-
公开(公告)号：CN101321129B
公开(公告)日：2010-12-08
申请号：CN200810115998.4
申请日：2008-07-01
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于精细梯度策略的数据转发方法和系统，方法包括：节点计算自身梯度并同邻居节点交换所述梯度，获得自身梯度和邻居节点梯度，还包括：步骤1，所述节点按设置的候选转发节点数目确定梯度范围；步骤2，所述节点将所述梯度范围添加到数据包的包头，广播所述数据包；步骤3，所述邻居节点接收所述数据包包头，判断自身梯度是否在所述梯度范围内，如果是，则接收完整的所述数据包，在竞争时段内选择发送时槽，检测信道状态，判断是否在所述发送时槽的时间到达前检测到所述信道状态为忙，如果未检测到，则调整发送功率，并发送确认帧给所述节点。从而，克服短时时变无线链路导致的数据转发性能下降的问题。
-
公开(公告)号：CN101321129A
公开(公告)日：2008-12-10
申请号：CN200810115998.4
申请日：2008-07-01
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于精细梯度策略的数据转发方法和系统，方法包括：节点计算自身梯度并同邻居节点交换所述梯度，获得自身梯度和邻居节点梯度，还包括：步骤1，所述节点按设置的候选转发节点数目确定梯度范围；步骤2，所述节点将所述梯度范围添加到数据包的包头，广播所述数据包；步骤3，所述邻居节点接收所述数据包包头，判断自身梯度是否在所述梯度范围内，如果是，则接收完整的所述数据包，在竞争时段内选择发送时槽，检测信道状态，判断是否在所述发送时槽的时间到达前检测到所述信道状态为忙，如果未检测到，则调整发送功率，并发送确认帧给所述节点。从而，克服短时时变无线链路导致的数据转发性能下降的问题。
-
公开(公告)号：CN100438437C
公开(公告)日：2008-11-26
申请号：CN200510130773.2
申请日：2005-12-28
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及无线传感器网络技术领域，特别是一种无线传感器网络处理器片内进程管理方法。本发明系统的构建一种低功耗的片内的进程管理方法，并有效的把它应用在实际的传感器节点系统中，最大限度的降低节点功耗，并且可供用户灵活的使用。本发明避免了在传感器节点采用传统的通用式芯片带来的诸多缺点，更适合于在传感器节点系统中的应用。进程管理具体方法步骤包括：系统的初始化；硬件上对系统的功耗的进行自动管理；进程调度单元对进程实施管理；软件上对系统的功耗进行主动管理。
-
公开(公告)号：CN100419776C
公开(公告)日：2008-09-17
申请号：CN200610144353.4
申请日：2006-12-04
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及集成电路设计中的微处理器设计技术领域，公开了一种可编程安全处理器，该安全处理器包括程序存储器、控制堆栈、控制译码器、运算译码器、RAM控制器、运算执行器、运算堆栈和接口模块。本发明提供的这种可编程安全处理器，是一个能支持可编程的结构，通过分析大部分密码运算的基本运算，然后设置这些基本运算单元，然后通过程序控制和基本运算就能实现多种加解密算法。由于这种可编程安全处理器支持可编程，而且易于高效实现多种密码算法，所以满足了在嵌入式应用中需要快速实现多种密码算法的需求。
-
公开(公告)号：CN1963746A
公开(公告)日：2007-05-16
申请号：CN200610164874.6
申请日：2006-12-07
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及安全处理器技术领域，公开了使用乘加加指令实现长数据乘法的装置，该装置包括：部分积产生单元，用于实现第一源操作数与第二源操作数的乘积，将得到的乘积输出给压缩单元；压缩单元，用于实现部分积产生单元输入的部分积、第三源操作数和第四源操作数的压缩，将压缩结果输出给加法单元；所述第三源操作数为对应权重的中间结果，第四源操作数为上一次乘加加运算产生的进位；加法单元，用于对接收自压缩单元的压缩结果进行最终加法操作，输出积与进位。本发明同时公开了一种使用乘加加指令实现长数据乘法的方法。利用本发明，大大提高了安全处理器在执行长数据乘法运算时的运算效率和速度。
-
Patent Agency Ranking
公开(公告)号：CN119669663A
公开(公告)日：2025-03-21
申请号：CN202411634098.6
申请日：2024-11-15
Applicant: 中国科学院计算技术研究所
IPC: G06F18/15 , G06F18/213 , G06F18/2131 , G06N3/0455 , G06N3/042 , G06N3/045 , G06N3/08 , G06F123/02
