-
公开(公告)号：CN111723913A
公开(公告)日：2020-09-29
申请号：CN202010567702.3
申请日：2020-06-19
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种数据处理方法、装置、设备及可读存储介质，该方法包括：获取待处理的媒体对象，并将媒体对象输入至LSTM网络；获取LSTM网络处理媒体对象过程中，所产生的需利用门结构处理的目标数据；利用FPGA的并行度参数，对目标数据进行重新排列，得到并行数据；利用FPGA中的矩阵向量乘法单元组，对并行数据进行矩阵向量乘处理，得到处理结果；将处理结果反馈给LSTM网络继续处理，得到媒体对象的输出结果。该方法能够利用FPGA对LSTM网络加速，使得LSTM网络能够被应用在嵌入式设备中对媒体对象进行处理，增强嵌入式设备的服务功能。
-
公开(公告)号：CN110958177A
公开(公告)日：2020-04-03
申请号：CN201911082354.4
申请日：2019-11-07
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04L12/721 , H04L12/725 , H04L12/751 , H04L12/24 , H04L12/26 , H04L12/933 , H04L12/947
Abstract: 本发明公开了一种片上网络路由优化方法、装置、设备及可读存储介质，该方法包括以下步骤：利用网络测试模型对片上网络进行测试，获得测试数据集；测试数据集包括不同路由测试策略，以及各种路由测试策略对应的网络性能；创建与片上网络匹配的深度神经网络；利用测试数据集对深度神经网络进行训练，以获得优化路由策略；按照优化路由策略，设置片上网络的各个节点路由参数。相较于人工设置路由策略，该方法可减少人工干预，简化路由控制过程，提高得到更优的路由策略。
-
公开(公告)号：CN110673786A
公开(公告)日：2020-01-10
申请号：CN201910827022.8
申请日：2019-09-03
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明提供一种数据缓存方法和装置，逐个获取输出矩阵，按照获取各个输出矩阵的先后顺序，将获取的多个输出矩阵交替的写入第一缓存单元的两个队列集合中，并且逐个将第一缓存单元中分行存储的输出矩阵写入第二缓存单元，按写入第二缓存单元的顺序，根据预设的参数逐个确定第二缓存单元的每个输出矩阵的有效数据，并将每个输出矩阵的有效数据写入第三缓存单元，第三缓存单元保存的输出矩阵的有效数据用于根据写入第三缓存单元的先后顺序依次写入到内存中。本方案利用写入速度与处理器计算速度匹配的缓存单元缓存输出矩阵，并将输出矩阵按生成时间的先后逐个完整的写入内存中。因此本发明能够解决处理器的计算速度与内存写入速度不匹配的问题。
-
公开(公告)号：CN110516790A
公开(公告)日：2019-11-29
申请号：CN201910760810.X
申请日：2019-08-16
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种卷积网络加速方法、装置及系统，包括获取预先存储的固定长度指令集，固定长度指令集为预先基于待处理卷积网络的结构和参数信息建立的；固定长度指令集中包括多个固定长度赋值指令和固定长度操作指令，每个固定长度赋值指令和每个固定长度操作指令分别对应至少一个寄存器；依据与固定长度赋值指令对应的寄存器值对相应的固定长度操作指令的寄存器进行赋值，以便依据寄存器的寄存器值确定相应的指令参数；固定长度赋值指令对应的寄存器值为依据卷积网络的参数信息确定的；依据与固定长度操作指令对应的寄存器值获取相应的指令参数，并根据指令参数执行相应的操作；本发明节约内存、使用灵活性强、编译和映射的效率高、难度低。
-
公开(公告)号：CN119718696A
公开(公告)日：2025-03-28
申请号：CN202510245683.5
申请日：2025-03-04
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种强化学习并行处理加速器、加速方法及电子设备，涉及加速器技术领域，包括：控制器将当前视图特征，至少两组批次历史视图特征和指令序列分别写入对应存储器；指令加载分发部件读取、译码指令序列并分发参数和开启计算指令给计算部件；数据加载控制部件按每个计算层的参数从存储器中选择所需的特征数据并加载至对应的特征缓存；计算部件在接收到开启计算指令后，同时读取多种视图特征数据并结合参数并行处理，可以大大提升数据处理效率。通过上述各部件的相互配合能够深度分析强化学习模型的特点，根据不同强化学习任务和数据特点，灵活调整参数和处理流程，提高强化学习模型处理效率，同时降低加速器的资源使用率，响应速度快。
-
Patent Agency Ranking
公开(公告)号：CN119669944A
公开(公告)日：2025-03-21
申请号：CN202510180153.7
申请日：2025-02-19
