面向卫星智能决策的高效人工智能算法与系统

    公开(公告)号:CN119416653A

    公开(公告)日:2025-02-11

    申请号:CN202411683552.7

    申请日:2024-11-22

    Abstract: 本发明属于人工智能技术领域,且公开了面向卫星智能决策的高效人工智能算法与系统,包括如下步骤:构建基于DNN模型轻量化的高能效边缘智能框架;使用预设损失函数进行训练,将教师模型的输出作为硬标签,distillation token的输出学习教师模型的网络信息,class token的输出与真实标签进行比较以计算交叉熵损失#imgabs0#,缩小模型尺寸;设计基于异构计算的早退分支模块,利用模型的不确定性评估泛化能力、稳定性和可靠性,本发明在不牺牲模型性能的前提下,为资源有限的边缘设备设计了一个基于DNN模型轻量化的高能效边缘智能框架,该框架采用频域模型GFNet作为骨干网络,因其能学习频域中的长期空间依赖性且计算复杂度低,更加适合边缘设备。

    一种面向自动驾驶全场景感知的多模型推理加速系统及方法

    公开(公告)号:CN116306938A

    公开(公告)日:2023-06-23

    申请号:CN202211603460.4

    申请日:2022-12-13

    Abstract: 本发明提出了一种面向自动驾驶全场景感知的多模型推理加速系统及方法,将自动驾驶全场景感知中的多个DNN模型转换为基于有向无环图DAG的计算图,设计一个调度框架POS,并采用深度强化学习DRL方法得到最优的POS调度策略,构建基于最大熵深度强化学习的算子调度算法以选择最佳并行策略,完成自动驾驶全场景的感知;本发明与最先进的深度学习推理框架和特定调度方法相比,POS可以始终实现1.2倍~3.9倍的推理加速以及28%~55%的GPU利用率提升。此外,最优调度的搜索开销比基线缩短了1.2倍~2.9倍。

Patent Agency Ranking