-
公开(公告)号：CN114987660A
公开(公告)日：2022-09-02
申请号：CN202210312501.8
申请日：2022-03-28
Applicant: 浙江大学
IPC: B62H1/02
Abstract: 本发明公开了一种用于无人摩托倒地复位的仿生机械装置，包括仿生机械大臂装置、仿生机械小臂装置、传动链条。本发明可以实现无人摩托车倒地后，自动复位恢复至直立状态，继续工作，极大的提高了无人摩托车的自适应能力，增强了无人摩托车在地形复杂、干扰强等情况下的工作能力，提高了无人摩托车的实用性。本发明在无人摩托车上进行试验，结果表明，本发明可以实现预期功能，最大可撑起的整车重量大于200KG，整个机构可靠耐用，多次使用仍运行平稳。
-
公开(公告)号：CN114330743A
公开(公告)日：2022-04-12
申请号：CN202111597238.3
申请日：2021-12-24
Applicant: 浙江大学
IPC: G06N20/00
Abstract: 本发明公开了一种用于最小‑最大化问题的跨设备联邦学习方法，属于联邦学习技术领域。包括：中心服务器初始化模型参数中的主变量和对偶变量，以及迭代轮数；中心服务器选择一个客户端子集，将模型参数发送至每个客户端；客户端子集中的每个客户端计算本地梯度估计量；中心服务器接收客户端返回的本地梯度估计量，计算全局梯度估计量；中心服务器选择另一个客户端子集，将模型参数和全局梯度估计量发送至每个客户端，客户端对模型参数进行K步的本地更新，并将最终的本地模型参数发送给中心服务器；中心服务器接收到客户端返回的本地模型参数后，计算新的全局模型参数，迭代计算，直至输出最终参数。
-
公开(公告)号：CN119227821A
公开(公告)日：2024-12-31
申请号：CN202411323359.2
申请日：2024-09-20
Applicant: 浙江大学
Abstract: 本申请涉及一种蒙特卡洛树搜索方法、装置及计算机设备。方法包括：获取待搜索根节点的第一状态信息；控制第一线程池中的至少一个空闲线程，基于第一状态信息确定扩展子节点，并基于扩展子节点的第二状态信息，生成扩展子节点的模拟任务；控制第二线程池中的至少一个空闲线程，执行模拟任务并生成反向传播任务，反向传播任务包括模拟奖励值；控制第一线程池中的至少一个空闲线程，执行反向传播任务，并根据模拟奖励值更新第二状态信息，第一线程池中的至少一个空闲线程以及第二线程池中的至少一个空闲线程分别分配至处理器的相应核心且由处理器并行执行；重复执行上述步骤，直至满足预设搜索条件后，基于第二状态信息确定搜索结果。
-
公开(公告)号：CN117216325A
公开(公告)日：2023-12-12
申请号：CN202311136884.9
申请日：2023-09-04
Applicant: 浙江大学
IPC: G06F16/901 , G06F16/906 , G06Q40/04 , G06F18/23 , G06F18/22 , H04L67/104
Abstract: 本申请涉及区块链领域，特别是涉及一种基于联盟链架构的动态分片处理方法、装置、联盟链架构、计算机设备及存储介质。所述方法包括：基于输入联盟链的历史交易数据，建模生成交易图；对所述交易图中的点进行聚类分析，得到初始分类结果；基于所述初始分类结果，对所述交易图中的点进行匹配，得到初始匹配结果；以目标分片的数量为约束，以所有目标分片的理论吞吐量最大化为目标，对所述初始分配结果进行优化，输出所述交易图的分片策略。本发明对各目标分片的维护范围进行动态调整，以降低联盟链架构的跨分片交易率。
-
Patent Agency Ranking
公开(公告)号：CN114611675A
公开(公告)日：2022-06-10
申请号：CN202210283654.4
申请日：2022-03-22
Applicant: 浙江大学
Abstract: 本申请涉及一种数据处理方法、装置、电子装置和存储介质，其中，该数据处理方法包括：获取深度神经网络模型，以及该深度神经网络模型中每个算子的张量；基于该张量确定每个该算子的张量切分结果，以至少根据该张量切分结果生成初始并行策略，并利用构建完备的代价模型对该初始并行策略训练处理以得到代价评估结果；至少根据该初始并行策略和该代价评估结果生成目标并行策略；其中，该目标并行策略用于指示该深度神经网络模型执行数据处理操作。通过本申请，解决了自动生成的并行策略准确性低的问题。
