-
公开(公告)号：CN117197665A
公开(公告)日：2023-12-08
申请号：CN202311137313.7
申请日：2023-09-05
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/58 , G06V10/774 , G06V10/80 , G06V10/77 , G06V10/40 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于低秩和稀疏先验约束自编码器的高光谱异常检测方法，主要解决现有检测方案在复杂应用场景下检测效果不佳的问题。包括：1)构建两个共享编码器的自编码器；2)建立目标函数，将高光谱图像分解成低秩成分、稀疏成分和残差成分；3)利用低秩成分和稀疏成分作为标签，分别计算两个自编码器的重构损失；4)将高光谱图像分解和自编码器训练整合到统一框架，以端到端方式联合优化；5)利用RX检测器对重构结果处理并进行融合，得到最终检测结果。本发明通过结合基于线性的低秩和稀疏模型与基于非线性的自编码器的优势，并以端到端的方式进行联合优化，避免模型陷入局部最优，有效提升了高光谱异常检测性能。
-
公开(公告)号：CN116580280A
公开(公告)日：2023-08-11
申请号：CN202310584948.5
申请日：2023-05-23
Applicant: 西安电子科技大学
IPC: G06V10/82 , G06N3/0464 , G06N3/084 , G06V10/80 , G06V10/40 , G06V10/774 , G06V10/74
Abstract: 本发明公开了一种改进的YOLOv5目标检测系统及方法，主要解决现有检测算法在网络参数量和检测精度之间难以兼顾的问题。包括：依次级联的输入模块、主干单元、特征融合单元以及输出模块；外部数据首先进入输入模块，经处理后传输给主干单元，该单元包括扩张卷积模块和三层连续扩张卷积模块，均是在YOLOv5网络中引入扩张卷积后形成，用于提取不同尺度的特征图，并将其传送给特征融合单元，该单元采用特征金字塔FPN加上路径聚合网络PAN的结构对主干单元中获取的不同尺度的特征图进行融合处理；最后通过输出模块对融合后特征进行目标预测，输出检测结果。本发明能够在不增加检测模型参数量和计算量的同时，有效提升检测精度。
-
公开(公告)号：CN116187416A
公开(公告)日：2023-05-30
申请号：CN202310174590.9
申请日：2023-02-28
Applicant: 电子科技大学重庆微电子产业技术研究院
IPC: G06N3/082 , G06N3/0464 , G06V10/94
Abstract: 本发明涉及神经网络技术，特别涉及一种基于层剪枝灵敏度的迭代式重训练方法及一种图像处理器，方法包括初始化初始阈值和阈值增量；根据权重矩阵的绝对值之和及权重矩阵的深度计算缩放因子；利用缩放因子更新初始阈值和阈值增量，获取当前权值矩阵在进行重训练之前的输入和输出作为训练数据；根据初始阈值、阈值增量及精度因子计算剪枝阈值；根据剪枝阈值对权值矩阵进行剪枝，通过训练数据对剪枝后的权值矩阵进行重训练；判断剪枝后权值矩阵的误差是否在设定范围内，若在则令剪枝精度因子自加1；若精度不达标则判断是否还有其他矩阵需要进行剪枝操作，若有则切换到到剪枝的权值矩阵；本发明相较于现有方法计算各层权重矩阵的灵敏度的速度更快。
-
公开(公告)号：CN116089060A
公开(公告)日：2023-05-09
申请号：CN202211488523.6
申请日：2022-11-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F9/50
Abstract: 本发明属于内存功耗预测技术领域，公开了一种基于3D‑NUMA架构的内存功耗预测方法。本发明进行内存功耗预测时，考虑了计算机架构的现今情况以及未来的发展趋势，基于3D‑NUMA架构提出了一种内存功耗预测方法。以memory bank的访问率为输入，memory bank的功耗为输出，在二者之间建立memory bank的功率模型。基于NUMA的Non‑Uniform Access(非一致性访问)，根据core访问不同距离的memory bank时，其访问延迟不同的特性，可以依据其访问延迟以及memory bank和core的电压和频率来修正得到新的访问率，进而通过功率模型来预测新的memory bank的功耗。
-
公开(公告)号：CN115794584A
公开(公告)日：2023-03-14
申请号：CN202211487635.X
申请日：2022-11-24
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F11/34 , G06F11/30 , G06N3/0455 , G06N3/047 , G06N3/08
Abstract: 本发明属于芯片温度预测领域，公开了一种基于Transformer的芯片全片温度分布预测方法、系统及介质，包括时序信息编码模块、Transformer神经网络训练模块、模型准确性验证模块；时序信息编码模块用于获取所述性能计数和温度传感器温度数据，并对其时序数据和位置信息进行编码；Transformer神经网络训练模块用于根据输入序列对未来芯片温度进行预测；模型准确性验证模块用于对预测结果和温度仿真器的仿真结果进行比较，符合预期则输出温度分布预测模型，反之则调整训练参数重新训练。本发明既能对芯片全片温度进行预测，并给出芯片未来指定时刻对温度分布，又能辅助动态温度管理在芯片未达到温度阈值时主动进行温度控制，减少因超温而被迫降低工作频率的性能损失。
