL/CMOS串口信号输入输出接口，分别与该第一板间高速通信连接器上的2路CPU TTL UART接口信号互连与通信，该串口信号电平转换芯片的另一端为双路+/‑5.0V EIA/TIA‑232电平收发器。两路标准DB9串口母头连接器，与该串口信号电平转换芯片的该双路+/‑5.0V EIA/TIA‑232电平收发器互连。
-
公开(公告)号：CN110708185B
公开(公告)日：2021-06-29
申请号：CN201910826850.X
申请日：2019-09-03
Applicant: 中国科学院计算技术研究所
IPC: H04L12/24 , H04L12/741 , H04L12/935 , H04L29/06 , G06F13/42
Abstract: 本发明提出一种用于人工智能处理器的数据互联方法、系统、芯片和装置，包括通过串联多个PCIe Switch构成PCIe互联拓扑树，PCIe互联拓扑树中第一个PCIe Switch的上游端口与通用处理器相连，每个人工智能处理器均与PCIe互联拓扑树中一个PCIe Switch的下游端口相连；通过PCIe桥将第一传感器连接至PCIe互联拓扑树中任一PCIe Switch的下游端口；搭建PCIe‑SRIO桥接模块，以实现SRIO协议和PCIe协议之间的转换，并将PCIe‑SRIO桥接模块的PCIe端口连接至PCIe互联拓扑树中任一PCIe Switch的下游端口；通过互联多个SRIO交换机构成SRIO互联拓扑树，将PCIe‑SRIO桥接模块的SRIO端口连接到SRIO交换机上，以建立SRIO互联拓扑树与PCIe互联拓扑树的互联通路；通过SRIO桥将第二传感器连接至SRIO互联拓扑树中任一SRIO交换机的空闲端口。
-
Patent Agency Ranking
公开(公告)号：CN112949628A
公开(公告)日：2021-06-11
申请号：CN202110168050.0
申请日：2021-02-07
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于嵌入‑混合的轨迹数据增强及轨迹识别方法。所述轨迹数据增强方法包括：将轨迹数据中的每条轨迹转换成相应感兴趣点的集合；基于所有感兴趣点的总集计算包含每个感兴趣点编码的嵌入矩阵；基于所述嵌入矩阵确定每一条轨迹的轨迹编码向量；对任意两条或更多条轨迹的编码向量进行加权融合，获得新的编码向量；按照步骤S3的逆过程，对所获得的编码向量进行解码获得新的轨迹数据。本发明的轨迹数据增强方法可以有效地应用在轨迹数据上，可以同时针对轨迹数据的顺序性、空间性、语义性进行数据增强工作。既不会破坏轨迹数据的顺序性，又能考虑到轨迹数据的空间性和语义性。进而可以达到提升轨迹识别模型精度的效果。
-
公开(公告)号：CN112200743A
公开(公告)日：2021-01-08
申请号：CN202011086121.4
申请日：2020-10-12
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种多图片集曝光分布差异的衡量方法，包括如下步骤：S1、构造衡量单一灰度图片曝光度的指标；S2、分别对多个图片集合IA,IB,…,IN的所有灰度图片进行曝光值计算，统计所有图片的曝光值，得到曝光值集合A,B,…,N，对不同曝光值集合分别统计在同一曝光值下的图片数量得到分布直方图；S3、衡量多个图片集合间的统计差异。本发明提出了衡量灰度图片曝光度以及灰度图片集合间曝光分布差异的方法，用于衡量是否由于数据集合曝光改变导致深度学习模型效果的下降，为深度学习模型的改进提供参考。
-
公开(公告)号：CN112181667A
公开(公告)日：2021-01-05
申请号：CN202011192104.9
申请日：2020-10-30
Applicant: 中国科学院计算技术研究所
IPC: G06F9/50
Abstract: 本发明实施例提供了一种假设树的虚拟化管理方法，用于边缘设备中假设树的虚拟化管理，包括：在边缘设备中运行向应用程序提供假设树虚拟化管理的中间程序；响应于一个或者多个应用程序的管理请求，所述中间程序向相应的应用程序提供管理服务，其中，所述管理服务包括：在相应的假设树过大而不能放入当前的边缘设备的内存时，对加载过程进行虚拟化以提供将相应的假设树加载到该内存中的可执行方案；本发明避免了虚拟内存规模受系统限制或者无法使用虚拟内存的边缘设备上无法加载占用过大内存的假设树的问题，使得不同应用程序的假设树能够通过中间程序在边缘服务器上加载和管理。
-
公开(公告)号：CN107257261B
公开(公告)日：2020-11-03
申请号：CN201710350556.7
申请日：2017-05-18
Applicant: 中国科学院计算技术研究所
IPC: H04B17/309 , H04W72/12
Abstract: 本发明提供一种针对6TiSCH多跳无线网络的动态链路调度方法，包括：1)获得在当前环境下从源节点到潜在的目的节点的信道概率，所述信道概率为在干扰下数据传输正确的概率；2)若所述信道概率小于等于设定的阈值，则执行以下步骤：2‑1)确定所述源节点到潜在的目的节点的端到端平均时延fD以及能量消耗fE；2‑2)求解使得端到端平均时延fD最小、以及能量消耗fE最小的条件下的链路调度决策变量x，所述链路调度决策变量x决定某一个节点在时隙‑频率块中以何种概率对来自其它节点的数据包进行转发。
-
公开(公告)号：CN111737466A
公开(公告)日：2020-10-02
申请号：CN202010558767.1
申请日：2020-06-18
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种用于深度神经网络交互信息量化的方法，所述方法包括：S1、获取来自于自然语言处理领域数据集的样本，样本中包含多个单元，每个单元对应于一个单词，对样本中的单元进行多次聚合处理直至样本中的单元聚合成一个单元；S2、根据步骤S1中给定样本多次聚合处理过程中单元聚合方式构建反映深度神经网络内部建模的单词间交互信息的树状图。本发明方法可以客观地量化深度神经网络内部建模的输入样本单词间的交互信息，并且根据交互信息比率的大小，对具有显著交互作用的相邻单元进行聚类，最终得到一棵反映深度神经网络内部建模的单词间交互信息的树状层次结构，为进一步理解深度神经网络提供了一种通用的方法。
-
-
-
-
-
-
-
-
-
Search Results
202
records
(took 0.039 seconds)