-
公开(公告)号：CN101466006A
公开(公告)日：2009-06-24
申请号：CN200910095206.6
申请日：2009-01-05
Applicant: 浙江大学
Abstract: 本发明公开了一种视频采集系统的实时数据存储方法，该方法首先设置采集卡的视频采集帧率和采集帧数，根据采集帧数在内存中分配动态随机存储空间，记录采集卡采集视频的初始时间，然后检测视频采集卡是否有新数据，重复执行该步骤直到视频采集卡有新数据，将两个采集卡中的数据放入到分配的动态随机存储空间中，记录已经采集的视频帧数，如果已经采集的帧数与设置的采集帧数相等，则视频采集结束。本发明的方法成本低，体积小，具有实用价值。
-
公开(公告)号：CN119201297A
公开(公告)日：2024-12-27
申请号：CN202411297988.2
申请日：2024-09-14
Applicant: 浙江大学
Abstract: 本申请涉及大模型技术领域，特别是涉及一种基于工具调用模型的工具自动调用方法、系统及设备，所述方法包括：获取训练数据样本集，所述训练数据样本集包括用户调用请求样本数据及其分别对应的标签；基于所述训练数据样本集，利用动态损失缩放函数对待训练模型进行训练；在训练过程中，利用输出评估模型对所述待训练模型输出的工具调用初始结果进行评估，并根据评估结果对所述动态损失缩放函数中的多个系数进行动态调整后，得到工具调用模型；将用户调用请求数据输入所述工具调用模型，输出工具调用结果。本申请显著提升模型的整体性能与稳定性。
-
公开(公告)号：CN114629772B
公开(公告)日：2023-03-10
申请号：CN202210281022.4
申请日：2022-03-22
Applicant: 浙江大学
IPC: H04L41/042 , H04L41/0654 , H04L41/0813 , H04L41/14 , H04L41/16
Abstract: 本申请涉及一种拜占庭容错方法、装置、系统、电子装置和存储介质，包括：获取非拜占庭节点的初始化节点参数和训练数据，根据所述训练数据和所述初始化节点参数得到非拜占庭节点的一阶矩调整值和二阶矩调整值；获取所述非拜占庭节点的邻居参数，对所有邻居参数进行截断中位数后，根据所述一阶矩调整值和所述二阶矩调整值得到参数更新结果；根据所述参数更新结果获取训练完备的节点参数结果，并将所述节点参数结果输入至所述分布式网络中，以使得所述分布式网络基于所述节点参数结果执行拜占庭容错操作。通过本申请，解决了中心化拜占庭容错方法通信延时大、效率低下以及容易失效的问题，实现了分布式网络中去中心化拜占庭容错方法的加速运算。
-
公开(公告)号：CN114629772A
公开(公告)日：2022-06-14
申请号：CN202210281022.4
申请日：2022-03-22
Applicant: 浙江大学
IPC: H04L41/042 , H04L41/0654 , H04L41/0813 , H04L41/14 , H04L41/16
Abstract: 本申请涉及一种拜占庭容错方法、装置、系统、电子装置和存储介质，包括：获取非拜占庭节点的初始化节点参数和训练数据，根据所述训练数据和所述初始化节点参数得到非拜占庭节点的一阶矩调整值和二阶矩调整值；获取所述非拜占庭节点的邻居参数，对所有邻居参数进行截断中位数后，根据所述一阶矩调整值和所述二阶矩调整值得到参数更新结果；根据所述参数更新结果获取训练完备的节点参数结果，并将所述节点参数结果输入至所述分布式网络中，以使得所述分布式网络基于所述节点参数结果执行拜占庭容错操作。通过本申请，解决了中心化拜占庭容错方法通信延时大、效率低下以及容易失效的问题，实现了分布式网络中去中心化拜占庭容错方法的加速运算。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.017 seconds)
