公开(公告)号：CN113485801A

公开(公告)日：2021-10-08

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

Inventor： 朱宗卫 ,  刘伟鸿 ,  周学海 ,  李曦 ,  王超

IPC: G06F9/48 ,  G06N3/02 ,  G06N3/08 ,  G06N5/04

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：CN118736368A

公开(公告)日：2024-10-01

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

Inventor： 宫磊 ,  王超 ,  周学海 ,  王腾 ,  娄文启 ,  李曦 ,  陈香兰

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。

公开(公告)号：CN116311113A

公开(公告)日：2023-06-23

申请号：CN202310093603.X

申请日：2023-02-10

Applicant: 中国科学技术大学苏州高等研究院

Inventor： 朱宗卫 ,  魏冉 ,  王超 ,  周学海 ,  李曦

IPC: G06V20/56 ,  G06V10/82 ,  G06V20/70 ,  G06V10/26 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于车载单目摄像头的驾驶环境感知方法，包括对上采样模块进行结构重参数化和自动驾驶多任务感知。相比普通的线性插值和转置卷积，本发明使用RepUpsample对网络模型的精度有一定的提升。在语义分割模型任务上，对比DeepLabv3、FPN和U‑Net三种模型在使用不同上采样模块时的精度表现，不同的网络模型、不同的上采样位置、以及不同的网络规模，RepUpsample作为上采样方法都可以提升语义分割网络的性能。相比双线性插值算法，mIOU平均能够提升1.77％，P.A.平均能够提升0.74％，相比转置卷积，mIOU能够提升1.16％、P.A.能够提升0.35％。

公开(公告)号：CN114546609A

公开(公告)日：2022-05-27

申请号：CN202210035043.8

申请日：2022-01-13

Applicant: 中国科学技术大学苏州高等研究院

Inventor： 王超 ,  张仁宇 ,  朱宗卫 ,  周学海 ,  李曦

IPC: G06F9/48 ,  G06K9/62 ,  G06N5/04

Abstract: 本发明公开了一种面向异构集群的DNN推理任务批调度方法。其中，该方法包括：DNN推理任务表征模块、异构集群动态硬件处理能力提取模块和DNN推理任务批调度模块；DNN推理任务表征模块用于根据任务类型对DNN推理任务进行分类构建DNN推理任务类别集；异构集群动态硬件处理能力提取模块用于对将计算节点进行划分，并根据划分结果构建异构计算节点集合；DNN推理任务批调度模块用于通过目标搜索算法，根据DNN推理任务划分集合和异构计算节点集合对DNN任务进行调度。本发明通过上述模块的设置，实现了DNN推理任务的有效分类、解决了异构集群不同节点算力的度量、以及实现了对DNN推理任务的最优调度，实现了面向异构集群的DNN推理任务批调度的优化。

公开(公告)号：CN113762418A

公开(公告)日：2021-12-07

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

Inventor： 朱宗卫 ,  郑永春 ,  王超 ,  周学海 ,  李曦

IPC: G06K9/62 ,  G06N3/04 ,  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。