-
公开(公告)号：CN102759977A
公开(公告)日：2012-10-31
申请号：CN201110110823.6
申请日：2011-04-29
Applicant: 无锡江南计算技术研究所
IPC: G06F1/26
Abstract: 一种电源控制系统及控制方法，所述电源控制系统用于控制计算机集群系统中计算机节点的开启或关闭，包括：控制终端和通过无线网格网络相连的多个电源控制节点，所述控制终端适于获取路由信息，并通过无线方式向所述电源控制节点发送控制信号，所述控制信号携带有源地址、目的地址、路由信息和要控制的计算机节点的信息，所述电源控制节点连接于所述控制终端与所述计算机节点之间，适于接收并解析所述控制信号，基于要控制的计算机节点的信息控制相应的计算机节点的开启或关闭；在所述电源控制节点为所述目的地址指向的电源控制节点时，所述电源控制节点基于解析到的路由信息向所述无线网格网络转发控制信号。所述电源控制系统扩展性强、安全性高。
-
公开(公告)号：CN115375973A
公开(公告)日：2022-11-22
申请号：CN202211038910.X
申请日：2022-08-29
Applicant: 无锡江南计算技术研究所
IPC: G06V10/774 , G06V10/82 , G06N3/08 , G06N3/04
Abstract: 一种支持脉动阵列进行卷积神经网络模型训练的数据重组方法，属于深度神经网络模型训练技术领域。本发明包括如下步骤：步骤1，正向卷积计算：输入和输出特征图遵循通道优先格式，卷积核遵循卷积核个数优先格式；步骤2，反向计算残差：以步骤1输出特征图的残差作为输入特征图，以步骤1中的卷积核作为卷积核；输入和输出特征图遵循通道优先格式，卷积核遵循卷积核个数优先格式；步骤3，反向计算权重：以步骤1的输入特征图作为输入特征图，以步骤1输出特征图的残差作为卷积核；输入和输出特征图遵循通道优先格式，卷积核遵循通道优先格式。本发明能够提高数据的空间局部性，省去了计算中数排布转换的需求，提升计算效率。
-
公开(公告)号：CN112631968A
公开(公告)日：2021-04-09
申请号：CN202011524240.3
申请日：2020-12-22
Applicant: 无锡江南计算技术研究所
Abstract: 本发明公开一种动态可演化智能处理芯片结构，包括：通用处理器、智能处理单元、内存控制器和内存接口、可编程逻辑区域、可编程逻辑控制器，所述可编程逻辑区域进一步包括：动态系统总线、动态IO控制器和动态智能计算单元；动态系统总线：可以根据需求，对其拓扑结构、接口数量和规格、仲裁机制等进行重构，动态IO控制器：用于根据系统对于IO需求的不同，重构为一个或者多个不同类型的IO控制器，动态智能计算单元：用于根据需要重构为特定的硬件结构，实现对计算、访存、IO的定制加速。本发明可实现对整个系统中计算、访存、IO等方面的性能和效率优化，提高智能应用的计算效率，实现智能应用的全栈定制加速。
-
公开(公告)号：CN103020008B
公开(公告)日：2015-08-12
申请号：CN201210575648.2
申请日：2012-12-26
Applicant: 无锡江南计算技术研究所
Inventor： 谢向辉 , 吴东 , 原昊 , 钱磊 , 张昆 , 臧春峰 , 郝子宇 , 张鲁飞 , 李玺 , 严忻凯 , 邬贵明 , 方兴 , 叶楠 , 胡苏太 , 韦海亮 , 周浩杰 , 陶志荣
IPC: G06F15/76
Abstract: 本发明提供了一种计算能力增强的可重构微服务器，包括：微处理器、系统总线、内存、可重构加速部件以及输入输出外设；其中，微处理器、内存和输入输出外设连接至系统总线，从而微处理器通过系统总线与内存和输入输出外设进行数据交换；而且，微处理器直接连接至可重构加速部件；并且，可重构加速部件连接至系统总线，从而通过系统总线与内存和输入输出外设进行数据交换；其中，可重构加速部件包括可重构指令扩展单元、可重构硬件线程单元以及可重构任务加速单元中的至少一个。
-
公开(公告)号：CN102761473B
公开(公告)日：2015-01-14
申请号：CN201110110822.1
申请日：2011-04-29
Applicant: 无锡江南计算技术研究所
IPC: H04L12/721 , H04L12/24
Abstract: 一种建立部件模型间通信的模拟方法，包括：将所述部件模型以矩阵形式分布，确定所述矩阵的维数；根据所述部件模型的类型，将所述矩阵分成子矩阵，基于所述矩阵的维数及所述子矩阵在所述矩阵中的位置生成分布表达式；基于所述部件模型在所述矩阵中的位置坐标和待模拟的部件模型间的连接关系生成连接关系表达式；检查所述分布表达式和连接关系表达式的逻辑是否正确，若正确则基于所述连接关系表达式，生成并行事务级模拟系统的描述文件。本发明公开的技术方案提高了并行事务级模拟系统的开发效率，降低了维护部件模型和并行事务级模拟系统的开销。
-
Patent Agency Ranking
公开(公告)号：CN103064820B
