专用于CNN加速器的深度学习编译器优化方法

    公开(公告)号:CN114995822B

    公开(公告)日:2024-08-23

    申请号:CN202210638258.9

    申请日:2022-06-07

    申请人: 重庆大学

    IPC分类号: G06F8/41 G06N3/0464 G06N3/082

    摘要: 本发明提出了一种专用于CNN加速器的深度学习编译器优化方法,包括以下步骤:S1,通过算子融合和/或bn融合的优化方法减少加速器对内存的访问以及存储空间的浪费,同时使用内存分配地址叠加的方式避免各张量之间的数据覆盖;S2,采用固定硬件下的多种模型量化部署方案,通过融合非对称量化的偏移和卷积偏置;同时通过编译器与加速器的协同优化,将DSP的输入数据配置为两个数的移位相加从而在一个DSP中同时进行两次乘法运算,最终实现编译器对可变位宽量化的支持。

    一种面向CNN专用加速器的深度学习编译器优化方法

    公开(公告)号:CN114995823B

    公开(公告)日:2024-08-20

    申请号:CN202210639397.3

    申请日:2022-06-07

    申请人: 重庆大学

    IPC分类号: G06F8/41 G06N3/0464 G06N3/082

    摘要: 本发明提出了一种面向CNN专用加速器的深度学习编译器优化方法,包括以下之一或者任意组合步骤:S1,通过算子融合和/或bn融合的优化方法减少加速器对内存的访问以及存储空间的浪费,同时使用内存分配地址叠加的方式避免各张量之间的数据覆盖;S2,采用内存共享和编址的方法,并通过特征图深度复制、算子执行顺序交换策略使编译器支持复杂的跳跃连接网络结构;S3,采用优化卷积循环平铺和循环重排的调度策略来提升加速器的性能。

    一种便于移动的隧道支护装置
    5.
    发明公开

    公开(公告)号:CN115788527A

    公开(公告)日:2023-03-14

    申请号:CN202211542313.0

    申请日:2022-12-02

    IPC分类号: E21D19/04

    摘要: 本发明适用于隧道支护领域,提供了一种便于移动的隧道支护装置,一种便于移动的隧道支护装置,包括:支架,以及用于控制支架移动的滚轮,所述支架上还设置有支台,所述便于移动的隧道支护装置包括:连动支撑组件,设置于所述支架和支台上;定位组件,设置于所述支架上;驱动组件,设置于所述支架上。在该便于移动的隧道支护装置使用时,将支架通过滚轮推至工作位置,随后驱动连动支撑组件运转,则连动支撑组件会逐步对隧道内壁的顶部和两侧进行支撑支护,待支护工作完成后,连动支撑组件将无法继续运转,则驱动组件此时会自动驱动定位组件运转,将滚轮固定,防止在支护过程中支架发生移动,提升使用的安全性。

    一种基于漂浮式风机的容错自适应PID控制方法

    公开(公告)号:CN111852763A

    公开(公告)日:2020-10-30

    申请号:CN202010953147.8

    申请日:2020-09-11

    申请人: 重庆大学

    IPC分类号: F03D7/00

    摘要: 本发明公开了一种基于漂浮式风机的容错自适应PID控制方法,其包括对风机桨叶机械结构进行分析,建立了描述桨距角调整动态过程的动力学方程;建立变桨系统非线性模型后,引入系统执行器故障;基于桨距角跟踪,引入速率函数,获得转换误差,从而设计控制器;用设计的控制器控制风力发电机变桨系统。本发明采用PID控制器方法,通过建立包含扰动与系统不确定性的变桨系统模型,引入速率函数,所设计的控制器增益自动自适应更新,可以有效地处理未知的执行器故障、建模不确定性和外部干扰,而不需要进行故障检测和隔离过程,消除执行器故障的影响,能保证在各种工况下降低风机载荷,维持风机功率稳定。

    一种传感器漂移的自适应调节方法

    公开(公告)号:CN106289364B

    公开(公告)日:2018-08-03

    申请号:CN201610647861.8

    申请日:2016-08-09

    申请人: 重庆大学

    发明人: 张磊 刘燕

    IPC分类号: G01D18/00

    摘要: 本发明公开了种传感器漂移的自适应调节方法,由于在原始空间里,原域和目标域样本的每维特征分布都不致,学习组变换基,将源域和目标域的原始空间映射到某子空间,在子空间里,原域样本和目标域样本的每维特征分布都趋于致,然后用同分类器对其进行分类。本发明的技术效果:提高了识别精度。

    通用电子鼻系统及其检测方法

    公开(公告)号:CN106153830B

    公开(公告)日:2018-07-17

    申请号:CN201610659891.0

    申请日:2016-08-11

    申请人: 重庆大学

    IPC分类号: G01N33/00 G01N27/62

    摘要: 本发明提供了一种可应用于环境监测、医疗诊断、食品检测、质量控制等领域的通用电子鼻系统及其检测方法,包括进样单元、检测单元以及上位机控制单元,检测单元包括传感器阵列检测模块和离子迁移谱检测模块,该系统将传感器阵列技术与离子迁移谱技术相结合,可选择单独由传感器阵列检测模块或离子迁移谱检测模块进行检测,此时的系统检测结果由相应检测模块单独给出,也可以由传感器阵列检测模块与离子迁移谱检测模块共同检测,此时的系统的检测结果由传感器阵列检测模块的检测结果与离子迁移谱检测模块的检测结果联合得出,联合检测大大提高了传统电子鼻系统的检测准确性。

    一种带自表达的电子鼻非目标干扰气体识别方法

    公开(公告)号:CN106124700B

    公开(公告)日:2018-01-16

    申请号:CN201610442917.6

    申请日:2016-06-20

    申请人: 重庆大学

    IPC分类号: G01N33/00

    摘要: 本发明公开了一种带自表达的电子鼻非目标干扰气体识别方法,包括步骤1、取电子鼻检测的多类目标气体数据和少量非目标干扰气体数据;步骤2、根据目标气体训练集X,求解表达系数矩阵α=[α1,α2,…,αN];步骤3、使用目标气体训练集X1和干扰气体误差阈值训练集Y,计算出两个训练集即X1和Y的平均误差集e1和e2;步骤4、根据E=[e1,e2]确定区分目标气体与非目标干扰气体阈值T的搜索范围[Emin,Emax],针对每个T值得到目标气体训练集X1的准确度P1和非目标干扰气体训练集Y的检测准确度P2;步骤5、P=P1+P2,P值最大对应的T值为选定的理想阈值。本发明解决了只有目标气体数据和目标气体之外的少量预选的非目标气体数据情况下,对任何非目标气体识别的问题。

    基于一类局部表达模型的电子鼻非目标干扰气体识别方法

    公开(公告)号:CN106770967A

    公开(公告)日:2017-05-31

    申请号:CN201710009931.1

    申请日:2017-01-06

    申请人: 重庆大学

    IPC分类号: G01N33/00

    CPC分类号: G01N33/0004

    摘要: 本发明提供基于一类局部表达模型的电子鼻非目标干扰气体识别方法,它包括以下步骤:步骤1、在已确定的目标气体样本Xs中找到待测样本y的一类局部表达模型;步骤2、计算出表达系数向量α;步骤3、获取最优误差检测阈值T*;步骤4、求得待测样本y与表达值的残差RES,如果RES≤T*,那么待测样本y为目标气体样本;如果RES>T*,那么待测样本y即为异常的干扰气体样本。本发明的技术效果是:减少了运算量减,并提高了气体检测的准确性。