-
公开(公告)号：CN114594929A
公开(公告)日：2022-06-07
申请号：CN202210103618.5
申请日：2022-01-27
Abstract: 本发明提供了一种基于TrustZone的Solidity语言智能合约可信执行引擎，包括解释器、指令集、数据段和预取数据段，所述解释器分别与所述指令集、数据段和预取数据段连接，所述数据段与预取数据段连接，所述解释器，用于从合约字节码中取出指令，并进行指令的解释和执行，所述指令集描述了指令的操作码到功能函数的映射，所述数据段，用于存储智能合约执行过程中的中间数据，所述预取数据段，用于存储智能合约执行过程中用到的合约字节码、交易参数、函数输入参数和合约持久化存储数据。本发明为Solidity语言智能合约字节码提供正确的解释执行功能，并根据TrustZone执行机制提供执行效率和内存消耗的优化。
-
公开(公告)号：CN115512388A
公开(公告)日：2022-12-23
申请号：CN202211154963.8
申请日：2022-09-21
Applicant: 天津市中西医结合医院(天津市南开医院) , 南开大学
Abstract: 本发明提供了一种口腔图像快速识别的网络模型，利用扩充后的改建的ODSI DB数据集对以FBNetV3G为骨干网络、以FPN为特征提取工具的Mask R CNN结构的网络模型进行训练得到FFM网络模型，能够同时做到目标检测和实例分割两种任务，满足口腔图像的识别和分割要求。以及一种口腔图像快速识别的系统，其手机端用于拍摄口腔照片，商用电脑端的Flask后端用于调用口腔图像分析模块分析口腔照片，并将口腔照片分析结果传输给HTML前端进行展示，口腔图像分析模块为利用PyTorch模型库搭建的FFM网络模型，在商用电脑设备上，获得了理想的的模型精度和APP响应时间。
-
公开(公告)号：CN116630040A
公开(公告)日：2023-08-22
申请号：CN202310594709.8
申请日：2023-05-25
Applicant: 南开大学
Abstract: 本发明提供了一种基于细粒度读写分析的智能合约交易快速执行方法，于区块链技术领域，包括以下步骤：合约编译：在编译器中对智能合约进行编译，分析出智能合约中的每个函数中对状态变量进行的读写，合并读写项；以增量形式进行的热点状态读写识别为DWrite，处于低概率分支中的Read、Write、ReadWrite分别识别为LPRead、LPWrite和ReadLPWrite；交易分组；交易执行；判断是否执行冲突交易重执行：找出存在读写冲突的冲突交易，让针对某个状态变量进行修改操作的最早一笔交易生效，其余交易则在重新分组后重新执行。本发明将静态分析与动态执行相结合，提升交易执行并行度。
-
公开(公告)号：CN116225452A
公开(公告)日：2023-06-06
申请号：CN202310227947.5
申请日：2023-03-10
Applicant: 南开大学
Abstract: 本发明提供了一种基于多层级中介码的图神经网络编译优化方法，属于图神经网络技术领域，包括以下步骤：步骤1：对图神经网络模型进行预处理，然后训练模型；步骤2：将训练后的图神经网络模型转换为ONNX格式；步骤3：使用ONNX‑MLIR前端把ONNX格式的图神经网络模型转换为IR；步骤4：进行IR编译优化；步骤5：生成可执行程序。本发明利用MLIR对GNNs模型在不同层级的中介码进行细粒度优化，并提高GNNs模型代码在不同硬件平台上的可移植性。
-
公开(公告)号：CN114881148A
公开(公告)日：2022-08-09
申请号：CN202210507772.9
申请日：2022-05-11
Applicant: 南开大学
Abstract: 本发明提供了一种基于特征重路由的多分类器优化方法，包括以下步骤：S1：构建MCN模型；S2：对于骨干网的每一层权值wi和输出的特征fi按比例参数τi拆分成；S3：MCN模型的前向传播Forward与反向传播Backward为：πi(·)表示该分类器的输出；表示被多个分类器共享的权值wi对应的多个分类器对其梯度的总和。本发明通过分拆多分类器共享的特征值来减少各个分类器的共享权值数量，从而避免学习冲突，同时通过复用不同分类器学习到的不同尺度的特征，提升MCN的性能；此外，基于特征重路由，MCN在训练过程中还可以降低反向传播计算复杂度，从而加速MCN的训练。
-
Patent Agency Ranking
公开(公告)号：CN111768002B
公开(公告)日：2021-06-22
申请号：CN202010661226.1
申请日：2020-07-10
Applicant: 南开大学
