-
公开(公告)号：CN118869634A
公开(公告)日：2024-10-29
申请号：CN202411354175.2
申请日：2024-09-27
Applicant: 浙江大学
Abstract: 本发明公开了基于快速数据路径处理的无人车数据分发方法，基于快速数据路径处理模块，在操作系统内核空间接收到数据包前，对其进行捕获；通过快速数据路径处理模块，校验属于数据分发的数据包，并将其从内核态转发至用户态；将快速数据路径处理模块编译的程序加载到操作系统内核中，并将其挂载到指定的网络接口上；利用快速数据路径处理模块的用户内存映射机制，在用户态创建内存，用于内核态程序和用户态程序之间的数据传输；在用户空间部署应用程序，将其与内核空间的快速数据路径程序通过用户内存映射进行数据交换，接收和处理数据包；在用户空间处理数据分发服务协议所规定的通信过程。
-
公开(公告)号：CN118860436A
公开(公告)日：2024-10-29
申请号：CN202410823166.7
申请日：2024-06-25
Applicant: 浙江大学
Abstract: 本发明公开了一种无人清洁车软件包的生成、更新方法及装置，将用于更新的软件包分块；对数据块采用带密钥的不可逆算法生成子消息认证码；根据数据块的子消息认证码生成消息认证码组合表；对数据块和消息认证码组合表采用对称的加密算法，生成密文数据块；将密文数据块进行组合，得到用于发布的软件包；获取发布的用于更新的软件包分块；对密文数据块采用对称的解密算法，得到数据块和用于验证的消息认证码组合表；对数据块采用带密钥的不可逆算法生成实际的子消息认证码；根据数据块的实际的子消息认证码，生成实际的消息认证码组合表；比较用于验证的消息认证码组合表和实际的消息认证码组合表确定是否更新。
-
公开(公告)号：CN118536251A
公开(公告)日：2024-08-23
申请号：CN202410217480.0
申请日：2024-02-28
Applicant: 浙江大学
Abstract: 本发明公开了一种面向自动驾驶仿真的拓扑道路网可控生成方法和系统。首先，本发明对空间位置约束条件编码，并输入到生成器，以在约束条件下生成路网图像。然后，判别器对所生成的路网图像的真伪性、以及是否符合空间位置特征图的约束做出判断。同时，可微的拓扑结构提取器用于提取所生成路网图像的拓扑结构，以供拓扑属性奖励网络计算所生成路网的拓扑属性得分，该拓扑属性得分用来引导生成器生成满足特定拓扑属性的拓扑道路网。本发明基于生成式人工智能模型，通过同时建模与学习训练数据中的路网空间位置信息和拓扑特征，在满足给定的空间位置约束条件下，生成大量的、连通性强、满足预期属性的拓扑道路网模型。
-
公开(公告)号：CN117688992B
公开(公告)日：2024-06-04
申请号：CN202410141524.6
申请日：2024-02-01
Abstract: 本申请涉及一种神经元计算机操作系统的资源映射方法和装置，其中，该方法包括：获取待运行的应用；将硬件的运行资源抽象为二维网格；基于最大空矩形法将空闲计算核心划分为矩形核心集合并确定最匹配的核心集合；基于硬件中各计算核心之间的脉冲通信代价、输入输出核心与计算核心之间的脉冲通信代价、二维网格中全部计算核心所占面积以及预设的经验常量构建代价函数；基于代价函数确定映射代价最小的映射方案。本申请通过神经元计算机操作系统建立准确估算映射代价的映射代价函数，通过代价函数确定映射代价最小的映射方案，为脉冲神经网络映射硬件资源，解决了相关技术中脉冲神经网络运行性能较低的问题，提高了脉冲神经网络的运行性能。
-
公开(公告)号：CN118036703A
公开(公告)日：2024-05-14
申请号：CN202311754550.8
申请日：2023-12-20
Applicant: 浙江大学
Abstract: 本发明属于自动驾驶技术领域，公开了一种针对反射率扰动的弹性解耦点云模型训练方法，包括如下步骤：步骤1：证明反射率的重要性和模型脆弱性；步骤1.1：计算反射率的信息量；步骤1.2：证明反射率扰动的脆弱性；步骤1.3：证明反射率对抗性攻击的脆弱性；步骤2：基于解耦的训练；首先在模型中将反射率信息和几何信息解耦，再对模型进行训练。本发明探究和展示了反射率信息的重要性和面临反射率扰动和对抗性攻击深度模型的脆弱性。本发明提出来一种解耦的训练方法以一种对抗性模式弹性调节模型对于反射率信息的依赖性。本发明的方法能够在性能和脆弱性之间能够以一种弹性的方式达到一个平衡。
-
Patent Agency Ranking
