-
公开(公告)号：CN116204387B
公开(公告)日：2023-07-21
申请号：CN202310461391.6
申请日：2023-04-26
Applicant: 之江实验室
Abstract: 本说明书公开了一种芯片电流的预测方法、装置、介质及电子设备，采用可解释人工智能技术，获取芯片中的任务负载状态以及指令集，该任务负载状态包括运算单元任务负载状态和缓存单元任务负载状态。将该芯片的任务负载状态输入到第一回归模型，以使第一回归模型确定该芯片维持该任务负载状态的所需电流。并将该指令集输入第二回归模型，以使第二回归模型确定该芯片执行该指令集中的指令后的电流变化值。根据该芯片维持该任务负载状态的所需电流以及该芯片执行该指令集中包含的指令后的电流变化值，以确定该芯片的增量电流。实现了对芯片维持作业的电流的预测，且因为第一回归模型与第二回归模型具备可解释性，提高了预测电流作业的可靠性及可控性。
-
公开(公告)号：CN116402165A
公开(公告)日：2023-07-07
申请号：CN202310669720.6
申请日：2023-06-07
Applicant: 之江实验室
Abstract: 本说明书公开了一种算子检测的方法、装置、存储介质以及电子设备，本说明书提供的算子检测方法可以获取待检测算子，将校验数据输入到该待检测算子中，得到该待检测算子输出的第一结果，以及将该校验数据输入到确定出的与待检测算子对应的至少一个参考算子中，得到经过至少一个参考算子对校验数据进行数据处理后所得到的第二结果，最后，根据第一结果以及所述第二结果，对待检测算子进行检测，本方法通过确定出和待检测算子功能相符的参考算子，并通过相同的校验数据分别输入到待检测算子和参考算子，从而通过将得出的结果进行对比，可以对待检测算子进行检测，提高了深度学习模型中算子的功能准确性。
-
公开(公告)号：CN116260521A
公开(公告)日：2023-06-13
申请号：CN202310548849.1
申请日：2023-05-16
Applicant: 之江实验室
IPC: H04B10/54 , H04B10/079 , H04B10/61
Abstract: 本申请提供一种光域信号均衡设备及其方法。该设备包括分光延迟模块、非线性调制模块、光合束模块、光探测模块和电学控制模块，其中，分光延迟模块用于将输入光信号分成若干个彼此之间存在延迟的光信号并输入到非线性调制模块中；非线性调制模块包括一阶调制模块及二阶调制模块，一阶调制模块和二阶调制模块分别用于对若干个光信号进行强度调制；光合束模块用于将经一阶调制模块和二阶调制模块调制后的光信号进行分组；光探测模块用于将分组后的光信号转换为对应的电信号；及电学控制模块用于基于电信号进行判决及误码率计算以调整一阶调制模块和二阶调制模块在均衡算法中的强度调制系数。本申请既能补偿光信号的线性损伤又能补偿非线性损伤。
-
公开(公告)号：CN118277843B
公开(公告)日：2024-08-13
申请号：CN202410713024.5
申请日：2024-06-04
Applicant: 之江实验室
IPC: G06F18/24 , H04L47/2441 , G06F18/213 , G06N3/047 , G06N3/0464 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种多模态网络流量分类方法、装置和存储介质，该方法将多模态网络流量特征分为平稳特征和动态特征；直接对流量数据进行特征提取，得到动态特征；使用训练样本集对所构建的神经网络模型进行训练，获取其最优模型参数；采用神经网络模型对流量数据进行特征提取，得到平稳特征；根据平稳特征和动态特征，对贝叶斯分类模型进行训练，获取其最优模型参数；将动态特征送入训练好的贝叶斯分类模型，获取模态分类结果。本发明能够实现多模态网络流量的高效分类，同时提升了弱特征流量的分类精度。
-
公开(公告)号：CN116562218B
公开(公告)日：2024-02-20
申请号：CN202310493297.9
申请日：2023-05-05
Applicant: 之江实验室
IPC: G06F30/392 , G06F17/16 , G06N3/0464 , G06N3/092
Abstract: 一种基于强化学习实现矩形宏单元的布图规划方法，包含：根据公开数据集ispd2005整理宏单元和标准单元信息；用GCN对宏单元编码；将宏单元按照面积从大到小排序，将排好顺序的宏单元信息和宏单元编码作为双线性模型的输入，提取环境特征；根据宏单元大小计算掩模矩阵确定当前宏单元可摆放的范围；将环境特征作为强化学习策略网络的输入，策略网络输出宏单元摆放位置的概率；根据策略网络的输出和掩模矩阵确定宏单元的位置；奖励函数设为总线长、拥塞程度和布局密度的加权和。还包括一种基于强化学习实现矩形宏单元的布图规划系统。本发明在满足宏单元互相不相交的约束条件下，为用强化学习求解不同大小的矩形宏单元的布图规划问题提供了一种解决方案。
-
