-
公开(公告)号：CN103713948A
公开(公告)日：2014-04-09
申请号：CN201310746023.2
申请日：2013-12-30
Applicant: 北京控制工程研究所
IPC: G06F9/48
Abstract: 本发明一种优先级抢占时间片轮转操作系统中任务定时调度方法，步骤如下：(1)利用操作系统接口函数创建用户任务TaskEncap_N()，在用户任务TaskEncap_N()中对实际的用户任务函数TaskFunc_N()进行封装，即先挂起函数TaskFunc_N()，再调用函数TaskFunc_N()；(2)定义一个用户任务的起始调度时刻位图和用户任务的起始调度任务位图，利用位图快速索引用户任务的起始调度时刻以及用户任务控制块指针；(3)时间片中断时，利用时间片中断钩子函数实现定时调度，即在需要任务调度的时刻，如果上一个时间段的任务未完成则重启动该任务，再恢复本时间段的任务；否则直接恢复本时间段的任务。
-
-
公开(公告)号：CN119990306A
公开(公告)日：2025-05-13
申请号：CN202411892485.X
申请日：2024-12-20
Abstract: 本公开提供一种数据异构联邦学习模型推理方法及相关装置，包括：确定待推理数据，基于待推理数据进行特征提取，得到第一特征图，对第一特征图进行加密，得到第一加密特征图，并传输至至少一个第二客户端，以使至少一个第二客户端生成第一加密查询距离，接收至少一个第二客户端发送的至少一个第一加密查询距离，并构建查询数据点集合，对第一加密查询距离进行解密，得到至少一个解密查询距离，基于至少一个解密查询距离对查询数据点集合进行选取，得到至少一个近邻数据点，对至少一个近邻数据点进行置信度计算，得到推理结果。本公开构建隐私保护的特征图查询机制，在保护数据特征隐私的前提下增强模型推理能力，降低全局模型重新训练的需求。
-
公开(公告)号：CN119940475A
公开(公告)日：2025-05-06
申请号：CN202411851758.6
申请日：2024-12-16
IPC: G06N3/098 , G06N3/096 , G06N5/04 , G06V10/82 , G06V10/764
Abstract: 一种利用高阶子模型辅助训练的联邦学习方法及装置，该方法通过集成多高阶子模型的决策信息，增强低阶子模型的推理准确率；低阶子模型可以借助高阶子模型的决策信息和基于特征距离的最高阶子模型的量化矩阵辅助训练，提高训练效果；通过降低目标类别置信度的目标损失(信息熵)优化低阶子模型，避免了传统自蒸馏中再次拟合高阶子模型的目标类别置信度引起的信息偏移问题；利用对比学习统一各级子模型的特征维度，构建基于特征距离的最高阶子模型的量化矩阵作为监督信息，通过最小化低阶子模型与最高阶子模型距离矩阵的分布差异，引导低阶子模型接近最高阶子模型的量化矩阵，指导低阶子模型挖掘不同图像中的语义关系，提高模型的泛化能力。
-
公开(公告)号：CN119690621A
公开(公告)日：2025-03-25
申请号：CN202411790631.8
申请日：2024-12-06
Applicant: 北京控制工程研究所
Abstract: 本发明提供了一种异构计算平台周期性分段任务时间确定性划分方法；方法包括：根据获取的异构平台参数和任务集合参数，利用静态调度算法生成静态调度表；将静态调度表输入至构建好的线性规划算法模型中，得到时间确定性任务调度表，以根据该调度表调度任务处理器执行任务；线性规划算法模型是基于预设约束条件和预设目标函数构建得到的，预设约束条件包括任务完整执行约束、任务截止时间约束、分段任务时序约束、分段任务的处理器划分约束和任务执行窗口约束；预设目标函数是通过优化任务集合中的任务调度长度、任务分段在不同处理器中的迁移次数和处理器平台的激活核数获得。本方案能够满足空天领域中实时调度所需求的周期性、硬实时性和严格的任务前驱后继关系。
-
Patent Agency Ranking
公开(公告)号：CN119336452A
公开(公告)日：2025-01-21
申请号：CN202411211937.3
申请日：2024-08-30
Applicant: 北京控制工程研究所
