-
公开(公告)号：CN1450627A
公开(公告)日：2003-10-22
申请号：CN03125126.9
申请日：2003-05-21
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及大规模集成电路，特别是涉及集成电路中具有并行结构的大规模数字电路最大功耗的快速估计方法。其步骤为：第一步电路RTL(寄存器传输级)网表的处理；第二步电路门级网表的处理；第三步确定第一步和第二步电路的对应关系，判断电路是否适合精简；第四步建立新的输入序列；第五步对输入向量序列进行最大功耗模拟。本发明可用于大规模集成电路的功耗估计，对电路设计提供重要的指导意义。
-
公开(公告)号：CN119888324A
公开(公告)日：2025-04-25
申请号：CN202411947015.9
申请日：2024-12-27
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 本发明提供一种基于类增量学习的图像分类模型及其训练方法、分类方法。分类模型包括求解器和特征生成器。其中，求解器包括特征提取器、分类器以及多个辅助分类器。特征提取器用于根据输入的任务进行特征提取输出最终特征。分类器用于根据最终特征对任务进行分类。辅助分类器用于在模型训练时根据学习模块的输出生成嵌入蒸馏的嵌入知识。特征生成器用于在分类器的指导下生成历史任务的生成特征，并将生成特征与当前任务特征通过损失拟合以训练求解器。本发明可以将嵌入在网络中间块中的更丰富的知识从旧的冻结特征提取器迁移到当前的特征提取器来防止特征提取器遗忘，而无需存储历史任务数据或原型。
-
公开(公告)号：CN119849630A
公开(公告)日：2025-04-18
申请号：CN202411947462.4
申请日：2024-12-27
Applicant: 中国科学院计算技术研究所
IPC: G06N5/04 , G06N5/025 , G06N5/02 , G06N3/0442 , G06N3/045 , G06N3/042 , G06N3/0464
Abstract: 本发明提供了一种时序知识图谱推理模型构建方法，所述方法包括：步骤S1、获取历史时序知识图谱并基于其构建多个查询；其中，所述历史时序知识图谱包括多个事实四元组，每个事实四元组均包括头实体、关系、尾实体和时间戳；每个查询为缺失尾实体或头实体的缺项事实四元组，每个查询设置有与自身缺失的头实体或尾实体对应的实体标签；步骤S2、构建初始模型，其包括全局历史演化模块、自适应实体关注模块、历史信息模块以及评分模块；步骤S3、以历史时序知识图谱和多个查询作为输入，每个查询的目标评分为预测输出，按照预设的目标函数对初始模型进行多轮迭代训练直至模型收敛得到时序知识图谱推理模型。
-
公开(公告)号：CN119829722A
公开(公告)日：2025-04-15
申请号：CN202510013772.7
申请日：2025-01-06
Applicant: 中国科学院计算技术研究所
IPC: G06F16/3329 , G06N5/04 , G06F40/30 , G06F18/22
Abstract: 本发明提供了一种知识问答模型构建方法，所述方法包括将预训练语言模型作为基座模型并按照如下方式执行两阶段训练以获取知识问答模型：函数理解预训练：构建多个函数定义代码和多个函数调用实例来训练基座模型以使模型学习函数执行原理；指令微调训练：获取任务指令、查询实例以及查询实例对应的查询程序来训练初始模型以使模型学习函数组合编程原理。本发明的技术方案通过提出两阶段训练策略训练知识问答模型，使模型具备用于知识编程的函数的理解能力，以及基于函数理解能力将复杂问题转换为查询程序的能力，从而解决现有技术中模型倾向于记忆程序本身，而难以学习到语义解析的问题，进而提高模型对于域外含有未见查询语义的泛化性。
-
公开(公告)号：CN119741228A
公开(公告)日：2025-04-01
申请号：CN202411828017.6
申请日：2024-12-12
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于混合精度量化的扩散模型极低比特量化方法和装置，包括：获取待极低比特量化的扩散模型，获取该极低比特量化的初始量化精度，增加该初始量化精度得到高比特量化精度，减少该初始量化精度得到低比特量化精度；统计该扩散模型中各组权重数据的长尾分布程度；将该长尾分布程度最高的至少一组权重数据按照该高比特量化精度进行量化，并将该长尾分布程度最低的至少一组权重数据按照该低比特量化精度进行量化，并将该扩散模型的其余权重数据按照该初始量化精度进行量化，得到量化模型；将噪声图像和降噪要求的文本向量输入该量化模型，该量化模型根据该文本向量对该噪声图像进行降噪，得到符合该降噪要求的去噪图像。