-
Patent Agency Ranking
公开(公告)号：CN115719303A
公开(公告)日：2023-02-28
申请号：CN202211486574.5
申请日：2022-11-24
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T1/40 , G06N3/0475 , G06N3/082 , G06V10/77 , G06V10/82
Abstract: 本发明属于GPU热稳定性领域，公开了一种基于GAN网络的GPU全片温度分布估计方法，数据集的构建；GAN网络结构构建；模型训练与优化，最终需要达到生成模型速度和网络精度的平衡，为后续热管理过程提供实时可靠的芯片温度分布数据。本发明具有所提出的GPU温度分布估计方法能较好的平衡精度和速度，可以在GPU实时系统中运行。
-
公开(公告)号：CN113065229A
公开(公告)日：2021-07-02
申请号：CN202110260579.5
申请日：2021-03-10
Applicant: 电子科技大学
IPC: G06F30/20 , G06F119/08
Abstract: 本发明属于电子设计自动化领域，设计一种众核暗硅芯片的实时功率预算技术。本发明对二维同构众核暗硅芯片进行芯片热建模，相较于传统的芯片模型，这里主要对芯片局部热模型进行使用。本发明设计的技术方案可以有效的在众核芯片系统中快速的进行功率管理，提升芯片性能并保证芯片可靠性。并且发明了一种低计算时间复杂度的选核算法适用于众核芯片系统均匀的开启核心保证芯片的热均匀性。对于功率预算计算过程中，首先分布式对各个开启核心建立了局部热模型，训练了封装瞬态温度的估计模型，然后根据前后开启核心分布匹配最佳封装估计曲线参数，将当前的芯片温度信息输入局部热模型计算出功率预算。最后根据功率模型，匹配核心电压以及频率。本发明对众核暗硅芯片的实时功率预算技术可以对二维同构众核暗硅芯片进行有效的热管理并且充分提高芯片性能。
-
公开(公告)号：CN109379318B
公开(公告)日：2020-11-24
申请号：CN201811367884.9
申请日：2018-11-16
Applicant: 西安电子科技大学
IPC: H04L27/22 , H04L27/233
Abstract: 本发明提出了一种基于CNN和LSTM的DQPSK调制信号解调方法，解决现有DQPSK信号解调方法中调误码率高的技术问题。实现步骤为：获取DQPSK调制信号的采样序列和标记序列；构造CNN并对其进行训练；构造LSTM并对其进行训练；获取训练后的CNN的输出序列；确定采样序列中DQPSK调制信号的每个码元周期对应的采样数据；获取待解调的DQPSK调制信号的解调结果。本发明通过CNN判断DQPSK调制信号码元的边界，能够应对多普勒频移以及采样时钟误差等问题，并使用LSTM直接完成DQPSK调制信号的解调数据的获取，解决了调制信号码元边界不确定带来的解调误码率高的问题。
-
公开(公告)号：CN111883213A
公开(公告)日：2020-11-03
申请号：CN202010738765.0
申请日：2020-07-28
Applicant: 西安电子科技大学 , 中国人民解放军空军工程大学
Abstract: 本发明公开了基于遗传算法优化的BP神经网络的频谱预测方法，涉及频谱预测技术领域，遗传算法GA作为进化算法的一种，可以模仿自然界生物体的遗传进化过程，是一种具有多次迭代过程的搜索算法，从而能够解决一系列最优化问题。本发明参照了自然界中生物体“适者生存，优胜劣汰”的自然选择生存法则，依据某些特定的适应度函数对种群中的各个个体进行遗传中的选择、突变和交叉并进行筛选，那些适应度较好的个体就会被选择以进行利用，而那些适应度较差的个体就被舍弃。经过遗传算法所留下来的个体既拥有了之前所存在的优势，还在此基础上有了更进一步的发展，如反复循环，就会满足所要求的条件。
-
公开(公告)号：CN107424159B
公开(公告)日：2020-02-07
申请号：CN201710630636.8
申请日：2017-07-28
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于超像素边缘和全卷积网络的图像语义分割方法，用于解决现有图像语义分割方法中存在的准确度低的技术问题，实现步骤为：构建训练、测试和验证样本集，训练、测试并验证输出像素级语义标记的全卷积网络，利用已验证的输出像素级语义标记的全卷积网络对待分割图像进行语义分割，获得像素级语义标记，并对待分割图像进行BSLIC超像素分割，利用像素级语义标记对BSLIC超像素进行语义标注，得到融合了超像素边缘和全卷积网络输出的高级语义信息的语义分割结果。本发明既保持了原始全卷积网络分割准确度，又提高了对细小边缘的分割准确度，进而提升了图像分割准确率，可用于分类、识别、跟踪等要求检测目标的场合。
-
-
-
-
-
-
-
-
-
Search Results
187
records
(took 0.037 seconds)
