-
公开(公告)号：CN118868077B
公开(公告)日：2025-02-18
申请号：CN202411095327.1
申请日：2024-08-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种基于动态电压频率调整的能源效率优化方法，包括：在大型语言模型的离线状态下，对不同负载大小的数据进行能耗测试，得到不同动态电压频率调整配置下的能耗表现；根据得到的不同动态电压频率调整配置下的能耗表现，确定各个批量在预填充阶段和解码阶段的最佳动态电压频率调整配置；根据确定的最佳动态电压频率调整配置调整图形处理器内核频率和内存频率，以对大型语言模型推理的能源效率进行优化；本发明提出了一种基于动态电压频率调节（DVFS）的优化方案，针对大模型推理的预填充阶段和解码阶段，分别应用不同的动态电压频率调整配置以实现能耗优化。
-
公开(公告)号：CN118966387A
公开(公告)日：2024-11-15
申请号：CN202411463649.7
申请日：2024-10-21
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N20/00 , G06F18/10 , G06V10/82 , G06N3/0985 , G06N3/0455
Abstract: 本发明公开了一种基于多模态的对比解码幻觉减轻方法、装置及终端，方法包括：获取目标初始数据，对所述目标初始数据进行多模态扰动处理，得到目标扰动数据，所述目标初始数据包括目标高清图像及其对应的目标文本提示词；将所述目标初始数据和所述目标扰动数据输入至目标模型，得到初始输出和幻觉输出，所述目标模型为大型视觉语言模型；对所述初始输出和所述幻觉输出进行对比解码，得到目标输出。本发明通过添加多模态的噪声，并将其与初始输出进行对比，从而校准模型的预测，减少生产错误信息的可能性。
-
公开(公告)号：CN118093208A
公开(公告)日：2024-05-28
申请号：CN202410510424.6
申请日：2024-04-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种多用户GPU集群的深度学习任务调度方法，包括：构建深度学习任务对象，并将对应的深度学习任务发射到集群中；获取每个已发射任务的状态，并根据调度器的信号或任务本身状态的变化修改对应的任务状态；获取所述集群中的资源状态，并根据所述集群的反馈信息确定每个已发射任务对应的资源占用情况；根据每个已发射任务对应的资源占用情况和任务状态，利用短任务优先的资源共享策略对待分配任务进行资源分配；本发明依靠短任务优先的资源共享策略，在缓解任务资源饥饿问题的同时，降低了整体的任务完成时间，提高了深度学习任务的调度效率。
-
公开(公告)号：CN116796286A
公开(公告)日：2023-09-22
申请号：CN202310711009.2
申请日：2023-06-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/25 , G05D1/10 , G06F18/2433 , G06F18/2413 , G06T7/246 , G06V10/75 , G06N5/04 , G06N5/01 , G06N20/00
Abstract: 本发明属于无人作战机近距格斗技术领域，公开了一种基于机器博弈的六自由度无人作战机近距格斗方法及系统，所述系统包括：环境感知模块、主控模块、无线通信模块、格斗目标识别模块、格斗目标追踪模块、机器博弈决策模块、射击模块、故障预测模块、显示模块。本发明通过格斗目标追踪模块计算速度快，追踪目标的速度快；同时，通过故障预测模块充分考虑了不同六自由度无人作战机发动机的运行环境、使用寿命、出厂设置及磨损程度等方面的个体化差异，分别训练多个训练六自由度无人作战机发动机的SOM模型，以得到对应六自由度无人作战机发动机的、精确的SOM模型训练结果及相应的最小量化误差MQE；故障预测准确性高。
-
公开(公告)号：CN116886834B
公开(公告)日：2024-04-26
申请号：CN202310975449.9
申请日：2023-08-03
Applicant: 哈尔滨工业大学
IPC: H04N5/202
Abstract: 本发明公开一种图像传感器全域坏点剔除方法、系统及设备，涉及图像处理技术领域。获取预设方向上的第一图像；将第一图像上任一像素点的灰度值与预存标准图像上对应像素点的灰度值进行差值计算；若差值的绝对值大于等于M，则判定产生新的坏点；根据图像传感器视域内像素点的灰度值计算本底特征量；根据本底特征量计算信标光斑的灰度质心位置坐标；若差值的绝对值小于M，则判定图像传感器未产生新的坏点；并经过预设时间段t之后再次执行“获取预设方向上的第一图像”的步骤。本发明实现了针对图像传感器全域内的坏点进行剔除，校正了信标光质心坐标，提高了图像传感器成像的精准度。