Abstract: 本发明提供了一种基于弹性有效位的深度神经网络量化方法，将定点数或者浮点数量化为具有弹性有效位数的量化值，丢弃多余的尾数部分，并采用可行求解的方式来定量评价量化值与原始数据的分布差异。本发明具有弹性有效位的量化值，通过不同的有效位，量化值的分布可以覆盖从长尾到均匀的一系列钟形分布，适应DNNs的权值/激活分布，从而保证低的精度损失；乘法计算在硬件上可以由多次的移位加法实现，提升量化模型的整体效率；分布差异函数定量地估计不同量化方案带来的量化损失，可以在不同的条件下选择最优的量化方案，实现更低的量化损失，提升量化模型的精度。
-
公开(公告)号：CN116052048A
公开(公告)日：2023-05-02
申请号：CN202310043321.9
申请日：2023-01-29
Applicant: 南开大学
IPC: G06V20/40 , G06V10/80 , G06V10/774 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种多模态推理与迭代优化视频描述生成方法，包括以下步骤：根据采样后的视频帧得到目标特征、外观特征和运动特征；三个特征和上下文引导特征G计算得到三种单词的推理特征；选择其中一个作为基础解码器的一项输入内容；基础解码器输出的隐藏状态作为迭代器的一项输入内容；计算描述单词的概率分布；生成描述语句。以及视频描述生成模型，包括编码器部分和解码器部分，所述解码器部分包括依次连接的基础解码器和迭代器，基础解码器和迭代器由LSTM网络构成。本发明的完全动态的上下文引导特征与迭代器确实极大地提升了描述语句的质量，模型能够为视频数据生成更加准确、更加细致、更加全面且更具表达力的描述语句。
-
公开(公告)号：CN115730648A
公开(公告)日：2023-03-03
申请号：CN202211473669.3
申请日：2022-11-22
Applicant: 南开大学
IPC: G06N3/063 , G06N3/0442 , G06N3/0495 , G06N3/048 , G06N3/082 , G06N3/084 , G06N5/04
Abstract: 本发明提供了一种低位宽量化压缩的LSTM加速器，包括存储模块、矩阵向量乘计算模块、激活函数模块和点乘操作模块，所述存储模块分别与所述矩阵向量乘计算模块、激活函数模块、点乘操作模块连接，所述矩阵向量乘计算模块、激活函数模块、点乘操作模块依次连接；所述矩阵向量乘计算模块用于进行权值矩阵与输入数据或前一个时刻的输出值的矩阵向量乘计算，再加上偏置向量；权值矩阵、输入数据和前一个时刻的输出值由32位浮点数量化为8位整数，在所述矩阵向量乘计算模块进行计算，所述矩阵向量乘计算模块的计算结果反量化为32位浮点数。本发明在保证模型精度低损的前提下，降低了功耗，大幅度减少了推理延迟时间。
-
公开(公告)号：CN119445127B
公开(公告)日：2025-05-02
申请号：CN202510033307.X
申请日：2025-01-09
Applicant: 南开大学
IPC: G06V10/28 , G06N3/0455 , G06N3/084 , G06V10/82
Abstract: 本发明涉及人工智能技术领域，具体公开了一种用于ViTs的逐图像块后训练量化方法及系统，方法包括：获取全精度Vision transformer预训练模型、校准数据和量化器；将预训练模型中的全部模块替换为对应的量化模块，得到待量化的ViTs模型，所述量化模块中包括激活值和权重的量化器，所述激活值采用逐图像块均匀量化器；利用所述校准数据，计算得到各量化器的缩放因子和零点偏移的初始值；利用校准数据和预训练模型，对缩放因子进行迭代优化，得到量化后的ViTs模型。本发明允许每个图像块享有独立的量化参数，极大提升了量化分辨率并且使量化的激活值具有更强的表征能力。
-
公开(公告)号：CN113176977B
公开(公告)日：2024-10-18
申请号：CN202110464020.4
申请日：2021-04-27
Abstract: 本发明提供了一种构建物联网工作流的交错日志分析方法，包括以下步骤：日志文件中，在每个日志条目后设置长度为N的窗口，窗口覆盖日志条目后方相邻的N个后继日志条目；窗口的N值人为确定；计算在前日志条目与其后窗口中的每个后继日志条目之间的依赖值；设定过滤阈值，若联合依赖值大于过滤阈值，则对应后继日志条目为在前日志条目的真实后继条目。本发明在交错日志中构建工作流模型时避免了日志中标识信息的使用，具有广泛的适用性，同时解决了由日志交错带来的上下文丢失和噪声问题。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.021 seconds)
