公开(公告)号：CN119621959A

公开(公告)日：2025-03-14

申请号：CN202411673674.8

申请日：2024-11-21

Applicant: 东南大学

Inventor： 刘波 ,  王檀杰 ,  陈浚纬 ,  曹玖新

IPC: G06F16/34 ,  G06F16/335 ,  G06F16/583 ,  G06F16/35 ,  G06F16/532 ,  G06N3/0455

Abstract: 面向新闻定制的多模态摘要生成方法，首先将图片和文本拿数据输入到基于BART的多模态编码其中，并在编码过程中实现多模态交互，同时，加入图文匹配模块以选出每张图片对应的句子，并在解码器中新增交叉注意力层；之后，构建摘要评分模型，通过计算候选摘要与新闻文本的相似度作为评分，从而选出最优摘要；计算图片对应的句子与最优摘要之间的ROUGE分数作为文本相似分数，结合经过多模态交互后的图片特征得到图文相似分数，得到图片选择概率，选取最高概率的图片为模型选择图片，生成多模态新闻摘要。系统采用B/S架构，使用轻量级Web框架Flask进行搭建，并使用Layui开源框架实现交互界面的搭建。本发明有效提高新闻多模态摘要生成的准确性及丰富性，鲁棒性强。

公开(公告)号：CN119047527A

公开(公告)日：2024-11-29

申请号：CN202411075896.X

申请日：2024-08-07

Applicant: 东南大学

Inventor： 刘波 ,  张扬 ,  李宁远 ,  韦庆文 ,  闫鑫明 ,  徐星宇 ,  蔡浩 ,  杨军

IPC: G06N3/063 ,  G06N3/08 ,  G06N3/047

Abstract: 本发明公开一种基于混合量化精度键值缓存的自注意力机制计算结构，属于计算、推算或计数的技术领域。该计算结构包括：自注意力机制计算模块、输入数据量化模块、混合量化精度的键值缓存模块、n‑m反量化操作模块以及计算差‑加载差匹配模块，在键值缓存中键矩阵采用n量化精度存储，值矩阵采用m量化精度存储。利用键矩阵和值矩阵之间由于Softmax和n‑m反量化操作模块产生的计算周期差，通过计算差‑加载差匹配模块，不断微调匹配键矩阵和值矩阵之间的计算周期差和加载周期差，在n‑m量化精度方案集合中选择最匹配的混合量化精度方案，实现了自注意力机制计算精度和模型压缩的动态调节，具有功耗低，能效高，延时低的技术优势。

公开(公告)号：CN119026477A

公开(公告)日：2024-11-26

申请号：CN202411170593.6

申请日：2024-08-26

Applicant: 东南大学

Inventor： 任闻泽 ,  龚雨昕 ,  曹玖新 ,  刘波 ,  刘丹妮 ,  沈红 ,  包兴 ,  郑杰 ,  赵涵韬

IPC: G06F30/27 ,  G06F30/18 ,  G06F18/10 ,  G06Q50/00 ,  G06F18/22 ,  G06F18/214 ,  G06F18/24 ,  G06F16/951 ,  G06N3/08 ,  G06N5/01

Abstract: 本发明涉及一种基于多因素的跨平台传播模型构建方法，包括S1、采取清洗，整合，标注的方式对模型训练，对计算所需的数据进行预处理；S2、根据已有数据构建跨平台传输网络的原始拓扑；S3、分别针对用户的个人偏好因素，社交关系因素，平台环境因素以及外部影响因素进行建模；S4、依托多因素建模结构训练发文预测模型，对社交网络中的信息传递进行预测；S5、结合两阶段跨域传播算法构建多社交网络的传播网络；S6、依托多因素传播模型对于信息在多平台的传播过程进行仿真。通过本发明可以对多社交网络背景下的信息传播进行仿真，可以支持跨域传播控制策略的具体实施与效果验证，它可以整合不同领域和不同来源的数据，实现更高效的信息传播和服务。

公开(公告)号：CN114496010B

公开(公告)日：2024-11-08

申请号：CN202111650713.9

申请日：2021-12-30

Applicant: 东南大学

Inventor： 邱展蓬 ,  郭亚楠 ,  蔡浩 ,  刘波

IPC: G11C11/02 ,  G11C11/16

Abstract: 本发明公开了一种基于磁性随机存储器(MRAM)的模拟域近存计算阵列结构，包括1晶体管1磁隧道结(1T1M)存储阵列、读写电路、行译码驱动电路、数据输入单元、脉冲产生电路、电流镜积分模块、模数转换器、移位加法电路、时序控制电路以及模式选择模块。该发明具备标准读写模式和近存计算模式。标准读写模式下实现存储阵列中数据的读写操作；近存计算模式下利用1T1M的存储单元，提高MRAM的等效磁阻比(TMR)，在读取数据的同时运用电流积分完成神经网络计算中的多比特乘累计算，同时将计算模块排布在存储阵列附近，既不改变存储阵列，也减少了访存能耗，相比传统的冯诺依曼架构的神经网络加速器，本发明有效提高计算精度和电路能效，且与现有存储结构兼容。

公开(公告)号：CN118446266A

公开(公告)日：2024-08-06

申请号：CN202410614274.3

申请日：2024-05-17

Applicant: 东南大学

Inventor： 刘波 ,  寇辉 ,  邹子涵 ,  章晨 ,  陈诗旷 ,  蔡浩

IPC: G06N3/063 ,  G06N3/048

Abstract: 本发明公开视觉变换器中GELU非线性激活函数近似计算电路，属于计算、推算或计数的技术领域，其功能是用于视觉变换器模型的高斯误差线性单元非线性激活函数的硬件友好优化。该方法以硬件友好为目标对激活值进行GELU计算，通过检测激活值的大小，对小和极大的激活值使用线性函数或分段线性函数近似，而对其它值应用更精确的多项式近似函数以确保模型精度。以硬件友好为原则，整个计算过程以全整型计算的方式进行，在提高能效和面积效率的情况下，以极低的精度损失代价达到较高的硬件收益，适合于在硬件环境上进行部署。