Patent Agency Ranking
公开(公告)号：CN117040489B
公开(公告)日：2024-02-13
申请号：CN202311298602.5
申请日：2023-10-09
Applicant: 之江实验室
IPC: H03H21/00
Abstract: 本发明公开了一种稀疏约束的样条自适应滤波器，采用基于最小平均p范数的样条自适应滤波器估计未知系统，并对样条自适应滤波器的权重向量进行稀疏性约束，以及在迭代过程中对步长因子进行自适应控制。本发明提出的稀疏约束的样条自适应滤波器，实现简单，复杂度低，能够较好地对非线性系统进行稀疏表征，并对非高斯噪声具有很强的鲁棒性，且有效的平衡了收敛速度和稳态误差，提升了滤波器的跟踪能力。
-
公开(公告)号：CN117032936B
公开(公告)日：2024-02-06
申请号：CN202311267177.3
申请日：2023-09-28
Applicant: 之江实验室
IPC: G06F9/48 , G06F9/50 , G06F18/214 , G06N3/006
Abstract: 本申请涉及一种数据调度方法、装置和计算机设备。所述方法包括：对TPU上的数据进行分块，将加载时间和卸载时间均相同的数据划分为同一数据块；基于数据块所对应的加载时间和卸载时间，得到数据调度模型的初始参数；基于每块TPU存储量的大小，得到数据块占用TPU数量的时间分布；根据数据块占用TPU数量的时间分布，计算资源消耗量；利用粒子群优化算法，对初始数据调度模型的参数进行优化训练，直至按照训练后的数据调度模型进行数据调度的资源消耗量，达到按照预设的最少的TPU数量计算得到的资源消耗量时，停止训练，得到完备数据调度模型；基于完备数据调度模型，对TPU上的数据块进行数据调度。采用本方法能够解决计算机的计算
-
公开(公告)号：CN116991429B
公开(公告)日：2024-01-16
申请号：CN202311266395.5
申请日：2023-09-28
Applicant: 之江实验室
IPC: G06F8/41 , G06F18/214
Abstract: 本申请涉及一种计算机程序的编译调优方法、装置和存储介质，其中，该编译调优方法包括：选择样本硬件集合和样本程序集合并为每个样本程序随机生成优化序列，对每种样本程序与优化序列的组合进行编译、特征抽取以及运行，得到训练数据集，基于训练数据集对预设的多任务学习模型进行训练，得到预训练模型，基于预训练模型进行成本函数模型的初始化，得到目标成本函数模型，利用该目标成本函数模型对目标源程序进行调优，得到目标源程序的最优优化序列。通过本申请，解决了相关技术中计算机程序编译调优效率低下的问题，提高了计算机程序的编译调优效率。
-
公开(公告)号：CN116996397B
公开(公告)日：2024-01-09
申请号：CN202311263633.7
申请日：2023-09-27
Applicant: 之江实验室
IPC: H04L41/14 , H04L41/147 , H04L41/16 , H04L43/0829 , H04L45/02 , H04L45/12
Abstract: 本说明书公开了一种网络丢包优化的方法、装置、存储介质及电子设备。本说明书实施例在网络丢包优化的过程中，可以首先通过样本数据以及样本数据对应的真实网络丢包数据来训练待训练的图神经网络模型，之后，可以将训练后图神经网络模型部署到所述多模态网络中，使得可以根据训练后图神经网络模型输出的各个预设路由路径下的预测网络丢包数据以及多模态网络在当前的路由路径下的实际网络丢包数据，确定最佳路由路径，以实现降低多模态网络在数据传输过程中的丢包率。
-
公开(公告)号：CN116777010B
公开(公告)日：2023-12-19
申请号：CN202311080508.2
申请日：2023-08-25
Applicant: 之江实验室
IPC: G06N20/00
Abstract: 本说明书公开了一种模型训练的方法以及任务执行方法及装置，可以将获取到的在指定空间中混合物态在第一时刻下的各物理场数据输入到预测模型中，来训练该预测模型，这样一来，在将训练后的预测模型应用到实际任务执行的过程中时，相比于现有技术并不需要耗费过多的时间来一步步推导出下一时刻的指定空间中混合物态在第二时刻下的各物理场数据，这样不仅提高了预测物理场数据的效率，而且由于在训练阶段，是以混合物态在第一时刻和第二时刻前后之间的质量分布符合质量约束为条件，对预测模型进行训练，所以可以保证预测模型在实际应用中所预测出的物理场数据的准确性。(56)对比文件Shuai Wang et al..Multi-scalenumerical simulation of fluidized beds:Model applicability assessment.《Particuology 80》.2022,11-41.
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.03 seconds)
