-
Patent Agency Ranking
公开(公告)号：CN111031022A
公开(公告)日：2020-04-17
申请号：CN201911234895.4
申请日：2019-12-05
Applicant: 安徽大学
Abstract: 本申请提供了一种基于Slurm的资源管理调度方法、装置、电子设备及存储介质。调度方法包括：对节点的访问进行限制：根据IP地址的类型确定是否允许IP地址访问对应的节点，以及根据用户的类型确定是否允许用户访问对应的节点；对用户在登录节点使用的资源进行限制：根据用户在登录节点使用的CPU资源和预设的CPU资源阈值，确定是否进行CPU限制；对计算节点的登录进行限制：根据用户提交作业的情况，确定是否允许用户登录到计算节点；对计算节点中的非作业用户的大计算进程进行查杀；对GPU计算节点中的非GPU作业进行取消。上述方法实现了资源的智能化和自动化的监管和调度。
-
公开(公告)号：CN111291715A
公开(公告)日：2020-06-16
申请号：CN202010126447.9
申请日：2020-02-28
Abstract: 本公开实施例中提供了基于多尺度卷积神经网络的车型识别方法、电子设备及存储介质，属于车辆识别技术领域，所述多尺度卷积神经网络包括：卷积层、池化层、全局平均池化层、SoftMax分类器；所述卷积层对输入的数据进行特征提取；所述池化层对卷积层计算得到的结果进行尺度缩小；所述SoftMax分类器用于根据全局平均池化层输出的结果对图像进行分类。通过本公开的方案，通过多尺度卷积可以快速提取特征，使得采用本方法进行车辆的车型识别具有较高的识别精度，同时具有较快的识别速度。并且基于本发明的多尺度卷积神经网络能够减少训练算法的参数量从而有效防止过拟合，提高了算法的泛化能力。
-
公开(公告)号：CN111291715B
公开(公告)日：2023-03-10
申请号：CN202010126447.9
申请日：2020-02-28
IPC: G06V20/56 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本公开实施例中提供了基于多尺度卷积神经网络的车型识别方法、电子设备及存储介质，属于车辆识别技术领域，所述多尺度卷积神经网络包括：卷积层、池化层、全局平均池化层、SoftMax分类器；所述卷积层对输入的数据进行特征提取；所述池化层对卷积层计算得到的结果进行尺度缩小；所述SoftMax分类器用于根据全局平均池化层输出的结果对图像进行分类。通过本公开的方案，通过多尺度卷积可以快速提取特征，使得采用本方法进行车辆的车型识别具有较高的识别精度，同时具有较快的识别速度。并且基于本发明的多尺度卷积神经网络能够减少训练算法的参数量从而有效防止过拟合，提高了算法的泛化能力。
-
公开(公告)号：CN105719680A
公开(公告)日：2016-06-29
申请号：CN201610013976.1
申请日：2016-01-11
Applicant: 安徽大学
IPC: G11C7/06
CPC classification number: G11C7/062
Abstract: 本发明公开了一种新型高速自启动型灵敏放大器电路，包括：触发电路模块与放大电路模块。其中：触发电路模块跟踪位线电压摆动从而产生放大电路模块的开启信号SAE。其中SAE信号时序不会受存储单元工艺偏差的影响，放大模块的开启时机更加准确。本发明提供的电路传统自启动灵敏放大器相比，不仅能够明显减小SAE信号延迟，同时不会增加芯片的面积，且提高芯片运行速度。
-
-
-
Search Results
5
records
(took 0.016 seconds)
