-
公开(公告)号：CN111462737B
公开(公告)日：2023-08-08
申请号：CN202010225558.5
申请日：2020-03-26
Applicant: 中国科学院计算技术研究所
IPC: G10L15/20 , G10L15/26 , G10L15/02 , G10L15/06 , G10L21/0208
Abstract: 本发明实施例提供了一种训练用于语音分组的分组模型的方法和语音降噪方法，该语音降噪方法包括：B1、获取输入音频，提取输入音频的分组特征；B2、将输入音频的分组特征输入分组模型，预测性地输出该输入音频的标签；B3、根据该输入音频的标签，将用该标签对应的组别的最优降噪策略处理后的音频得到的转录文本作为该输入音频的转录文本。本发明实施例的技术方案能够根据输入音频的对抗扰动的大小，预测其所属的组别，为其选择适于该组别的降噪策略进行降噪，可以降低转录的错误率，而且可以在保证在对抗转录恢复为原始转录的同时，不会影响干净样本的转录质量。
-
公开(公告)号：CN111462737A
公开(公告)日：2020-07-28
申请号：CN202010225558.5
申请日：2020-03-26
Applicant: 中国科学院计算技术研究所
IPC: G10L15/20 , G10L15/26 , G10L15/02 , G10L15/06 , G10L21/0208
Abstract: 本发明实施例提供了一种训练用于语音分组的分组模型的方法和语音降噪方法，该语音降噪方法包括：B1、获取输入音频，提取输入音频的分组特征；B2、将输入音频的分组特征输入分组模型，预测性地输出该输入音频的标签；B3、根据该输入音频的标签，将用该标签对应的组别的最优降噪策略处理后的音频得到的转录文本作为该输入音频的转录文本。本发明实施例的技术方案能够根据输入音频的对抗扰动的大小，预测其所属的组别，为其选择适于该组别的降噪策略进行降噪，可以降低转录的错误率，而且可以在保证在对抗转录恢复为原始转录的同时，不会影响干净样本的转录质量。
-
公开(公告)号：CN107392308B
公开(公告)日：2020-04-03
申请号：CN201710469354.4
申请日：2017-06-20
Applicant: 中国科学院计算技术研究所
IPC: G06N3/063
Abstract: 本发明涉及一种基于可编程器件的卷积神经网络加速方法与系统。包括：对卷积神经网络在可编程器件上的基本结构进行设计，分别建立计算资源、频率关于并行化参数的量化模型；在不同并行化参数下，对实际电压、温度、工艺偏差可达的最高时钟频率进行探索，建立实际可达最高频率与并行化参数的分析模型；以计算吞吐量为优化目标，根据所建立的量化模型与分析模型，对卷积神经网络的设计空间探索进行问题抽象，并采用一定的搜索算法求解出性能最优的并行化参数。本发明在保证加速器稳定性及可靠性的同时，能够利用商用设计工具针对电压、温度、工艺偏差所预留的时延裕度，从而进一步提升卷积神经网络加速器的性能。
-
公开(公告)号：CN105760786B
公开(公告)日：2019-05-28
申请号：CN201610082885.3
申请日：2016-02-06
Applicant: 中国科学院计算技术研究所
IPC: G06F21/76
Abstract: 本发明适用于信息安全领域及集成电路领域，提供了一种CPU+FPGA集成芯片的强PUF认证方法及系统，CPU+FPGA集成芯片包括CPU和FPGA，该方法包括：认证端从CRP数据库中获取与CPU+FPGA集成芯片对应的激励；认证端将激励解码为配置比特发送至CPU以进行物理不可克隆函数电路配置；当FPGA上已有电路在运行中时，CPU将接收到的配置比特以部分可重构的方式在FPGA上配置物理不可克隆函数电路；CPU+FPGA集成芯片将物理不可克隆函数电路产生的响应返回给认证端以完成认证。借此，本发明在保证强物理不可克隆函数性能的同时，利用更丰富的工艺偏差，达到更高的安全性、更少的资源占用率。
-
Patent Agency Ranking
公开(公告)号：CN105809065B
公开(公告)日：2018-12-04
申请号：CN201610134261.1
申请日：2016-03-09
Applicant: 中国科学院计算技术研究所
IPC: G06F21/77