Abstract: 本发明提供一种用于多元时间序列分析的外插模型及其训练方法，模型包括：数据获取模块，用于获取所有传感器的待外插时序数据和元数据，待外插时序数据包括各传感器在预定时间段内的时序数据，所有传感器中包括缺失全部时序数据的目标传感器且其时序数据以预设缺失值替代；元数据图建模模块，用于基于待外插时序数据和元数据提取各传感器间的动态时空关系，根据动态时空关系构建元数据图；编码器，用于基于预定义图和元数据图编码待外插时序数据，得到编码结果；解码器，用于基于预定义图和元数据图对编码结果进行解码，得到解码结果；聚合层，用于聚合编码结果和解码结果，得到外插结果；其中，采用对抗训练方式训练得到经训练的外插模型。
-
公开(公告)号：CN119442131A
公开(公告)日：2025-02-14
申请号：CN202411430489.6
申请日：2024-10-14
Applicant: 中国科学院计算技术研究所
IPC: G06F18/25 , G06F18/214 , G06F18/213 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种基于多尺度融合的多元时间序列预测模型构建方法，所述方法包括：步骤S1、获取训练数据集，所述训练数据集包括多个预设时间段的多元时间序列数据；步骤S2、构建初始模型；步骤S3、以多元时间序列数据作为输入，多元时间序列数据的下一个时间段的多元时间序列数据作为预测输出，采用训练数据集基于预设的损失函数训练初始模型直至收敛，得到多元时间序列预测模型。本发明构建的多元时间序列预测模型不仅能够提取不同尺度下的时域和频域信息，还能对不同尺度下的时域信息和频域信息进行对齐融合，以充分利用多元时间序列数据的时域信息和频域信息实现多元时间序列数据的精准预测。
-
公开(公告)号：CN118760981A
公开(公告)日：2024-10-11
申请号：CN202410882198.4
申请日：2024-07-03
Applicant: 中国科学院计算技术研究所
IPC: G06F18/2415 , G06F18/2433 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/213 , G06N3/048
Abstract: 本申请公开了一种基于深度卷积神经网络的轨迹分类方法，包括：基于待分类的原始轨迹数据，进行数据清洗和数据格式转换，输出压缩的网格序列；将压缩的网格序列的编码输入预构建的静态轨迹分类模型，通过双向长短期记忆网络提取轨迹序列中的上下文信息，采用多头自注意力机制结合分块最大池化方法，提取轨迹语义信息，综合输出轨迹的静态信息分类结果；将压缩前的网格序列的编码转换为单通道灰度图，输入预构建的时空图像轨迹分类模型进行特征提取分类，输出轨迹的动态图像信息分类结果；其中，所述轨迹图像分类模型采用改进的卷积神经网络。本发明采用静态与动态轨迹信息分类方法相结合，有效地利用整个网格序列，在轨迹分类任务上取得性能提升。
-
公开(公告)号：CN118055055A
公开(公告)日：2024-05-17
申请号：CN202311806725.5
申请日：2023-12-26
Applicant: 中国科学院计算技术研究所
IPC: H04L45/02 , H04W40/02 , H04W40/20 , H04W40/12 , H04B7/185 , H04W84/06 , H04W40/24 , G06N3/045 , G06N3/0442 , G06N3/042 , G06N3/0464 , G06N3/092
Abstract: 本发明实施例提供了一种无人机网络系统和无人机路由决策方法，每个无人机节点均配置有：定位设备，用于获取其所在无人机节点的实时定位位置；移动预测模型，用于根据其所在无人机节点的历史速度预测其当前位置和速度；队列预测模型，用于基于其所在无人机节点当前的邻居表预测该无人机节点的当前队列变换率；路由决策模型，根据当前位置、速度、队列变化率以及历史轨迹状态作出路由决策。该方案采用多种深度学习模型组合的方式能够更加准确地为无人机节点作出最优的路由决策。
-
公开(公告)号：CN112085746B
公开(公告)日：2024-02-02
申请号：CN202010937140.7
申请日：2020-09-08
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
IPC: G06T7/11 , G06T7/12 , G06N3/0464
Abstract: 本发明公开了一种基于增强特征表示的图像分割方法，包括如下步骤：S1、以卷积神经网络作为骨干网络，将待分割图像输入到卷积神经网络以获得初次分割结果，输出特征图；S2、利用全局平均池化捕获所述特征图的类别整体特征；S3、重建像素特征，将其用于分类获得最终的分割图像。本发明通过捕获各类别的整体特征，将其作用于各类别内像素点，进而增强像素特征表示，提高类内像素点的相似度和类间像素点的判别性，从而提高图像分割的准确性。
-
-
-
-
-
-
-
-
-
Search Results
202
records
(took 0.059 seconds)
