-
公开(公告)号：CN108549385A
公开(公告)日：2018-09-18
申请号：CN201810492962.1
申请日：2018-05-22
Applicant: 东南大学 , 东南大学—无锡集成电路技术研究所
IPC: G05D1/02
Abstract: 本发明公开了一种结合A*算法和VFH避障算法的机器人动态路径规划方法，将机器人所处的环境表示成栅格地图，并用A*算法在栅格地图中搜索出一条全局初始路径；机器人沿初始路径向目标点运动，判断是否遇到障碍物，遇到则采用VFH算法进行避障，否则继续向目标点运动；在避障时，首先沿初始路径中设置阶段目标点，生成当前位置到阶段目标点之间的避障路径并前进一步，更新当前位置，判断机器人当前位置和阶段目标点之间是否有遮挡，有则重新计算避障路径，无则将机器人沿避障路径向阶段目标点前进一步，循环直至机器人抵达阶段目标点并回到初始路径上继续向终点运动。两种算法的结合提高了机器人路径规划的效率，保证了机器人在室内动态环境下的自主导航能力。
-
Patent Agency Ranking
公开(公告)号：CN105677521A
公开(公告)日：2016-06-15
申请号：CN201511023314.4
申请日：2015-12-29
Applicant: 东南大学—无锡集成电路技术研究所
CPC classification number: G06F11/2236 , G06F11/2273 , G06N3/123
Abstract: 本发明公开了一种面向移动智能终端处理器的基准测试程序合成方法，该方法用以合成一个测试程序代表多类实际应用对移动智能终端处理器的压力，包括：程序阶段级微结构无关特征提取，程序片段的控制流图构建，程序规模缩减与控制流图重构，典型基本块提取与模板代码设计，自动化的模板匹配，测试程序的迭代改进，最终拼接成一个完整测试程序，使其与原应用程序具有相似的微结构无关特征。本发明方法通过保留原应用程序中更多重要的负载特征，可以使合成的测试程序具有更高的代表性，并通过去除冗余基本块，有效缩减测试程序规模。
-
公开(公告)号：CN105654120A
公开(公告)日：2016-06-08
申请号：CN201510996261.8
申请日：2015-12-25
Applicant: 东南大学—无锡集成电路技术研究所
CPC classification number: G06K9/6223 , G06F11/302 , G06F11/3452
Abstract: 本发明公开了一种基于SOM和K-means两阶段聚类的软件负载特征提取方法，包括以下步骤：(1)从软件执行过程中的动态指令流中提取负载特征：首先将软件执行过程划分为若干个片段，然后对每个程序片段统计特征参数，每个软件会输出多组特征参数，构成一个由多维特征参数组成的矩阵；(2)从特征参数矩阵中提取典型程序片段：利用SOM聚类算法从众多程序片段中找出软件负载特征不同的特征片段簇，再利用K-means聚类算法从同类型的特征片段簇中找出最能代表这个簇特征的片段。本方法同时弥补了SOM收敛时间过长和K-means算法对初始点过于敏感、容易陷入局部最优解的缺陷。
-
公开(公告)号：CN105630458A
公开(公告)日：2016-06-01
申请号：CN201511019177.7
申请日：2015-12-29
Applicant: 东南大学—无锡集成电路技术研究所
CPC classification number: G06F9/3844 , G06F9/3802 , G06N3/088
Abstract: 本发明公开了一种基于人工神经网络的乱序处理器稳态下平均吞吐率的预测方法，借助指令集模拟器的全仿真环境获取目标程序执行阶段的微架构无关参数，再利用SOM和Kmeans算法提取出输入数据中的特征点，最后通过BP神经网络拟合微架构无关参数与稳态平均吞吐率的关系，训练出精度较高的模型。模型训练完成后，通过模拟器获得程序的微架构无关信息，导入到训练好的神经网络中，即可快速准确地预测实际稳态平均吞吐率值。本发明采用人工神经网络，极大地提高了乱序处理器稳态下平均吞吐率的预测精度和速度。
-
公开(公告)号：CN105630458B
公开(公告)日：2018-03-02
申请号：CN201511019177.7
申请日：2015-12-29
Applicant: 东南大学—无锡集成电路技术研究所
Abstract: 本发明公开了一种基于人工神经网络的乱序处理器稳态下平均吞吐率的预测方法，借助指令集模拟器的全仿真环境获取目标程序执行阶段的微架构无关参数，再利用SOM和Kmeans算法提取出输入数据中的特征点，最后通过BP神经网络拟合微架构无关参数与稳态平均吞吐率的关系，训练出精度较高的模型。模型训练完成后，通过模拟器获得程序的微架构无关信息，导入到训练好的神经网络中，即可快速准确地预测实际稳态平均吞吐率值。本发明采用人工神经网络，极大地提高了乱序处理器稳态下平均吞吐率的预测精度和速度。
-
公开(公告)号：CN108549385B
公开(公告)日：2021-05-04
申请号：CN201810492962.1
申请日：2018-05-22
Applicant: 东南大学 , 东南大学—无锡集成电路技术研究所
IPC: G05D1/02
Abstract: 本发明公开了一种结合A*算法和VFH避障算法的机器人动态路径规划方法，将机器人所处的环境表示成栅格地图，并用A*算法在栅格地图中搜索出一条全局初始路径；机器人沿初始路径向目标点运动，判断是否遇到障碍物，遇到则采用VFH算法进行避障，否则继续向目标点运动；在避障时，首先沿初始路径中设置阶段目标点，生成当前位置到阶段目标点之间的避障路径并前进一步，更新当前位置，判断机器人当前位置和阶段目标点之间是否有遮挡，有则重新计算避障路径，无则将机器人沿避障路径向阶段目标点前进一步，循环直至机器人抵达阶段目标点并回到初始路径上继续向终点运动。两种算法的结合提高了机器人路径规划的效率，保证了机器人在室内动态环境下的自主导航能力。
-
-
-
-
-
Search Results
6
records
(took 0.041 seconds)
