公开(公告)号：CN111881055A

公开(公告)日：2020-11-03

申请号：CN202010775179.3

申请日：2020-08-03

Applicant: 北京计算机技术及应用研究所

Inventor： 吴超 ,  陈静 ,  柯文俊 ,  付修锋 ,  李旭 ,  杨雨婷 ,  王坤龙 ,  陈旭

IPC: G06F11/36

Abstract: 本发明涉及一种军用软件评测规范的Simulink模型设计方法，其中，包括：分解出Simulink自带规则检查工具Model Advisor中直接影响代码标准符合性的模型检查项；收集Simulink模型进行成分分析，并使用Model Advisor中直接影响代码标准符合性的模型检查项进行规则检查，将通过规则检查的模型入库；将GJB 8114强制类准则逐项分解为由代码生成器决定和由用户行为决定的两类，利用假设检验方法对该两类准则进行验证；将得到的Model Advisor中直接影响代码标准符合性的模型准则、需谨慎使用的Simulink模块集合、由用户行为决定的模型设计准则、基于Simulink自带的模块库的模型设计准则进行提炼和加工，形成Simulink模型设计准则。

公开(公告)号：CN110597955A

公开(公告)日：2019-12-20

申请号：CN201910846499.0

申请日：2019-09-09

Applicant: 北京计算机技术及应用研究所

Inventor： 吴超 ,  杨雨婷 ,  陈旭 ,  王坤龙 ,  柯文俊 ,  陈静

IPC: G06F16/33 ,  G06F16/53 ,  G06F16/583 ,  G06F16/538

Abstract: 本发明涉及一种基于TFIDF的文档内图片搜索方法，其中，包括：步骤一、获取路径下所有文档；步骤二、MD5校验与去重；步骤三、处理并获取每个文档中的图片与图片描述；步骤四、为所有图片、图片说明及对应文档建立索引，进行图片搜索，包括：根据解析后的图片说明采用TF-IDF方法计算并获得不同图片的向量表示，抽取用户输入的图片查询语句中的关键词信息，构建用户查询向量；通过余弦相似度计算查询语句与不同图片说明之间的相似性；根据计算结果返回最相似的Top K的图片说明对应的图片。本发明现了基于TFIDF的文档内图片的搜索。

公开(公告)号：CN109086202A

公开(公告)日：2018-12-25

申请号：CN201810796986.6

申请日：2018-07-19

Applicant: 北京计算机技术及应用研究所

Inventor： 李东方 ,  王志昊 ,  陈丽容 ,  沈炜 ,  王晓龙 ,  王宏 ,  朱秋岩 ,  胡亚云 ,  王纪 ,  叶东升 ,  吴超 ,  张建伟 ,  宋珺

IPC: G06F11/36

Abstract: 本发明涉及一种基于关联规则的FPGA/IP核代码规则检查方法，涉及FPGA/IP核验证技术领域。本发明的方法效率高、自动化程度高。测试人员在使用代码规则检查工具针对代码完成初步的规则检查，得到违反工具内部语法规则的检查结果之后，即可利用自动化的数据分析脚本与关联规则进行匹配，对检查结果进行分析，给出代码存在缺陷情况的判断，而不需要人工对每一条工具结果进行详细的分析、判断。本发明的方法可靠性好。代码规则检查过程依赖于代码规则检查工具以及已确认的代码缺陷数据，仅在最后一步经过测试人员的人工确认，尽可能避免引入人为操作，有效减少了因测试人员水平有限、精力不足等人为因素导致的缺陷误报、漏报情况，得到更可靠的代码规则检查结果。

公开(公告)号：CN111160535B

公开(公告)日：2024-01-30

申请号：CN201911412304.8

申请日：2019-12-31

Applicant: 北京计算机技术及应用研究所

Inventor： 杨雨婷 ,  吴超 ,  张在进 ,  高晨 ,  陈旭

IPC: G06N3/098 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种基于Hadoop的DGCNN加速方法，其中，包括：利用MapReduce实现训练样本和计算答案初始位置与结束位置的并行化，分布式地存储在Hadoop平台的每个节点上，每个节点都存储一个相同的完整的卷积神经网络，对于各小块中的每一个样本，节点都执行一次前向传播和反向传播计算，得出各个权值和偏置的局部改变量以及位置信息，接着汇总每个权值和偏置的局部改变量从而得到全局改变量，多次用全局改变量更新权值之后，获得最终网络；使用CUDA进行特征矩阵、神经元以及权值的并行化，为每一层的特征矩阵启动一个线程格，线程块中每个线程对应一个神经元，使得神经元并行，在误差反向传播中，用一个线程对应一个权值，计算该权值的局部梯度改变量，使得权值并行。

公开(公告)号：CN110532557B

公开(公告)日：2023-07-28

申请号：CN201910807636.X

申请日：2019-08-29

Applicant: 北京计算机技术及应用研究所

Inventor： 吴超 ,  宋颖毅 ,  柯文俊 ,  陈旭 ,  陈静 ,  王坤龙 ,  杨雨婷

IPC: G06F40/216 ,  G06F40/30 ,  G06F18/22 ,  G06N3/088 ,  G06N3/0442 ,  G06N3/045

Abstract: 本发明涉及一种无监督的文本相似度计算方法，其中，包括：步骤一：进行嵌入层模型预训练，对问题集合中的所有词进行预训练，生成满足模型需要的词向量；步骤二：编码层网络，挖掘句子的语义信息；步骤三：进行基于TFIDF融合的模型改进，包括：在每条问句输入到神经网络的同时，对输入的每条问句进行TFIDF的计算，并将计算好的权值输入到神经网络中，控制最后的句子向量表示，采用了归一化的TFIDF计算方法，并将其融入到编码层和表示层。本发明将深度神经网络模型(Bi‑LSTM)用于语料库的无监督训练，得到语言模型，通过无监督的训练方式，可以充分地利用大规模的语料库的信息，从而提高文本匹配的准确率，提升信息检索的精度。