用于片上网络的一种基于学习的自适应容错方法

    公开(公告)号:CN101267280B

    公开(公告)日:2011-01-26

    申请号:CN200810104404.X

    申请日:2008-04-18

    Applicant: 清华大学

    Abstract: 用于片上网络的一种基于学习的自适应容错方法属于片上互连网络领域,其特征在于,在发送和接收端上分别设立发送和接收模块,在发送模块中,根据容错方法选择器向片上网络每条路径发送的已知序列和接收到的序列,计算出每条路径信道错误概率p和在有错时所设纠错编码不能纠正的错误概率q。对于智能IP块输入的数据,先经过检错码编码器编码,再通过比较p和的大小来决定选择错误重传方法或混合容错方法,从而决定是否经过纠错码编码器;而在接收端则反之,根据数据包中的容错标志位决定是否经过纠错编码解码器,然后通过检错码解码器对数据包进行检错决定数据包是否需要重传。本发明提高了片上网络的吞吐量,减少了传输延迟和通信功耗。

    基于广播电视网的物联网组网方法及其路由方法

    公开(公告)号:CN101902499A

    公开(公告)日:2010-12-01

    申请号:CN201010218532.4

    申请日:2010-06-25

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于广播电视网的物联网组网方法,所述物联网包括异构节点,按照如下方式进行组网:将所述物联网中的异构节点按照能耗特性分为多层,且以广播电视网作为所述物联网的骨干网。本发明还提供了一种基于所述物联网的路由方法。本发明通过基于物联网中异构节点的能耗特性的层次化设计,满足了物联网中异构节点规模呈几何级数增长的需求;通过以广播电视网为骨干网,充分利用了广播电视网的覆盖和传输优势,实现物联网路由的高可靠和低功耗需求之间的平衡。

    基于最大似然估计的扩频捕获方法

    公开(公告)号:CN101753175A

    公开(公告)日:2010-06-23

    申请号:CN200910243781.6

    申请日:2009-12-24

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于最大似然估计的扩频捕获方法,包括:S1,M个采样周期内,将本地M路码序列与接收码序列进行相关运算,根据运算结果计算得到判决量;将判决量与第一门限比较,若判决量小于第一门限,对本地码序列的相位调整后将其与接收码序列进行相关运算,直到判决量大于第一门限;S2,给全局最大相关值赋0,更新本地M路码序列相位,并将M路码序列与接收码序列进行并行相关运算,根据M个运算结果计算得到新的判决量;若新的判决量大于当前全局最大相关值,将新的判决量的值赋予全局最大相关值;S3,将S2重复执行K次,根据得到的全局最大相关值计算第二门限,将第二门限用于验证。本发明能缩短系统的捕获时间,增加系统同步的稳定性。

    片上网络设计用的一种自适应打包方法

    公开(公告)号:CN101075961A

    公开(公告)日:2007-11-21

    申请号:CN200710117718.9

    申请日:2007-06-22

    Applicant: 清华大学

    Abstract: 片上网络设计用的自适应打包方法属于片上互连网络技术领域,其特征在于,在IP块设立一个数据源缓冲区,在网络接口设立一个打包器和一个打包缓冲区,系统初始化后,打包器处于空闲状态,当数据源缓冲区不空且打包缓冲区不满时,打包器插入头尾片和体微片,进入忙碌状态;在忙碌状态下,若:数据源缓冲区不空,打包缓冲区不满,且数据的目的地址不变,打包器插入体微片;若:数据源缓冲区中数据的目的地址改变或者数据源缓冲区和打包缓冲区均为空,则打包器在打包缓冲区不满的情况下插入尾微片,进入空闲状态;其他情况打包器不做任何操作。本方法能有效的提高网络通信性能,节省功耗并同时减少实现面积。

    用于设计片上网络的一种带宽动态分配方法

    公开(公告)号:CN101075959A

    公开(公告)日:2007-11-21

    申请号:CN200710117715.5

    申请日:2007-06-22

    Applicant: 清华大学

    Abstract: 用于设计片上网络的一种带宽动态分配方法属于片上互连网络设计领域,其特征在于,在发送端设定一个仲裁器,其输入端与各虚通道发送缓冲区相连;在发送缓冲区设定一个空标志指示信号,指示信号为“0”,表示“空”,为“1”表示“不空”;在接收端设定一个分路器,其各数据输出端与各虚通道接收缓冲区相连,在接收缓冲区也设定一个满标志指示信号,若为“0”表示“满”,为“1”表示“不满”;把所述各发送或接收缓冲区的指示信号送往与缓冲区个数相应的多个与门,当某一个与门输出为“1”时,表示某个虚通道请求带宽,由仲裁器为其分配带宽。本方法保证在任何时刻都能有效利用物理链路的带宽。