公开(公告)日：2014-04-16
申请号：CN201210574582.5
申请日：2012-12-26
Applicant: 无锡江南计算技术研究所
Inventor： 谢向辉 , 吴东 , 钱磊 , 原昊 , 张昆 , 臧春峰 , 郝子宇 , 张鲁飞 , 李玺 , 严忻凯 , 邬贵明 , 方兴 , 叶楠 , 胡苏太 , 韦海亮 , 周浩杰 , 陶志荣
Abstract: 一种基于可重构微服务器的集群计算系统，包括：多个可重构微服务器计算节点以及通用可扩展交换网络；多个可重构微服务器计算节点具有通用网络接口；并且通用可扩展交换网络基于通用的标准网络协议，通过网络拓扑结构将所述多个可重构微服务器计算节点的通用网络接口互连在一起。所述可重构微服务器计算节点还包括：微处理器、系统总线、内存、可重构加速部件以及输入输出外设；其中，微处理器、内存和输入输出外设连接至系统总线，从而微处理器通过系统总线与内存和输入输出外设进行数据交换；可重构加速部件连接至微处理器和/或系统总线，从而与微处理器和/或连接在系统总线上的内存和输入输出外设进行数据交换。
-
公开(公告)号：CN102761472A
公开(公告)日：2012-10-31
申请号：CN201110110820.2
申请日：2011-04-29
Applicant: 无锡江南计算技术研究所
Abstract: 一种通信端口的路由方法包括：获取拓扑结构描述文件；获取通信源端的端口的名称；在所述拓扑结构描述文件中查找与所述通信源端的端口对应的通信目的端的端口的名称及通信目的端的标识；记录通信端口信息，基于所述通信端口信息为所述通信源端和通信目的端建立通信端口并配置通信通道。本发明公开的技术方案，降低了部件模型和并行事务级模拟系统之间的耦合度，提高并行事务级模拟系统的开发效率，降低对部件模型和并行事务级模拟系统维护的开销。
-
公开(公告)号：CN102760114A
公开(公告)日：2012-10-31
申请号：CN201110110825.5
申请日：2011-04-29
Applicant: 无锡江南计算技术研究所
IPC: G06F15/173 , G06F9/54 , G06F9/455
Abstract: 一种多处理器系统的通信仿真方法、引擎及系统，所述方法包括：创建多个仿真进程，每一个仿真进程对所述多处理器系统中的一个处理器进行仿真；获取所述多处理器系统中发送端处理器发出的通信消息，对所述发送端处理器的发送过程进行仿真，将所述通信消息转换为网络数据包；基于所述仿真进程之间的通信机制将所述网络数据包传输至对接收端处理器进行仿真的仿真进程；对所述接收端处理器的接收过程进行仿真，将所述网络数据包拆解为通信消息并将其传输至所述接收端处理器。本发明提高了通信仿真过程的可复用性。
-
公开(公告)号：CN112671757B
公开(公告)日：2023-10-31
申请号：CN202011526966.0
申请日：2020-12-22
Applicant: 无锡江南计算技术研究所
IPC: H04L9/40 , H04L41/142 , H04L43/18 , G06F18/24 , G06N3/084 , G06N3/0985 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明公开一种基于自动机器学习的加密流量协议识别方法及装置，所述方法包括以下步骤：对加密流量进行会话切分、匿名化处理、统一数据包长度等数据预处理工作；提取流量样本的14个流特征；采用自动机器学习方法识别加密流量协议，并输出结果。本发明提供两种协议识别的方法，一种通过提取数据的统计特征自动生成最优的机器学习算法、模型并自动优化模型的超参数；另一种仅利用原始加密流量即可自动搜索出适合加密流量分类任务的最优神经网络结构，两种方法均可在无需借助人工智能专家智慧的情况下，自动生成优化的机器学习算法与神经网络模型，并自动优化超参数，实现对加密流量协议的自动分类，从而大大提升加密流量协议识别的准确率和效率。
-
公开(公告)号：CN115641282A
公开(公告)日：2023-01-24
申请号：CN202211363441.9
申请日：2022-11-02
Applicant: 无锡江南计算技术研究所
Abstract: 本申请公开了一种面向合成孔径雷达图像的目标检测方法及装置，方法包括确定至少两种卷积操作，并基于至少两种卷积操作构建第一神经网络；将样本合成孔径雷达图像输入至第一神经网络，并根据预测结果以及样本真实结果，计算出第一损失值；基于第一损失值进行训练，并根据第一神经网络中的架构参数以及预设派生规则，派生出第二神经网络；将待处理合成孔径雷达图像输入至第二神经网络，并根据预测结果在待处理合成孔径雷达图像上显示目标检测框。相比于人工设计目标检测的神经网络模型，通过神经架构搜索自动化完成更符合需求的网络设计，不仅有效避免过多的专家人工知识所带来的领域知识限制，还可极大提高目标的检测效率以及精度。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.041 seconds)