Abstract: 本发明公开了一种面向星载操作系统的RISCV处理器异常上下文保护和恢复方法，支持星载操作系统无论在任务中、中断处理程序中、还是中断上下文保护或恢复过程中均允许被异常打断，且可以有效的保存和恢复现场；在单粒子事件频发的空间环境下，可以有效的在处理器异常情况下保护和恢复上下文、保证软件的正常连续运行，提高星载计算机的可靠性。
-
公开(公告)号：CN119273583A
公开(公告)日：2025-01-07
申请号：CN202411302348.6
申请日：2024-09-18
Applicant: 北京控制工程研究所
IPC: G06T5/73 , G06T5/60 , G06T3/4053 , G06T3/4046 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/58 , G06V10/56 , G06V10/44 , G06N3/0464
Abstract: 本发明提供了一种基于光谱特征引导的卷积神经网络高光谱遥感图像锐化方法，该方法包括：获取同一区域的高光谱图像和全色图像，并进行预处理；根据预处理后的高光谱图像和全色图像，构建训练数据集和测试数据集；构建包括光谱特征提取模块、特征融合模块和光谱引导模块的锐化卷积神经网络模型；基于所述训练数据集对所述锐化卷积神经网络模型进行训练，得到目标神经网络模型；将所述测试数据集中的高光谱图像和全色图像输入所述目标神经网络模型，得到高空间分辨率高光谱图像。本发明提高了高空间分辨率高光谱遥感图像锐化的光谱保真度。
-
公开(公告)号：CN117555664A
公开(公告)日：2024-02-13
申请号：CN202311579716.7
申请日：2023-11-23
Applicant: 北京控制工程研究所
IPC: G06F9/48
Abstract: 本发明提供了一种实时任务可调度性分析方法及装置，该方法包括：获取包括多个实时任务的任务集；根据实时任务的相对截止时间，从任务集中确定最大截止期；根据最大截止期，确定处理器时间轴的初始化二进制序列和实时任务的任务二进制序列；根据初始化二进制序列和任务二进制序列，按照实时任务的优先级由高至低的顺序进行可调度性分析。本方案能够快速精确得到实时任务的可调度性分析结果。
-
公开(公告)号：CN103677849B
公开(公告)日：2015-04-15
申请号：CN201310738865.3
申请日：2013-12-26
Applicant: 北京控制工程研究所
IPC: G06F9/44
Abstract: 本发明公开了一种嵌入式软件可信性保障方法，通过构建基于可信要素的五元组技术体系，实现在每一个研制阶段针对每一个可信要素利用理论方法、工具以及度量评估对嵌入式软件的可信性进行系统全面的保障。本发明以工程实践中提炼出的嵌入式软件可信要素为基础，将软件可信性保障按照可信要素分配到软件研制各阶段，使得可信性保障更具有针对性。使用不同粒度的、与研制阶段相关联的可信要素来指导可信性保障活动，保证了可实施性。本发明采用工具作为嵌入式软件可信性保障活动的最终手段，与目前大多数依赖过程管理体系保证软件质量的方法有明显不同，实现了软件可信性保障从依赖人到依赖工具的转变。
-
公开(公告)号：CN103677849A
公开(公告)日：2014-03-26
申请号：CN201310738865.3
申请日：2013-12-26
Applicant: 北京控制工程研究所
IPC: G06F9/44
Abstract: 本发明公开了一种嵌入式软件可信性保障方法，通过构建基于可信要素的五元组技术体系，实现在每一个研制阶段针对每一个可信要素利用理论方法、工具以及度量评估对嵌入式软件的可信性进行系统全面的保障。本发明以工程实践中提炼出的嵌入式软件可信要素为基础，将软件可信性保障按照可信要素分配到软件研制各阶段，使得可信性保障更具有针对性。使用不同粒度的、与研制阶段相关联的可信要素来指导可信性保障活动，保证了可实施性。本发明采用工具作为嵌入式软件可信性保障活动的最终手段，与目前大多数依赖过程管理体系保证软件质量的方法有明显不同，实现了软件可信性保障从依赖人到依赖工具的转变。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.037 seconds)
