-
公开(公告)号：CN119505925A
公开(公告)日：2025-02-25
申请号：CN202411689900.1
申请日：2024-11-25
Applicant: 江苏金道新材料科技有限公司 , 东南大学
IPC: C09K17/40 , C09K103/00
Abstract: 一种专用于磷石膏固化的土壤改良固化剂及应用，属于土壤改良技术领域，该土壤改良固化剂按照总质量份数100份计包含以下组分：胶粘剂60‑70份；稀释剂10‑15份；偶联剂2‑3份；增韧剂1‑2份；消泡剂0.1‑0.5份；乳化剂1‑2份；减水剂1‑2份；余量为去离子水；所述土壤固化剂为可以形成交联网络结构的有机高分子类复合土壤固化剂。本发明的土壤固化剂具有低污染，固化土性能好，应用场景丰富，分散效果好等特点，并且，固化剂中消泡剂可有效消除土壤固化中产生的气泡，从而避免固化土气孔多，增强土体粘结及固化效果；该固化剂特别适用于含水率高、粒径较大的土体。
-
公开(公告)号：CN108509723A
公开(公告)日：2018-09-07
申请号：CN201810283273.X
申请日：2018-04-02
Applicant: 东南大学
Abstract: 本发明公开了一种基于人工神经网络的LRU Cache预取机制性能收益评估方法，选取神经网络训练参数拟合预取机制引入前的访存堆栈距离分布与预取机制引入后的Cache访问缺失次数，构建神经网络模型；计算目标程序的目标堆栈距离分布；将计算得到的目标堆栈距离分布导入构建的神经网络模型，预测不同目标程序在当前预取机制下的Cache访问缺失次数；利用堆栈距离分布计算预取机制引入前的Cache访问缺失次数，将预测的当前预取机制下的Cache访问缺失次数与预取机制引入前的Cache访问缺失次数进行对比，评估预取机制性能收益。可大幅提升Cache预取机制性能收益的预测速度。
-
Patent Agency Ranking
公开(公告)号：CN108519906B
公开(公告)日：2022-03-22
申请号：CN201810229640.8
申请日：2018-03-20
Applicant: 东南大学
IPC: G06F9/455
Abstract: 本发明公开了一种超标量乱序处理器稳定状态指令吞吐率建模方法，获取每个统计阶段与稳态平均吞吐率相关的微架构无关参数，所述微架构无关参数至少包括依赖链路延迟分布；利用聚类算法进行分类，选取得到神经网络的训练集；将所选取的神经网络的训练集中的微架构无关参数作为神经网络的输入，将通过时序精确仿真获得对应训练集的线程稳态指令吞吐率作为神经网络的输出，对神经网络的输入和输出进行拟合，通过调节神经网络的迭代次数、网络拓扑结构、传递函数以及预设训练精度，训练得到给定硬件的稳态指令吞吐率神经网络模型。根据指令依赖链路延迟分布的微架构无关的特征，可以快速准确地预测给定微架构的超标量乱序处理器稳态下的指令吞吐率。
-
公开(公告)号：CN108509723B
公开(公告)日：2022-05-03
申请号：CN201810283273.X
申请日：2018-04-02
Applicant: 东南大学
IPC: G06F30/392 , G06F30/398 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于人工神经网络的LRU Cache预取机制性能收益评估方法，选取神经网络训练参数拟合预取机制引入前的访存堆栈距离分布与预取机制引入后的Cache访问缺失次数，构建神经网络模型；计算目标程序的目标堆栈距离分布；将计算得到的目标堆栈距离分布导入构建的神经网络模型，预测不同目标程序在当前预取机制下的Cache访问缺失次数；利用堆栈距离分布计算预取机制引入前的Cache访问缺失次数，将预测的当前预取机制下的Cache访问缺失次数与预取机制引入前的Cache访问缺失次数进行对比，评估预取机制性能收益。可大幅提升Cache预取机制性能收益的预测速度。
-
公开(公告)号：CN108762811B
公开(公告)日：2022-03-22
申请号：CN201810283802.6
申请日：2018-04-02
Applicant: 东南大学
IPC: G06F30/33 , G06K9/62 , G06F117/08
Abstract: 本发明公开了一种基于聚类获取应用程序乱序访存行为模式的方法，对应用程序的乱序执行流进行重排序，得到访存顺序执行流，分别提取顺序执行流堆栈距离分布和乱序执行流堆栈距离分布；计算每个线程的顺序执行流堆栈距离分布和乱序执行流堆栈距离分布的堆栈距离分布变化百分比；对所有线程的堆栈距离分布变化百分比进行聚类；根据聚类结果，从每一类中选出距离质心最近的线程的程序片段。使用该方法获得的访存行为模式可以作为一个程序内部指令乱序的最小变化单位，提供更细粒度的乱序行为分析。
-
公开(公告)号：CN108762811A
公开(公告)日：2018-11-06
申请号：CN201810283802.6
申请日：2018-04-02
Applicant: 东南大学
CPC classification number: G06F9/3836 , G06K9/6223
Abstract: 本发明公开了一种基于聚类获取应用程序乱序访存行为模式的方法，对应用程序的乱序执行流进行重排序，得到访存顺序执行流，分别提取顺序执行流堆栈距离分布和乱序执行流堆栈距离分布；计算每个线程的顺序执行流堆栈距离分布和乱序执行流堆栈距离分布的堆栈距离分布变化百分比；对所有线程的堆栈距离分布变化百分比进行聚类；根据聚类结果，从每一类中选出距离质心最近的线程的程序片段。使用该方法获得的访存行为模式可以作为一个程序内部指令乱序的最小变化单位，提供更细粒度的乱序行为分析。
-
公开(公告)号：CN108519906A
公开(公告)日：2018-09-11
申请号：CN201810229640.8
申请日：2018-03-20
Applicant: 东南大学
IPC: G06F9/455
Abstract: 本发明公开了一种超标量乱序处理器稳定状态指令吞吐率建模方法，获取每个统计阶段与稳态平均吞吐率相关的微架构无关参数，所述微架构无关参数至少包括依赖链路延迟分布；利用聚类算法进行分类，选取得到神经网络的训练集；将所选取的神经网络的训练集中的微架构无关参数作为神经网络的输入，将通过时序精确仿真获得对应训练集的线程稳态指令吞吐率作为神经网络的输出，对神经网络的输入和输出进行拟合，通过调节神经网络的迭代次数、网络拓扑结构、传递函数以及预设训练精度，训练得到给定硬件的稳态指令吞吐率神经网络模型。根据指令依赖链路延迟分布的微架构无关的特征，可以快速准确地预测给定微架构的超标量乱序处理器稳态下的指令吞吐率。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
