-
公开(公告)号：CN117151235A
公开(公告)日：2023-12-01
申请号：CN202311202000.5
申请日：2023-09-18
申请人： 哈尔滨工程大学
摘要： 本发明提供了一种用于后量子密码算法的乘法器硬件架构，第一层Karatsuba模块分别与三个第二层Karatsuba模块连接，每个第二层Karatsuba模块分别与三个第三层Karatsuba模块连接；每个第三层Karatsuba模块均与一个Schoolbook乘法模块连接；Schoolbook乘法模块用于并行进行三个子多项式的乘法运算，并行完成低位、中间位及高位乘法运算；第一层Karatsuba模块和第二层Karatsuba模块均用于对两个输入多项式各自的高位与低位对应位系数求和，将求和所得结果进行取模运算；第三层Karatsuba模块用于分别负责低位、中间位、高位乘法运算。本发明可以有效降低运算过程中子多项式的乘法次数，从而提高多项式乘法的计算速度。并针对乘法器的硬件架构进行了精简化的设计，降低了乘法器的硬件资源消耗。
-
公开(公告)号：CN113065693A
公开(公告)日：2021-07-02
申请号：CN202110301075.3
申请日：2021-03-22
申请人： 哈尔滨工程大学
摘要： 本发明属于人工智能以及分布式学习技术领域，具体涉及一种基于径向基神经网络的车流量预测方法。本发明针对RBF的缺乏通用性参数设置问题，将RBF与APSO算法进行融合，将RBF的网络中心、中心半径以及连接权值映射到粒子的运动位置当中去，通过粒子的寻优过程达到了对参数的优化效果。本发明引入基于健康度的PSO算法，通过粒子的健康度的判断，将粒子划分为状态优秀、一般以及状态差的粒子，对健康度处于差的粒子进行了特定的全局搜索策略优化，对健康度处于优秀的粒子进行了特定的局部策略优化。最后在基于Spark并行平台的基础上，通过主副节点对粒子的更新，输出了用于车流量预测的RBF神经网络模型。
-
公开(公告)号：CN117151179A
公开(公告)日：2023-12-01
申请号：CN202311201999.1
申请日：2023-09-18
申请人： 哈尔滨工程大学
IPC分类号： G06N3/063 , G06N3/0464 , G06N3/048 , G06F15/78
摘要： 本发明提供了一种适用于深层神经网络模型的硬件加速器架构，包括：相互无线连接的CPU和FPGA；所述CPU用于神经网络模型的输入的特征图进行归一化处理和尺寸大小的自适应调整、对网络模型的推理结果进行处理，以确定最终的计算结果以及对FPGA加速核心计算单元的逻辑控制，所述FPGA用于对不同网络层数据进行加速计算和数据传输；所述FPGA包括：数据加载模块、写回模块和计算模块；所述数据加载模块用于从片外加载数据到片上buffer中，所述计算模块用于根据所述片上buffer中的数据进行计算得到计算结果，所述写回模块用于将所述计算结果写回到片外DDR中。本发明解决了现有技术中对于深层神经网络模型的硬件加速器加速性能不足和功耗高的问题。
-
公开(公告)号：CN113065693B
公开(公告)日：2022-07-15
申请号：CN202110301075.3
申请日：2021-03-22
申请人： 哈尔滨工程大学
摘要： 本发明属于人工智能以及分布式学习技术领域，具体涉及一种基于径向基神经网络的车流量预测方法。本发明针对RBF的缺乏通用性参数设置问题，将RBF与APSO算法进行融合，将RBF的网络中心、中心半径以及连接权值映射到粒子的运动位置当中去，通过粒子的寻优过程达到了对参数的优化效果。本发明引入基于健康度的PSO算法，通过粒子的健康度的判断，将粒子划分为状态优秀、一般以及状态差的粒子，对健康度处于差的粒子进行了特定的全局搜索策略优化，对健康度处于优秀的粒子进行了特定的局部策略优化。最后在基于Spark并行平台的基础上，通过主副节点对粒子的更新，输出了用于车流量预测的RBF神经网络模型。
-
-
-
搜索结果
4 条记录 (耗时 0.021 秒)
