-
Patent Agency Ranking
公开(公告)号：CN117095756A
公开(公告)日：2023-11-21
申请号：CN202310960615.8
申请日：2023-08-01
Applicant: 中国科学院计算技术研究所
IPC: G16B50/00 , G16B50/10 , G16B20/00 , G06F16/901 , G06F16/903
Abstract: 本发明为一种以基因组位置为索引的生物信息数据库跨库检索方法，包括以下步骤：创建跨库生物信息检索表；对多个现有生物信息数据库的条目进行遍历，获取第一基因数据；对所述第一基因数据按照基因组位置进行统一表述，得到统一表述索引；将所述统一表述索引与所述第一基因数据进行关联，得到第二基因数据；将所述第二基因数据存储到所述跨库生物信息检索表；根据待检索基因组位置在所述跨库生物信息检索表进行关联检索，得到第一检索结果；对所述第一检索结果进行区间运算，得到第二检索结果；根据所述第二检索结果在对应的所述现有生物信息数据库检索，得到待检索基因组位置关联的生物信息数据。
-
公开(公告)号：CN119360125A
公开(公告)日：2025-01-24
申请号：CN202411768569.2
申请日：2024-12-04
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06N5/04
Abstract: 本发明提出一种模型推理时的模型自适应更新方法和装置，包括：数据库存储图像分类模型推理时得到的数据样本，数据样本包括：数据特征及其对应的类别概率；通过将当前数据样本的数据特征和其余数据样本的数据特征间的余弦距离检索得到当前数据样本的邻居，通过对所有邻居的各类别概率进行平均，得到各类别的平均概率，取平均概率最高的类别作为当前数据样本的伪标签；根据数据样本及其对应的伪标签，构建损失函数，以对图像分类模型进行更新训练，使用更新训练后的图像分类模型对待分类图像进行图像分类，得到待分类图像的图像分类结果。与现有模型推理时自适应技术相比，模型调整更精准有效，极大提高了模型在不同场景的推理准确率。
-
公开(公告)号：CN117093948A
公开(公告)日：2023-11-21
申请号：CN202310961130.0
申请日：2023-08-01
Applicant: 中国科学院计算技术研究所
Abstract: 本发明为一种基于多任务级联的多模态医疗数据融合建模方法及装置，包括以下步骤：对多个医疗数据模态进行学习建模，得到多个单模态医疗数据模型；对所述单模态医疗数据模型进行预测空间输出校准；对校准后所述单模态医疗数据模型进行交叉验证评估，得到第一评估数据；对所述第一评估数据制定优先级策略，进行多任务级联，得到第二评估数据；对所述第二评估数据进行多模态融合评估。
-
公开(公告)号：CN118070868A
公开(公告)日：2024-05-24
申请号：CN202410293163.7
申请日：2024-03-14
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于边缘计算架构的模型结构化剪枝方法及装置，该方法包括：根据集群中每一边缘设备的硬件资源信息，对边缘设备进行分组；对于同一组的边缘设备，将神经网络加速器在该边缘设备硬件的实际运行时间与内存资源消耗作为资源约束条件，对该边缘设备上部署的神经网络模型进行剪枝；校准修剪后的神经网络模型。该方法提高了计算设备的硬件处理速度，降低了内存消耗，进而提升了计算机系统的内部性能。
-
公开(公告)号：CN118070868B
公开(公告)日：2025-04-08
申请号：CN202410293163.7
申请日：2024-03-14
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于边缘计算架构的模型结构化剪枝方法及装置，该方法包括：根据集群中每一边缘设备的硬件资源信息，对边缘设备进行分组；对于同一组的边缘设备，将神经网络加速器在该边缘设备硬件的实际运行时间与内存资源消耗作为资源约束条件，对该边缘设备上部署的神经网络模型进行剪枝；校准修剪后的神经网络模型。该方法提高了计算设备的硬件处理速度，降低了内存消耗，进而提升了计算机系统的内部性能。
-
-
-
-
Search Results
5
records
(took 0.032 seconds)
