-
公开(公告)号：CN119203722A
公开(公告)日：2024-12-27
申请号：CN202411102667.2
申请日：2024-08-12
Applicant: 鹏城实验室
Abstract: 本申请提供了一种集成芯片的寄生参数确定方法、设备及存储介质，涉及但不限于电子电路技术领域，方法包括基于预设的计算区域中各导体的多个轮廓坐标，确定导体区域和边界区域；在导体区域内对待预测的导体构建高斯面，并在高斯面上按照预设的采样间距进行均匀采样，得到多个采样点；获取物理信息神经网络模型；物理信息神经网络模型为对导体区域和边界区域采样得到的样本采样点进行模型训练得到的，样本导体区域的采样密度大于样本边界区域的采样密度；通过物理信息神经网络模型对高斯面上的采样点进行寄生参数预测，得到待预测的导体的寄生参数预测数据。本申请实施例在满足寄生参数精度要求的同时确保计算效率。
-
公开(公告)号：CN119047317A
公开(公告)日：2024-11-29
申请号：CN202411169789.3
申请日：2024-08-23
Applicant: 鹏城实验室
IPC: G06F30/27 , G06F18/213 , G06N3/0464
Abstract: 本申请提供了一种基于稀疏数据机器学习技术的电容值提取方法和装置，属于人工智能技术领域和电子电路技术领域。通过电势预测模型的特征学习层对目标点云数据所有采样点的坐标信息进行特征提取，得到导体形态特征，分别将每个采样点的属性信息与导体形态特征进行特征拼接，得到每个采样点的目标点云特征，通过电势预测模型的物理信息层对目标点云特征进行物理信息编码，得到各个采样点的电势。根据目标采样点类型将位于导体高斯面上所有采样点的电势作为目标电势，根据目标电势提取导体的电容值，无需事先使用场求解器计算大量的训练数据，在节约计算资源的同时提高计算效率，另外使用点云刻画导体结构能够提高电容值提取的准确性。
-
公开(公告)号：CN118537507B
公开(公告)日：2024-11-26
申请号：CN202410606649.1
申请日：2024-05-15
Applicant: 鹏城实验室
Abstract: 本申请公开一种图像渲染方法与相关方法、装置、设备及存储介质。方法包括：获取目标空间中的目标位置；在目标空间对应的空间坐标系下确定目标位置对应的空间位置坐标；基于目标空间对应的坐标映射关系对空间位置坐标进行坐标系转换，得到目标位置在目标空间对应的感知坐标系下的目标旋转矩阵和目标转移矩阵；通过目标渲染模型根据目标旋转矩阵和目标转移矩阵进行图像渲染，得到目标位置对应的目标渲染图像。该方法在获取目标位置对应的空间位置坐标时，可以基于坐标映射关系实现坐标系的转换，使得目标渲染模型能够根据空间位置坐标在感知坐标系下的目标旋转矩阵和目标转移矩阵准确地进行图像渲染，提高场景感知的准确性。
-
公开(公告)号：CN118642068A
公开(公告)日：2024-09-13
申请号：CN202410602125.5
申请日：2024-05-15
Applicant: 鹏城实验室
IPC: G01S7/48 , G01S17/06 , G01S17/93 , G06T17/00 , G06V10/762 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于神经辐射场模型的动态决策方法及其装置，所述方法包括以下步骤：通过激光雷达采集目标点云信息，并根据目标点云信息确定障碍物的物体位置信息；获取目标物在世界坐标下的目标坐标信息，并通过训练后的目标神经辐射场模型构建目标坐标信息对应的目标三维场景图；确定物体位置信息在世界坐标下的物体坐标信息，并根据物体坐标信息在目标三维场景图中生成障碍物的坐标信息，得到重构图像；根据重构图像和目标物的前进方向，生成动态决策结果。根据重构图像和目标物的前进方向，生成动态决策结果，通过实时监测障碍物在三维场景中的坐标信息，能实时地判断障碍物与目标物的位置关系，提高动态决策结果的准确性和实时性。
-
公开(公告)号：CN118550906A
公开(公告)日：2024-08-27
申请号：CN202410651092.3
申请日：2024-05-23
Applicant: 鹏城实验室
IPC: G06F16/215 , G06F16/23 , G06N3/08
Abstract: 本公开实施例提供了一种数据质量提升方法、相关装置和介质。该方法包括：将待提升数据输入目标神经网络模型，得到输出距离；根据输出距离、待提升数据、第一梯度信息和预设置的梯度下降速率超参数，生成中间数据；根据中间数据更新待提升数据，返回将待提升数据输入目标神经网络模型，得到输出距离的步骤，以对待提升数据进行迭代更新，直到满足预设的迭代停止条件，将满足预设的迭代停止条件的待提升数据作为目标数据。本公开实施例能够提高数据质量提升处理的可靠性，提高最终的数据质量。本公开实施例可应用于图像处理、数字人渲染、工业异常检测等场景。
-
Patent Agency Ranking
