-
Patent Agency Ranking
公开(公告)号：CN119834810A
公开(公告)日：2025-04-15
申请号：CN202411699337.6
申请日：2024-11-26
Applicant: 北京计算机技术及应用研究所
IPC: H03M7/30 , G06F18/10 , G06F18/2131 , G06F18/2433
Abstract: 本发明涉及一种强时敏目标场景下的多源瞬时饱和数据压缩方法，属于数据压缩技术领域。本发明通过多级分层架构设计，实现数据的高效压缩。该方法通过时序分析和深度学习模型提取数据关键特征，基于传感器数据的重要性与变化特性，动态选择压缩策略，满足强时敏目标场景中的实时性需求。
-
公开(公告)号：CN119832581A
公开(公告)日：2025-04-15
申请号：CN202411743106.0
申请日：2024-11-29
Applicant: 北京计算机技术及应用研究所
IPC: G06V30/414 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0442
Abstract: 本发明涉及一种基于混合视觉策略的异构表格抽取方法，属于人工智能、大数据、计算机视觉、自然语言处理技术领域。本发明通过改进现有的表格解析技术，并结合深度学习和自然语言处理技术，提升表格数据的识别准确率与提取效率，为构建高质量的军事知识库奠定基础。本发明改善了当前表格数据识别中的技术瓶颈，也为未来军事情报分析和自动化决策系统提供了数据支持。
-
公开(公告)号：CN109656818B
公开(公告)日：2022-02-15
申请号：CN201811477290.3
申请日：2018-12-05
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种软件密集系统故障预测方法，其中，包括：步骤一、构建特征向量；步骤二、通过获得的特征向量，训练时间序列预测法模型，并输出时间序列预测法模型的特征向量，用训练好的时间序列预测法模型对下一时刻系统硬件信息进行预测；步骤三、构建基于随机深林算法的故障预测模型，将步骤二中得到时间序列预测法模型的特征向量，输入随机森林模型中，得到软件故障的预测结果。本发明方法不依赖于人工确认及个人分析经验，通过实际观测数据进行智能预测，预测结果更为客观。
-
公开(公告)号：CN113486191A
公开(公告)日：2021-10-08
申请号：CN202110709394.8
申请日：2021-06-25
Applicant: 北京计算机技术及应用研究所
IPC: G06F16/36 , G06F16/335 , G06F16/35 , G06F40/14 , G06F40/211 , G06F40/30
Abstract: 本发明涉及一种涉密电子文件定解密方法，属于文件定解密领域。本发明包括如下步骤：S1、涉密电子文件密点分析与样本收集；S2、基于信息增益的密点关键词挖掘；S3、基于知识图谱的密点关联规则库构建；S4融合军工密点规则集的知识图谱构建；S5、智能匹配对比与快速定解密。本发明通过智能化分析技术，加强涉密电子文件定解密工作的准确化、规范化；利用电子文件密点动态追踪手段，提升电子文件密级解除工作的及时性、准确性和智能性；通过密点比对和基于语义分析的智能匹配技术，实现涉密电子文件密级的实时确定、智能化变更和及时解密。
-
公开(公告)号：CN111160535A
公开(公告)日：2020-05-15
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
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。
-
-
-
-
Search Results
35
records
(took 0.033 seconds)