公开(公告)号：CN117688992A
公开(公告)日：2024-03-12
申请号：CN202410141524.6
申请日：2024-02-01
Abstract: 本申请涉及一种神经元计算机操作系统的资源映射方法和装置，其中，该方法包括：获取待运行的应用；将硬件的运行资源抽象为二维网格；基于最大空矩形法将空闲计算核心划分为矩形核心集合并确定最匹配的核心集合；基于硬件中各计算核心之间的脉冲通信代价、输入输出核心与计算核心之间的脉冲通信代价、二维网格中全部计算核心所占面积以及预设的经验常量构建代价函数；基于代价函数确定映射代价最小的映射方案。本申请通过神经元计算机操作系统建立准确估算映射代价的映射代价函数，通过代价函数确定映射代价最小的映射方案，为脉冲神经网络映射硬件资源，解决了相关技术中脉冲神经网络运行性能较低的问题，提高了脉冲神经网络的运行性能。
-
公开(公告)号：CN117648956A
公开(公告)日：2024-03-05
申请号：CN202410118627.0
申请日：2024-01-29
Abstract: 本申请涉及一种脉冲神经网络模型资源映射方法、装置和存储介质，其中，该脉冲神经网络模型资源映射方法包括：根据脉冲神经网络模型中各神经元簇的步长，对脉冲神经网络模型中各神经元簇进行分层，得到各层神经元簇集合；将各层神经元簇集合部署至类脑芯片的神经拟态核矩阵的各空闲神经拟态核列中；其中，层数越大的神经元簇集合，部署于列序号越大的空闲神经拟态核列中；根据各空闲神经拟态核列中分配资源的初始位置，以及各空闲神经拟态核列中其他位置与初始位置的距离，为各空闲神经拟态核列中部署的神经元簇集合分配类脑芯片的空闲神经拟态核，提高了神经拟态核利用率和类脑模型的运算速度。
-
公开(公告)号：CN116820707A
公开(公告)日：2023-09-29
申请号：CN202310530972.0
申请日：2023-05-08
Abstract: 本发明公开了一种神经元计算机两阶段任务动态调度方法，包括：将新任务作为缓存任务存入缓存队列，依据新任务的预计执行时长、缓存队列的任务吞吐率以及正在执行队列的任务完成情况计算延迟调度的等待调度时长；当等待调度时长到达时，基于Johnson法则优化两阶段任务的最优调度求解策略对缓存队列进行求解得到延迟最优调度序列，并按照延迟最优调度序列将缓存任务添加到正在执行队列，这样在任务的动态调度中根据实时环境的变化延迟缓存不同时刻任务队列，在局部最优调度的基础上寻求全局最优，形成了快速响应反馈调度方式，有效解决了两阶段任务动态调度问题，提高了两阶段关联任务调度的可靠性。
-
公开(公告)号：CN116541177A
公开(公告)日：2023-08-04
申请号：CN202310669851.4
申请日：2023-06-07
Abstract: 本申请涉及一种神经元计算机节点负载均衡的方法、神经元计算机系统以及存储介质。所述方法包括：各节点上处理器核心的资源占用状态，生成各所述节点的资源动态特征矩阵；基于所述资源动态特征矩阵，获取各节点上与待部署应用所需资源格式相匹配的放置方案，并计算各所述放置方案的适应值；基于所述适应值，获取各所述节点的最大适应值，并计算对应的可分配系数；基于所述可分配系数，确定所述待部署应用的部署节点。采用本方法能够及时评估各节点负载情况并根据节点负载情况进行负载均衡决策，解决了现有技术中因负载信息描述不足而导致的节点负载均衡决策困难的问题，提高了神经元计算机系统的资源利用率以及负载均衡的可靠性。
-
公开(公告)号：CN116521545A
公开(公告)日：2023-08-01
申请号：CN202310478836.1
申请日：2023-04-28
Applicant: 浙江大学
Abstract: 本发明公开了基于B/S架构的汽车电子控制单元测试用例的生成方法，包括如下步骤：步骤S1：根据测试需求构建测试用例；步骤S2：基于所述测试用例中的参数，批量化生成覆盖参数范围的测试用例；步骤S3：为每个测试用例生成基于JSON格式的测试用例文件。充分利用了JSON格式文件适用于数据交互的特点，在其基础上设计了一种适用于B/S架构的测试用例文件格式TEST_JSON，为基于B/S架构的测试平台提供了一种可行的测试用例生成的方案；利用了一种正态分布抽样覆盖算法，实现了对批量生成的测试用例的参数的自动化数据覆盖，满足了测试边界条件的要求，提高了测试用例生成的效率。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.029 seconds)