公开(公告)号：CN115033204B

公开(公告)日：2024-07-12

申请号：CN202210564410.3

申请日：2022-05-23

Applicant: 东南大学

Inventor： 刘波 ,  张人元 ,  沈桥 ,  王学涛 ,  徐子航 ,  蔡浩 ,  杨军

IPC: G06F7/523 ,  G06N3/126 ,  G06N3/063

Abstract: 本发明提出一种精度与位宽可重构的高能效近似乘法器，利用引入了惩罚系数的笛卡尔遗传规划方法生成n×n低阶近似乘法器，并将其与n×n精确乘法器结合，拼接成2n×2n高阶近似乘法器。最终近似累加阶段引入近似线以实现精度可重构，并提出近似乘法与近似加法误差互补偿的方案进一步优化精度。电路结构包括使用了笛卡尔遗传规划生成近似乘法器的第一级近似乘法电路和基于低位或门加法器和近似线的第二级加法电路，实现了神经网络应用中高能效、高精度、低延迟、位宽可重构的乘法运算。

公开(公告)号：CN112732224B

公开(公告)日：2024-01-05

申请号：CN202110034058.8

申请日：2021-01-12

Applicant: 东南大学

Inventor： 刘波 ,  张子龙 ,  张人元 ,  蔡浩 ,  龚宇 ,  杨军

IPC: G06F7/544 ,  G06N3/063

Abstract: 本发明公开了一种面向卷积神经网络的可重构近似张量乘加单元，该单元输入一组基于n×n卷积核的16bit输入与8bit权重，并最终输出一个乘加结果。重构后的部分积阵列规模为n×n×17，其中n×n为行数，17为列数。经过扩展符号位后相加得到一个输出，每个部分积阵列得到的输出经过移位，排列后形成新的部分积矩阵，该部分积矩阵累加后的输出即为乘加单元最终的输出结果。优化卷积操作中大量的乘加运算，并实现低功耗、高速度地完成计算任务。

公开(公告)号：CN117251630A

公开(公告)日：2023-12-19

申请号：CN202311169564.3

申请日：2023-09-12

Applicant: 东南大学 ,  南京德容智慧信息科技有限公司

Inventor： 张盛翔 ,  刘波 ,  吴晓庆 ,  朱瑞 ,  曹玖新 ,  刘艳

IPC: G06F16/9535 ,  G06F16/33 ,  G06N3/0499 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提供基于多视角融合的结果多样化搜索方法及系统。该方法首先计算网页文档、子话题的初始表征；然后在全局视角下通过注意力机制学习文档对子话题的注意力关系，计算文档对子话题的覆盖程度表征，新颖度表征和覆盖程度表征；接着从局部视角出发，考虑候选文档间的依赖关系，根据已选文档列表这一局部变化对文档集局部视角下的多样性特征建模，学习文档局部时序关联表征；之后对文档和搜索语句进行相关性建模，计算文档与搜索语句间的相关性表征；最后，通过构建搜索结果多样化排序模型，将搜索结果返回。本发明可以有效满足用户的多样化搜索需求，并可以一定程度上解决目前传统搜索存在的返回结果内容冗余度高，内容偏向单一话题等问题。

公开(公告)号：CN112863520B

公开(公告)日：2023-10-24

申请号：CN202110060392.0

申请日：2021-01-18

Applicant: 东南大学

Inventor： 刘波 ,  吴海舸 ,  张轩 ,  蔡浩 ,  葛伟 ,  杨军

IPC: G10L17/00 ,  G10L17/18

Abstract: 本发明公开了一种二值权重卷积神经网络模块及其用于声纹识别的方法。属于人工智能神经网络技术领域。其功能为对采集到的语音特征进行二值化的卷积计算与全连接计算，采用符号判断方式判断输入语音中是否含有目标说话人，并输出判断结果。其核心结构包括地址生成单元、状态机控制单元和复用计算单元。本发明采用二值化的卷积神经网络，极大减少了计算过程中的乘法操作，通过状态机控制单元控制整个网络的操作，通过判断全连接神经元的符号进行说话人判断，简单有效。模块化程度高，结构简单，可行性好，实现了较好的声纹识别效果同时有效降低了整体计算的功耗和延时。

公开(公告)号：CN116821688A

公开(公告)日：2023-09-29

申请号：CN202310892750.3

申请日：2023-07-20

Applicant: 东南大学

Inventor： 黄华杰 ,  刘波 ,  薛潇雨 ,  曹玖新 ,  陈欣怡

IPC: G06F18/214 ,  G06F18/23213 ,  G06F18/243 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06Q20/24 ,  G06Q20/40

Abstract: 本发明公开了一种基于聚类下采样技术处理信用卡欺诈交易中数据集的方法，涉及人工智能领域相关算法的应用。该方法按照交易的性质，把信用卡交易划分为正常交易和欺诈交易，基于K‑Means聚类算法对全部正常交易进行聚类；对于聚类得到的每个信用卡正常交易的簇，创造一个新的结点代表这个簇，新结点表示具有相似特征的正常交易的特征；这些新结点表示某类具有相似特征的正常交易结点的代表，所有簇的新结点构成新的正常交易集合；最后把新的正常交易集合与欺诈交易集合组合成均衡状态的训练数据集。本发明解决了现有技术对信用卡欺诈检测中的不平衡数据集问题处理，带来的无法有效提取特定群体特征，而造成运算效率慢、准确度低的技术问题。