-
Patent Agency Ranking
公开(公告)号：CN116226662B
公开(公告)日：2024-02-09
申请号：CN202310012741.0
申请日：2023-01-05
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多智能体协同强化学习方法、终端及存储介质，方法包括：获取环境参数，构造模拟环境，并根据环境参数以及智能体数目确定学习者智能体；根据任务需求构造对应数量的工作者智能体，并根据任务需求构造对应数量的行动者智能体；其中，每个工作者智能体用于与多个行动者智能体进行交互，每个行动者智能体分别与一个独立的模拟环境交互；获取样本数据，根据样本数据对学习者智能体进行训练，得到训练后的模型参数；通过学习者智能体定期将训练后的模型参数更新到共享内存中，并通过工作者智能体定期从共享内存中更新决策网络的参数，得到强化学习后的策略。本发明提高了多智能体的强化学习过程中的样本利用率及样本数量。
-
公开(公告)号：CN117454236A
公开(公告)日：2024-01-26
申请号：CN202310792244.7
申请日：2023-06-30
Applicant: 哈尔滨工业大学
IPC: G06F18/241 , G06F18/214 , G06F18/213
Abstract: 基于重叠信号的航天继电器多余物检测与材质识别方法，属于航天检测技术领域。为了解决现有的识别方法在真实应用场景下的识别准确率有待于提高的问题，本发明针对只包含松动组件的样本只包含一种材质的多余物样本的样本集一，通过信号采集、特征计算、数据集构建、分类器训练等步骤，得到组件识别模型与材质识别模型；然后针对同时包含松动组件与一种材质的多余物样本的样本集二，通过信号采集、特征计算、数据集构建、分类器预测、置信度计算等步骤，得到组件置信度与多余物置信度。针对待测信号数据集，借助组件识别模型、材质识别模型、组件置信度与多余物置信度，依次给出待测航天继电器的多余物检测结果以及多余物材质识别结果。
-
公开(公告)号：CN117195068A
公开(公告)日：2023-12-08
申请号：CN202311111186.3
申请日：2023-08-30
Applicant: 哈尔滨工业大学
IPC: G06F18/241 , G06F18/2415
Abstract: 基于时空关联算法的PIND检测信号分类判识系统，属于航天科学技术中多余物检测信号检测识别领域。为了解决现有的PIND检测信号分类方法存在准确率低、效率低的问题，本发明首先对将波形信号进行分窗并基于脉冲信号得到脉冲位置，根据脉冲信号确定其是否为线上脉冲或线下脉冲，然后确定每个脉冲对应的关联视界和干扰视界范围并计算每一个脉冲的关联脉冲数量、线下关联脉冲数量、线上关联脉冲数量和干扰脉冲数量、线下干扰脉冲数量、线上干扰脉冲数量，然后进行时空连续组搜索并将时空连续组内关联脉冲数的最大值作为时空连续组内的每一个脉冲的关联脉冲数，最后基于关联脉冲和干扰脉冲以及判识规则，判定各脉冲其是组件脉冲还是多余物脉冲。
-
公开(公告)号：CN116226662A
公开(公告)日：2023-06-06
申请号：CN202310012741.0
申请日：2023-01-05
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多智能体协同强化学习方法、终端及存储介质，方法包括：获取环境参数，构造模拟环境，并根据环境参数以及智能体数目确定学习者智能体；根据任务需求构造对应数量的工作者智能体，并根据任务需求构造对应数量的行动者智能体；其中，每个工作者智能体用于与多个行动者智能体进行交互，每个行动者智能体分别与一个独立的模拟环境交互；获取样本数据，根据样本数据对学习者智能体进行训练，得到训练后的模型参数；通过学习者智能体定期将训练后的模型参数更新到共享内存中，并通过工作者智能体定期从共享内存中更新决策网络的参数，得到强化学习后的策略。本发明提高了多智能体的强化学习过程中的样本利用率及样本数量。
-
公开(公告)号：CN115760752A
公开(公告)日：2023-03-07
申请号：CN202211434541.6
申请日：2022-11-16
Applicant: 哈尔滨工业大学
Abstract: 本发明提出基于图像处理与生成对抗网络的田间导航线提取方法及系统。该系统包括：图像处理模块1优化图像信息，GAN模块利用优化后的图像信息绘制红色导航线，图像处理模块2提取红色导航线位置、偏角度、偏移量等信息用于计算控制信号来控制机器人调整行走方向与姿态。所述方法及系统可以实现机器人在田垄中可以在无需人员操作的情况下，自主寻找定位前方苗线，从而帮助机器人沿着苗线进行行走的功能。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.083 seconds)