    一种接收以太网数据的方法

    公开(公告)号:CN1275437C

    公开(公告)日:2006-09-13

    申请号:CN200310117177.1

    申请日:2003-12-05

    Applicant: 清华大学

    Abstract: 本发明提出的接收以太网数据的方法,属于以太网通信技术领域。该方法首先接收来自以太网线路的同步传输模式信号;提取其中的用户数据并进行串并转换;分别对每相邻两位的并行数据进行是否合法的判别,再进行是否连续的判别;对连续性信号进行搜索,以得到同步码的位置;根据同步码位置,从同步传输模式信号中的用户数据中提取加扰的64B/66B帧,进行解扰码,然后进行64B/66B解码,得到以太网帧。本发明提出的接收以太网数据的方法,在接收10G以太网数据时的64B/66B帧同步过程中,使用连续性判别的方法代替现有技术中使用同步状态机判别的方法,从而大大减少了帧同步系统占用的芯片面积。

    一种接收以太网数据的方法

    公开(公告)号:CN1547361A

    公开(公告)日:2004-11-17

    申请号:CN200310117177.1

    申请日:2003-12-05

    Applicant: 清华大学

    Abstract: 本发明提出的接收以太网数据的方法,属于以太网通信技术领域。该方法首先接收来自以太网线路的同步传输模式信号;提取其中的用户数据并进行串并转换;分别对每相邻两位的并行数据进行是否合法的判别,再进行是否连续的判别;对连续性信号进行搜索,以得到同步码的位置;根据同步码位置,从同步传输模式信号中的用户数据中提取加扰的64B/66B帧,进行解扰码,然后进行64B/66B解码,得到以太网帧。本发明提出的接收以太网数据的方法,在接收10G以太网数据时的64B/66B帧同步过程中,使用连续性判别的方法代替现有技术中使用同步状态机判别的方法,从而大大减少了帧同步系统占用的芯片面积。

    视频推荐方法、装置及电子设备

    公开(公告)号:CN115630188B

    公开(公告)日:2024-11-05

    申请号:CN202211154166.X

    申请日:2022-09-21

    Applicant: 清华大学

    Abstract: 本发明提供一种视频推荐方法、装置及电子设备,涉及信息处理技术领域,该方法包括:将获取的待推荐视频集合中的各待推荐视频分别划分为预设数量个视频片段;将提取的用户特征和视频片段视觉特征输入视频推荐模型,获得视频推荐模型输出的用户属性信息对应用户对待推荐视频的兴趣度;根据兴趣度从待推荐视频集合中确定目标推荐视频输出给用户;视频推荐模型基于用户对应的样本原始视频、样本正反馈视频片段集合和样本负反馈视频片段集合训练得到,样本正反馈视频片段集合为用户完整观看的样本原始视频的视频片段的集合,样本负反馈视频片段集合为用户跳过行为发生时刻所在的视频片段的集合。本发明提供的技术方案能够提高视频推荐的准确性。

    仿真行为序列数据生成方法、装置、电子设备及存储介质

    公开(公告)号:CN115858913B

    公开(公告)日:2024-09-24

    申请号:CN202211358838.9

    申请日:2022-11-01

    Applicant: 清华大学

    Inventor: 李勇 苑苑 金德鹏

    Abstract: 本发明提供一种仿真行为序列数据生成方法、装置、电子设备及存储介质,其中,所述方法包括:基于嵌入网络构建当前时刻的个体状态,其中,所述个体状态包括随时间连续演化个体状态和瞬时跳变个体状态;基于当前时刻的所述个体状态,通过与所述个体状态对应的状态转移网络得到下一时刻的预测个体状态;将所述预测个体状态输入至策略函数网络,采样得到仿真行为序列数据。通过本发明提供的仿真行为序列数据生成方法,能够生成高质量的仿真行为序列数据,为高效训练预测或推荐模型打下基础。

    拥堵原因的识别方法、装置、电子设备及存储介质

    公开(公告)号:CN115909715B

    公开(公告)日:2024-08-06

    申请号:CN202211153882.6

    申请日:2022-09-21

    Applicant: 清华大学

    Abstract: 本发明提供一种拥堵原因的识别方法、装置、电子设备及存储介质,方法包括:基于Y个交通拥堵事件,提取各交通拥堵事件的特征向量,Y为大于1的整数;将各交通拥堵事件的特征向量中无原因标签的第一特征向量输入至聚类模型,获得聚类模型输出的第一特征向量对应的目标拥堵原因;基于第二特征向量对应的已知拥堵原因和第一特征向量对应的目标拥堵原因,识别当前交通拥堵事件对应的拥堵原因。相较于现有技术依赖人力识别交通拥堵的原因,本发明实施例降低了交通拥堵原因的识别成本,提高了交通拥堵原因的识别效率。

Patent Agency Ranking