-
Patent Agency Ranking
公开(公告)号：CN112184743B
公开(公告)日：2024-07-23
申请号：CN202011182514.5
申请日：2020-10-29
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种乳腺钼靶图像中胸肌和乳头区域的分割预标注方法，包括如下步骤：S1、提取乳腺主体图；S2、定位斜侧位胸肌分割线；S3、定位双视图的乳头区域；S4、生成胸肌和乳头的区块标注信息；S5、检验修正。本发明在原始乳腺钼靶图像的基础上，快速大批量地自动生成乳腺钼靶图像中胸肌区域和乳头区域的高质量预标注分割信息，解决了目前存在的标注效率低下、分割标准差异大的问题，降低了对后续人工的要求，使得标注效率大幅度提高，从而产生适合于语义分割神经网络的高质量的训练数据集。
-
公开(公告)号：CN111291836B
公开(公告)日：2023-09-08
申请号：CN202010243249.0
申请日：2020-03-31
Applicant: 中国科学院计算技术研究所
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G06N3/082 , G06N3/084
Abstract: 本发明提供了一种生成学生网络模型的方法。所述方法包括下述步骤：步骤1)、获取预训练的教师网络模型；步骤2)、构建辅助网络模型；步骤3)、对所述辅助网络模型初始化，利用初始化的辅助网络模型生成学生网络；步骤4)、利用带有图像标签的训练图像对辅助网络进行训练。采用本发明的辅助网络能自动学习出学生网络的结构、神经元数目、卷积核数目。避免人工尝试，且本发明方法的自动学习结果的模型检测精度要比人工尝试方法精度更高。所需要的计算量呈指数级下降。
-
公开(公告)号：CN116109873A
公开(公告)日：2023-05-12
申请号：CN202310174287.9
申请日：2023-02-23
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明提出一种基于多模型联合对比学习的图像分类方法和系统，包括：本发明提出多模型联合对比学习算法来引导不同的模型在特征层面进行交互，在多个模型之间相互地迁移各自的对比相似度概率分布。采用对比学习可使相同类别的样本在特征空间接近，不同类别样本在特征空间远离，进而得到具有判别性的表征空间。在多模型联合学习的场景下，对比学习可以使得不同模型的特征向量建立关系，从而在特征层面对多模型进行交互。通过多模型联合对比学习，每一个网络都可以学习更好的特征表达，从而提升图像分类的效果和下游的语义识别任务。
-
公开(公告)号：CN115661712A
公开(公告)日：2023-01-31
申请号：CN202211348871.3
申请日：2022-10-31
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种轻量级多任务视频流实时推理方法及系统，采用推理效率更高的目标检测模型作为检测基准模型，在其基础上增加可行驶区域分割头网络和多物体跟踪头网络来分别完成可行驶区域分割任务和多物体跟踪任务，通过共享主干网络和特征金字塔网络的方式减少参数量和计算量的冗余，通过级联知识蒸馏的端到端结构化迭代剪枝算法，进一步降低模型的计算量，有效提高了模型在边缘芯片硬件上的加速比，最终模型能够保证精度的同时在边缘端做到实时推理。
-
公开(公告)号：CN114327926A
公开(公告)日：2022-04-12
申请号：CN202111342715.1
申请日：2021-11-12
Applicant: 中国科学院计算技术研究所
IPC: G06F9/54 , G06F9/50 , G06F15/173
Abstract: 本发明提出一种异构边缘智能微服务器，包括：多个同构或异构的计算单元，各计算单元具有独立的操作系统，并安装有分布式资源管理软件，所有该计算单元接入通用互连总线进行通信连接；异构子计算模块，每个该异构子计算模块包括至少一个该计算单元，该异构子计算模块独立承担或与其他异构子计算模块协作承担边缘计算任务；上级计算模块，包括多个该异构子计算模块。还提出一种异构边缘智能微服务器的搭建方法。
-
-
-
-
-
-
-
-
-
Search Results
202
records
(took 0.115 seconds)