公开(公告)号：CN118538311A
公开(公告)日：2024-08-23
申请号：CN202410605291.0
申请日：2024-05-15
Applicant: 鹏城实验室
Abstract: 本申请实施例提供了一种分子性质预测方法、装置、电子设备及存储介质，属于分子性质预测技术领域。方法包括获取目标分子数据；将目标分子数据输入至训练好的目标分子性质预测模型，得到目标分子性质预测结果；其中，目标分子性质预测模型是在多个不同的训练阶段下，基于相应复杂等级的多个样本分子数据训练得到的，且将最后一个训练阶段下训练到的分子性质预测模型作为目标分子性质预测模型；每一训练阶段下训练到的分子性质预测模型，是基于上一训练阶段训练得到的分子性质预测模型更新初始分子性质预测模型的参数后，基于与上一训练阶段不同的下一个复杂等级下的多个样本分子数据，对更新后的初始分子性质预测模型进行训练后得到的。
-
公开(公告)号：CN117809381B
公开(公告)日：2024-05-14
申请号：CN202410232129.9
申请日：2024-03-01
Applicant: 鹏城实验室
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/62 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/084 , G06N3/049
Abstract: 本申请实施例提供视频动作分类方法、装置、设备和存储介质，涉及图像处理技术领域。该方法依次在每个时间步选取目标视频帧，调用依次级联的局部时空特征模块对目标视频帧进行脉冲编码后，再进行特征提取得到局部时空特征，调用依次级联的全局时空特征模块对局部时空特征进行脉冲编码后，再进行特征提取得到全局时空特征，利用循环神经网络模块从全局时空特征中提取分类时空特征，对分类时空特征进行分类预测得到视频动作分类结果。在特征提取过程中对输入的数据进行脉冲编码，将特征提取过程中乘法运算变为加法运算，降低网络处理过程的运算复杂度，尤其是在长时视频的场景下，能够减少运算时间，提升运算效率。
-
公开(公告)号：CN117636014A
公开(公告)日：2024-03-01
申请号：CN202311549911.5
申请日：2023-11-20
Applicant: 鹏城实验室
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本申请实施例提供图像分类方法、装置、设备和存储介质，涉及人工智能技术领域。该方法将目标图像转化成二维图像序列输入脉冲卷积采样模块，依次经过脉冲卷积处理单元进行脉冲转换得到脉冲特征向量；再将脉冲特征向量输入脉冲编码器进行脉冲编码，得到编码特征向量；最后将编码特征向量输入分类头进行图像分类，得到目标图像的目标分类结果。本申请实施例利用脉冲卷积处理单元对第一输入数据依次进行卷积操作、第一批归一化操作和第一脉冲叠加操作，不会降低空间分辨率以及感受野，能够捕捉较多的细节信息，避免信息丢失导致的特征模糊，从而提升后续脉冲编码和图像分类的精度，最终提升图像分类的准确率。
-
公开(公告)号：CN116627433B
公开(公告)日：2024-01-09
申请号：CN202310881075.4
申请日：2023-07-18
Applicant: 鹏城实验室
Abstract: 本申请提供了一种AI处理器实时的参数预测方法、系统、设备及介质，属于人工智能技术领域。方法包括：在AI处理器上运行目标应用程序，在建模阶段，采集AI处理器运行过程中的基本参数；实时通过AI处理器对应的非侵入式调节工具调节基本参数，并在实时调节过程中获取各个基本参数对应的目标运行参数；基于多个目标运行参数与对应的基本参数进行拟合操作，建立由基本参数映射到目标运行参数的函数模型；在预测阶段，获取实时的基本参数，并将实时的基本参数输入到函数模型中，得到预测的目标运行参数，以根据预测的目标运行参数确定参数预测结
-
公开(公告)号：CN117216466A
公开(公告)日：2023-12-12
申请号：CN202311111058.9
申请日：2023-08-30
Applicant: 鹏城实验室
Abstract: 本申请公开了一种数据处理方法、装置、系统及存储介质，涉及人工智能芯片技术领域，包括：获取待求解矩阵，其中，待求解矩阵与三角矩阵、预设矩阵构建得到三角矩阵方程的等式，且待求解矩阵与三角矩阵位于等式的一边，预设矩阵位于等式的另一边；对三角矩阵进行逆变换得到逆三角矩阵；根据人工智能芯片的矩阵运算的第一浮点数精度、待求解矩阵要求的运算精度，对逆三角矩阵、预设矩阵进行精度处理，得到逆三角矩阵对应的第一矩阵、预设矩阵对应的第二矩阵；将第一矩阵和第二矩阵输入到矩阵计算单元，得到矩阵相乘结果，其中，矩阵相乘结果用以表示待求解矩阵。本申请能够显著提升数据处理效率。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.034 seconds)
