-
公开(公告)号：CN110516799A
公开(公告)日：2019-11-29
申请号：CN201910760143.5
申请日：2019-08-16
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种数据处理系统、方法及介质，包括卷积运算模块，卷积运算模块包括第一寄存器组、第二寄存器组以及与第一寄存器组和第二寄存器组连接的运算器；第一寄存器组用于获取待处理数据中的本轮待卷积数据，将获取到的本轮待卷积数据传输至运算器，并且在运算器进行本轮卷积运算的过程中，如果待处理数据还未处理完毕，则获取待处理数据中的下一轮待卷积数据并传输至运算器；第二寄存器组用于获取卷积核数据，并将当前获取到的卷积核数据传输至运算器；运算器用于获取所述第一寄存器组传输的每轮待卷积数据，以及获取第二寄存器组传输的卷积核数据，并对获取到的每轮待卷积数据和卷积核数据分别进行卷积运算，以得到相应的卷积运算结果。
-
公开(公告)号：CN104636493A
公开(公告)日：2015-05-20
申请号：CN201510095551.5
申请日：2015-03-04
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开一种基于多分类器融合的动态数据分级方法，属于计算机存储技术领域，具体步骤为：①对训练集数据进行数据特征提取，形成初始数据特征集合；②对初始数据特征集合，进行数据特征预处理，筛选出最优特征子集；③对最优特征子集，进行多分类器训练，得出不同分类模型；④将不同分类模型经分类器融合形成动态数据分级模型，利用动态数据分级模型对动态数据进行分级；本发明的方法提高复杂应用环境中数据分级的准确性,更合理的表述多应用多类型数据的存储层次,在提高数据分级的准确性的同时，进一步提升存储性能。
-
公开(公告)号：CN104408069A
公开(公告)日：2015-03-11
申请号：CN201410595480.0
申请日：2014-10-30
Applicant: 浪潮电子信息产业股份有限公司
CPC classification number: G06F17/30174 , G06F17/30218
Abstract: 本发明公开了一种基于布隆过滤器思想的一致性目录设计方法，属于布隆过滤器技术领域，本发明所述的方法使用布隆过滤器思想设计目录项的共享列表，对于具有n个处理器的系统，目录项的共享列表向量压缩为m位，通过多个Hash运算的方式实现N个处理器到M位的共享列表位向量的映射，其中N>M；当directorycache收到某个处理器的请求需要向其它具有目标cache行副本的处理器发送消息时，执行多次hash运算，仅当所有Hash运算结果指示的共享列表的对应位均被置位时，才向对应的处理器发送同步消息。本发明能够显著减小目录中用于记录Cache行共享信息的位向量的长度，降低目录项开销，提升目录空间的利用效率。
-
公开(公告)号：CN114020454B
公开(公告)日：2025-05-13
申请号：CN202111257276.4
申请日：2021-10-27
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种内存管理方法、装置、设备及介质，包括：对异构加速计算系统的主机端的内存和各AI加速器设备的板载内存分别进行切片处理，得到相应的内存切片空间；从全部所述内存切片空间中确定出公共内存切片空间；对全部所述公共内存切片空间进行统一地址空间编址，得到相应的编址空间；在执行人工智能算法计算任务时，将人工智能算法模型部署于所述编址空间，以便各处理器访问所述编址空间中相应的公共内存切片空间，完成所述人工智能算法计算任务。能够突破AI异构加速设备间的内存物理隔离限制，提高异构加速计算系统的计算资源和内存资源利用效率。
-
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：CN117115626B
公开(公告)日：2025-03-21
申请号：CN202310452166.6
申请日：2023-04-21
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V20/00 , G06V10/26 , G06V10/44 , G06V10/74 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/084