Abstract: 本发明适用于信息安全及集成电路技术领域，提供了一种模糊输入输出的强物理不可克隆函数，包括：输入模糊模块，用于将输入激励通过第一随机特性电路转换后再输入给强物理不可克隆函数；输出模糊模块，用于将所述强物理不可克隆函数的输出响应通过第二随机特性电路转换后再输出给外界；所述模糊输入输出的强物理不可克隆函数的物理结构为在三维集成电路上集成所述强物理不可克隆函数和弱物理不可克隆函数，所述弱物理不可克隆函数夹在两层所述强物理不可克隆函数中间。借此，本发明保证强物理不可克隆函数随机性与稳定性的同时，能够有效抵抗建模攻击。
-
公开(公告)号：CN108564168A
公开(公告)日：2018-09-21
申请号：CN201810288078.6
申请日：2018-04-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种对支持多精度卷积神经网络处理器的设计方法，包括：1)针对卷积神经网络处理器所需支持的多精度中的每一个，确定在该精度下需要的片上资源，所述在该精度下需要的片上资源表示为所述卷积神经网络处理器的计算核单元的并行化参数的函数；2)根据所述计算核单元可利用的最大片上资源、以及所述卷积神经网络处理器所支持的每个精度下需要的片上资源，将所述卷积神经网络处理器的计算吞吐量或计算时延作为优化目标，计算获得针对所述计算核单元的并行化参数。
-
公开(公告)号：CN105809065A
公开(公告)日：2016-07-27
申请号：CN201610134261.1
申请日：2016-03-09
Applicant: 中国科学院计算技术研究所
IPC: G06F21/77
CPC classification number: G06F21/77
Abstract: 本发明适用于信息安全及集成电路技术领域，提供了一种模糊输入输出的强物理不可克隆函数，包括：输入模糊模块，用于将输入激励通过第一随机特性电路转换后再输入给强物理不可克隆函数；输出模糊模块，用于将所述强物理不可克隆函数的输出响应通过第二随机特性电路转换后再输出给外界；所述模糊输入输出的强物理不可克隆函数的物理结构为在三维集成电路上集成所述强物理不可克隆函数和弱物理不可克隆函数，所述弱物理不可克隆函数夹在两层所述强物理不可克隆函数中间。借此，本发明保证强物理不可克隆函数随机性与稳定性的同时，能够有效抵抗建模攻击。
-
公开(公告)号：CN105760786A
公开(公告)日：2016-07-13
申请号：CN201610082885.3
申请日：2016-02-06
Applicant: 中国科学院计算技术研究所
IPC: G06F21/76
CPC classification number: G06F21/76
Abstract: 本发明适用于信息安全领域及集成电路领域，提供了一种CPU+FPGA集成芯片的强PUF认证方法及系统，CPU+FPGA集成芯片包括CPU和FPGA，该方法包括：认证端从CRP数据库中获取与CPU+FPGA集成芯片对应的激励；认证端将激励解码为配置比特发送至CPU以进行物理不可克隆函数电路配置；当FPGA上已有电路在运行中时，CPU将接收到的配置比特以部分可重构的方式在FPGA上配置物理不可克隆函数电路；CPU+FPGA集成芯片将物理不可克隆函数电路产生的响应返回给认证端以完成认证。借此，本发明在保证强物理不可克隆函数性能的同时，利用更丰富的工艺偏差，达到更高的安全性、更少的资源占用率。
-
公开(公告)号：CN101741750A
公开(公告)日：2010-06-16
申请号：CN201010034234.X
申请日：2010-01-15
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种P2P中资源下载方法及其系统，方法包括：步骤1，节点根据物理网络信息和预设的节点组划分标准选择加入的节点组；步骤2，发生数据请求的节点为用户节点，用户节点获得拥有请求数据的备选节点，备选节点组成备选节点集合；步骤3，用户节点依据用户节点所属的节点组，以及备选节点同所述用户节点间的连接质量，从备选节点集合中选择备选节点，被选择的备选节点作为资源节点；步骤4，用户节点从所述资源节点下载请求的数据。本发明能够在选择节点进行下载时应用物理层网络拓扑结构。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.032 seconds)