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/2431 , G06F18/213 , G06F18/25 , G06F18/214 , G06N3/0464
Abstract: 本发明公开了一种人工智能技术领域中的情感识别方法、系统、电子设备、存储介质及程序产品，方法包括从用户感知目标物的情感反应数据中，提取文本特征数据及目标类型特征，根据用户的人格测试问卷数据生成个性化特征。将目标类型特征的各类时序特征在时间维度上进行对齐，并基于注意力机制融合各时间步下的各类时序特征，得到融合情感反应特征；对融合情感反应特征、文本特征数据和个性化特征进行降维处理，得到用于进行情感识别的多模态特征数据。本发明可以解决相关技术的个性化因素考虑不足导致情感识别精度无法满足用户需求的问题，在情感识别过程中，充分考虑个性化因素，有效提高情感识别精度。
-
公开(公告)号：CN119649477A
公开(公告)日：2025-03-18
申请号：CN202510162944.7
申请日：2025-02-14
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V40/50 , G06V40/20 , G06V20/40 , G06V10/44 , G06V10/34 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/06 , G06N3/08
Abstract: 本发明公开了一种姿态认证方法、装置及设备、存储介质和计算机程序产品，涉及计算机技术领域，该方法包括：获取标准姿态的第一视频序列和第一事件流数据，以及待认证姿态的第二视频序列和第二事件流数据；提取第一视频序列的第一视频特征和第二视频序列的第二视频特征；提取第一事件流数据的第一事件特征和第二事件流数据的第二事件特征；计算第一视频特征与第二视频特征之间的第一特征距离，以及第一事件特征与第二事件特征之间的第二特征距离，融合第一特征距离和第二特征距离得到融合距离；判断融合距离是否大于距离阈值；若是，则判定认证通过，若否，则判定认证失败。本发明提高了姿态认证的准确度。
-
公开(公告)号：CN111722799B
公开(公告)日：2024-02-09
申请号：CN202010469856.9
申请日：2020-05-28
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F3/06
Abstract: 本发明公开了一种数据存储方法、装置、设备及可读存储介质，该方法包括：在易失性存储器上电后，获取待存入易失性存储器中固定存储地址的目标数据；从比特值变化传输模式和比特值固定传输模式中，确定出目标传输模式；目标传输模式与易失性存储器上一次上电后所确定出的历史传输模式不同；按照目标传输模式，与易失性存储器互传目标数据。该方法可保证目标数据在掉电后，避免发生数据被盗取，保障了数据的安全。
-
公开(公告)号：CN116226388B
公开(公告)日：2023-07-21
申请号：CN202310509057.3
申请日：2023-05-08
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/35 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/084 , G06N3/088
Abstract: 本申请公开了一种文献分类方法、一种图神经网络训练方法及相关组件，应用于数据处理技术领域，包括：获取n篇文献作为一组训练样本，并将文献类别作为标签；得到训练样本的特征提取结果；确定出用于反映训练样本中的n篇文献之间的引用关系的第一信息，以及用于反映训练样本中的n篇文献之间的相似度的第二信息；将特征提取结果，第一信息及第二信息输入至预设的图神经网络，得到图神经网络所输出的针对训练样本中的n篇文献的类别预测结果；基于类别预测结果更新图神经网络的参数，并返回执行获取n篇文献作为一组训练样本的操作，直到图神经网络训练完成。应用本申请的方案，提高了文献分类的准确率。
-
公开(公告)号：CN116206188B
公开(公告)日：2023-07-21
申请号：CN202310484624.4
申请日：2023-05-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V10/82 , G06N3/082 , G06N3/0464
Abstract: 本申请公开了一种图像识别方法、系统、设备及存储介质，应用于图像识别技术领域，包括：对训练完成的图像识别网络的目标卷积层进行剪枝，得到压缩卷积层并判断与目标卷积层的差异是否超出差异范围；若否，则按照结构重参数化的方式对压缩卷积层进行重构，得到第一重构卷积层；若是，则按照核集理论的重要性权重更新规则，对压缩卷积层的卷积核进行缩放，得到缩放卷积层，再对缩放卷积层进行重构，得到第二重构卷积层；使用第一或第二重构卷积层替换图像识别网络中的目标卷积层，得到压缩图像识别网络以进行图像识别。应用本申请的方案，采用结构重参数化结合核集理论的方式，有效地保障了所得到的压缩图像识别网络的图像识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.048 seconds)