Abstract: 本申请公开了一种协同显著性物体检测方法、系统、电子设备及存储介质，所属的技术领域为图像处理技术。所述协同显著性物体检测方法包括：对第一图像组和第二图像组中的图像进行图像块划分，得到#imgabs0#和#imgabs1#利用T2T结构对#imgabs2#和#imgabs3#进行降维处理并融合局部信息，得到#imgabs4#和#imgabs5#在#imgabs6#和#imgabs7#中分别插入对应的类别图元，并利用Transformer结构对#imgabs8#和#imgabs9#进行特征融合操作、深度特征提取操作和全局信息融合操作；去除深层次融合特征中的类别图元，得到#imgabs10#和#imgabs11#利用相似度损失和第一交叉熵损失调整所述双分支协同显著性检测模型的模型参数；利用双分支协同显著性检测模型检测协同显著性物体。本申请能够提高对协同显著性物体的检测精度。
-
公开(公告)号：CN114140508B
公开(公告)日：2025-03-18
申请号：CN202111425752.9
申请日：2021-11-26
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06T7/55
Abstract: 本申请公开了一种三维重建模型生成的方法、系统、设备及可读存储介质，所述方法包括：计算每个空间单元到第一三维重建模型表面的当前符号距离函数值；将每个当前符号距离函数值与空间单元的初始符号距离函数值进行分方向分解及分方向加权融合，并将初始符号距离函数值更新为得到的融合结果；判断当前数据帧是否为最后一帧；若是，则根据每个初始符号距离函数值建立第二三维重建模型。本申请把当前符号距离函数值与初始符号距离函数值进行分解及加权融合，实现了对重建过程数据更准确的记录和表达，解决了重建过程数据记录的精准性问题，解决了数据融合过程造成的重建结果细节被平滑的问题，更好地保留重建几何细节，提高了三维重建模型的精确性。
-
公开(公告)号：CN117877125B
公开(公告)日：2024-06-07
申请号：CN202410270243.0
申请日：2024-03-11
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种动作识别及其模型训练方法、装置、电子设备、存储介质，应用于视频理解技术领域。其中，方法包括将具有动作标签和音频数据的视频样本输入动作识别模型，提取视频样本的视觉特征、文本语义特征及音频特征，对视觉特征、音频特征进行视觉交互和视听交互，并为文本语义特征添加交互特征，得到多模态动作标签特征；根据视觉交互特征、视听交互特征、音频特征与多模态动作标签特征之间的损失，对动作识别模型进行迭代更新。本发明可以解决相关技术精细动作识别差且动作识别任务收敛慢的问题，能够使得动作识别模型更全面地理解和描述精细动作特征，提高动作识别的性能和鲁棒性，还能增强模型扩展性和灵活性。
-
公开(公告)号：CN117807995B
公开(公告)日：2024-06-04
申请号：CN202410224873.4
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种情绪引导的摘要生成方法、系统、装置及介质，涉及人工智能技术领域，用于解决当前生成的摘要不包含情绪信息的问题。该方案利用用户输入的视觉模态信息和目标情绪信息，提取对应的第一视觉特征和目标情绪特征；利用预训练语言模型对第一视觉特征编码得到第一摘要特征；对第一摘要特征及目标情绪特征整合编码得到目标情绪摘要特征；根据目标情绪摘要特征生成与视觉模态信息对应的目标情绪摘要。本发明能够在摘要生成过程中将情绪信息融入到摘要文本中，满足用户对含有情绪信息的摘要的需求，通过结合视觉模态信息和情绪信息，能够提供更丰富、更具情绪色彩的摘要内容，从而满足用户的情绪需求。
-
公开(公告)号：CN117834297B
公开(公告)日：2024-05-28
申请号：CN202410230015.0
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种攻击检测方法、装置、系统、电子设备及可读存储介质，应用于数据安全技术领域。其中，方法应用于边缘计算设备的联邦学习过程中，边缘云服务器基于各边缘计算设备的初始网络模型对目标数据集的推理结果生成有权无向图，基于该有权无向图将边缘计算设备划分为多个数据同性簇，并为之选择簇头。簇头获取属于同一个簇内的边缘计算设备的本地模型参数，基于待检测攻击的攻击特点确定具有攻击特征的边缘计算设备的模型参数更新特征，根据同一簇内各边缘计算设备的本地模型参数确定是否存在攻击设备。本发明可以解决相关技术中无法精准检测攻击导致用户数据无法得到保护的问题，能够有效检测恶意攻击设备，提升用户数据的安全性。
-
-
-
-
-
-
-
-
-
Search Results
275
records
(took 0.037 seconds)
