-
公开(公告)号：CN114444674A
公开(公告)日：2022-05-06
申请号：CN202111633910.X
申请日：2021-12-29
摘要： 本申请提供了一种基于深度学习加速器的硬件动态配置方法，属于嵌入式计算领技术领域，所述配置方法包括：接收需要加速的深度学习算法；提取目标算法的权重参数和阈值参数并通过参数包由主处理器发送给加速器以完成参数的动态加载，进而完成加速器的快速重构。通过本申请的处理方案，使得加速深度学习算法的异构计算系统变得更加灵活。
-
公开(公告)号：CN118133770A
公开(公告)日：2024-06-04
申请号：CN202311826385.2
申请日：2023-12-27
IPC分类号： G06F30/398 , G06F30/392 , G06F30/394
摘要： 本发明提供了一种面向嵌入式系统的高速以太网信号测试板设计方法，包括：依据被验证系统的信号传输需求建立测试板初始模型；对测试板初始模型中的无源测试传输链路进行简化处理，使用简化后的无源测试传输链路对测试板初始模型的模拟连接器简化，得到一次简化后测试板模型；对一次简化后测试板模型的有源测试传输链路设计得到测试板模型；使用测试板模型制备测试板，对所述测试板的反焊盘和背钻进行信号优化，对测试板的非功能性焊盘进行削盘处理得到最终的测试板；通过高速以太网信号测试装置，对最终的测试板进行有源测试和无源测试。本发明的设计方法为系统设计提供了可靠的数据支撑，更好地实现嵌入式系统高速互联功能。
-
公开(公告)号：CN116245009A
公开(公告)日：2023-06-09
申请号：CN202211617213.X
申请日：2022-12-15
摘要： 本公开实施例中提供了一种人机策略生成方法，针对多智能体博弈场景，采用Minimax与DQN相结合的方法，构建神经网络来逼近值函数；改进网络结构，通过dropout采样的方式对模型的认知不确定性进行建模，继续训练神经网络使其趋于稳定；构建教师学生网络对模型的偶然不确定性进行自监督学习；推理阶段使用划定可信度阈值的方法实现高可信度空战博弈；在推理时记录不确定度高的场景进行多次迭代训练以获得更高性能模型。通过本申请的处理方案，生成策略的同时能够对模型的不确定性进行量化，进而构建更具安全性的空战博弈策略生成系统。
-
公开(公告)号：CN114443282A
公开(公告)日：2022-05-06
申请号：CN202111636654.X
申请日：2021-12-29
摘要： 本发明的嵌入式高通量的计算系统，属于嵌入式计算系统的技术领域，未来机载计算系统等复杂嵌入式计算系统将以高通量数据处理为中心，本发明针对嵌入式高通量计算系统中智能化任务调度和资源管理的需求，结合深度强化学习等人工智能算法，提出一种嵌入式高通量计算系统的智能资源管理架构，包括：任务接收器、资源池监测器、智能资源分配器、资源管理器。嵌入式高通量计算系统的智能资源管理架构及验证方法可以提高机载嵌入式计算系统的智能任务处理能力和资源利用率。
-
公开(公告)号：CN118194925A
公开(公告)日：2024-06-14
申请号：CN202311826417.9
申请日：2023-12-27
IPC分类号： G06N3/0464 , G06N3/063
摘要： 本发明提供了一种超轻量化卷积神经网络硬件加速器的构建方法及系统，方法包括：对原始卷积神经网络模型中每层神经网络层的原始计算功能算子，进行超轻量化和编译得到每层所述神经网络层的超轻量化算子；将超轻量化算子转换成硬件逻辑电路，得到每层神经网络层的加速器功能组件；依据所有神经网络层的架构层次，对所有神经网络层的加速器功能组件进行组合，得到卷积神经网络加速器核心计算单元；使用卷积神经网络加速器核心计算单元与卷积神经网络加速器通用组件，搭建得到超轻量化卷积神经网络硬件加速器，本发明的构建方法可以搭建出的硬件加速器可在满足精度要求的前提下有效加速神经网络推理过程，并减少对硬件计算和存储资源的占用。
-
公开(公告)号：CN117877033A
公开(公告)日：2024-04-12
申请号：CN202311843004.1
申请日：2023-12-28
IPC分类号： G06V20/70 , G06V10/20 , G06V10/82 , G06V10/10 , G06V10/26 , G06N3/0455 , G06N3/08 , G06V20/17
摘要： 本发明涉及图像处理技术领域，公开了基于多尺度编码器解码器结构的遥感图像预测方法及系统，以经典的编码器‑解码器神经网络图像分割结构为基础，将编码器下采样部分采用离散二维小波变换作为下采样算子，充分利用遥感图像高频和低频的多尺度特征，在解码器部分采用离散二维小波逆变换作为上采样算子，有效的保留遥感图像高频与低频中的多尺度信息，规避了现有编码器下采样的过程中丢失图像的细节文理信息，解码器上采样过程中有损失了图像边缘等高频信息，能够有效地提高了遥感图像分割的准确率，也进一步缓解了多尺度特征利用不完全的问题。
-
公开(公告)号：CN114443049A
公开(公告)日：2022-05-06
申请号：CN202210062169.4
申请日：2022-01-19
摘要： 本申请提供了一种面向智能算法的硬件编译优化方法、系统及装置，属于嵌入式计算的技术领域，优化方法具体包括如下步骤：接收待编译的智能算法模型，进行模型结构优化，将优化后的模型表示转化为标准格式；分析智能算法模型图结构，得到带有硬件参数的模型数据流图；基于模型数据流图对模型参数进行量化，以提高生成硬件结构的并行处理能力和硬件资源利用率；根据模型数据流图结合硬件模板生成智能算法对应的硬件计算结构；基于智能算法硬件编译系统生成的硬件结构生成硬件比特流，将比特流输入智能算法运行装置。通过本申请的处理方案，对智能算法进行编译，使其能够在硬件平台上快速实现。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.036 秒)
