-
公开(公告)号：CN112100415B
公开(公告)日：2023-03-17
申请号：CN202010961877.2
申请日：2020-09-14
Applicant: 哈尔滨工业大学(威海)
Abstract: 本文结合存储高度关联的大型图数据库的需求，并结合在上述数据库中提高操作时的安全性与性能的需求，以及传统的原生图数据库Neo4j存在的安全性差、性能不能满足数据量较大时的大量查询的问题，在原有的存储结构基础上，结合GPGPU的高带宽和大吞吐量以及高计算密度的特点，通过增添安全校验码改良原有数据存储结构，提出了一种以GPU为存储和操作核心的模型，并且在提高了数据库的安全性的同时、不损失常用查询效率的数据库结构。本发明创新地利用GPU处理数据时按块对齐、并行处理的特点，做到了图数据库的安全可靠与性能稳定的统一；同时对于一些常用操作的效率明显优于传统的原生图数据库，且对硬件要求较低、兼容性较强，性价比较高，可扩展性较强。
-
公开(公告)号：CN107193661A
公开(公告)日：2017-09-22
申请号：CN201710339568.X
申请日：2017-05-15
Applicant: 哈尔滨工业大学(威海)
Abstract: 面向多核处理器确定性重演的优化分段式内存竞争记录系统及其方法，涉及一种内存竞争记录系统，为了解决现有分段式内存竞争记录方法的冗余和判断方式不足导致漏记的问题，通过设置段号寄存器，实现了多核处理器存在内存竞争的优化记录，所述的记录方法在检测到内存竞争冲突时与之前的竞争记录进行有效地比较，判断是否可以约减，判断是否可以利用相邻同向竞争关系进行人工访问冲突的设置，达到减少内存竞争记录的次数，优化内存竞争日志，降低硬件资源消耗的效果。它可扩展到容错处理、事后安全分析等更为广泛的应用模型中。
-
公开(公告)号：CN103678131A
公开(公告)日：2014-03-26
申请号：CN201310695964.8
申请日：2013-12-18
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种多核处理器的软件故障注入及分析系统，具体实现包括：软件故障注入子系统和软件故障分析子系统；所述软件故障注入子系统包括：故障定义模块，用于存储及输出预定的软件故障；故障注入模块，用于通过预定的注入器将所述预定的软件故障注入多核处理器系统；所述软件故障分析子系统包括：日志读取模块，用于读取并记录所述多核处理器系统中的软件故障；日志分析模块，用于分析所述多核处理器系统中的软件故障并输出软件故障的类型。本发明提供了一种适用于国产多核处理器芯片的故障模型用以模拟复杂电磁环境下产生的软件故障，并且能够实现软件故障注入与分析系统进行软件注入与分析。
-
公开(公告)号：CN103617094A
公开(公告)日：2014-03-05
申请号：CN201310695327.0
申请日：2013-12-18
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种多核处理器的瞬时故障容错系统，包括：故障检测分析子系统、进程监控子系统和检查点设置及恢复子系统；所述检查点设置及恢复子系统包括：用户态命令模块、libcr库函数模块和进程保护恢复内核模块；所述用户调用接口模块用于向所述进程保护恢复内核模块发送检查点的保存和恢复的请求并显示操作结果；所述libcr库函数模块用于触发进程进行检查点的保存和恢复；所述进程保护恢复内核模块用于接收所述用户调用接口模块发送的检查点的保存和恢复请求，并在执行对所述进程的运行信息的检查点的保存和恢复的操作后返回操作结果。本发明能够较好地提高计算机系统的可靠性，并提高计算机从瞬时故障中恢复的能力。
-
公开(公告)号：CN103020003A
公开(公告)日：2013-04-03
申请号：CN201210590026.7
申请日：2012-12-31
Applicant: 哈尔滨工业大学
IPC: G06F15/167
Abstract: 面向多核程序确定性重演的内存竞争记录装置及其控制方法，涉及一种内存竞争记录装置，为了解决实现内存竞争记录的方法成本高的问题。它为基于Cache一致性协议的多核处理器系统，实现了多核程序运行时内存竞争的记录，所述记录的方法不直接记录内存竞争对应的依赖关系，而是记录用竞争发生时由竞争双方所在处理器核的当前指令表示的间接依赖关系，为每个线程记录一个由间接依赖关系构成的内存竞争日志；记录内存竞争的间接依赖关系，无需为每个内存块保存对应内存操作指令的指令计数值，而是为每条指令存储一个具有更小尺寸的段时戳。同时使用分段方法实现内存竞争日志的约减，大大降低了硬件资源消耗。它用于多核程序调试、入侵检测和容错。
-
Patent Agency Ranking
公开(公告)号：CN113535957B
公开(公告)日：2022-08-02
申请号：CN202110850763.5
申请日：2021-07-27
Applicant: 哈尔滨工业大学
IPC: G06F16/35 , G06F16/36 , G06N5/02 , G06N3/08 , G06F40/284 , G06F40/242
Abstract: 本申请公开了一种基于双重知识交互和多任务学习的对话情绪识别网络模型、构建方法、电子设备及存储介质，属于自然语言处理技术领域。解决了现有Emotion Recognition in Conversation(ERC)模型忽视了话语和知识的直接交互；使用与主任务弱相关的辅助任务，只能为ERC任务提供有限的情感信息的问题。本申请利用一个大规模知识图谱中的常识知识来增强词级别表示。使用一个自匹配模块整合知识表示和话语表示，允许二者进行复杂交互。将短语级别的情感极性强度预测任务作为辅助任务。该辅助任务的标签来自情感词典的情感极性强度值，明显与ERC任务高度相关，为目标话语的情绪感知提供了直接指导信息。
-
公开(公告)号：CN114692170A
公开(公告)日：2022-07-01
申请号：CN202210412933.6
申请日：2022-04-20
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种基于多段式树突网络的工控异常设备定位方法和系统，该方法收集处于工控系统异常时间段的物理层设备数据，然后利用前段树突网络进行训练得到工控系统整体异常模型，从工控系统整体异常模型中提取工控系统整体异常特征，利用工控系统整体异常特征对物理层设备数据进行数据降维，再将降维后的数据放入中、后段树突网络进行学习，得到工控系统风险区域模型及工控系统异常区域模型并提取特征，再进行特征解析得到工控系统异常区域物理层设备关系谱，最后利用工控系统异常区域物理层设备关系谱得到异常设备。该系统包括模型训练模块、特征提取模块、特征解析模块、数据降维模块和设备定位模块。
-
公开(公告)号：CN113722718A
公开(公告)日：2021-11-30
申请号：CN202110971368.2
申请日：2021-08-24
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种基于策略库的云边协同工控网络安全防护方法，该方法通过在云端的由生成模型网络——长短期记忆(LSTM)网络和新型判别模型网络——树突网络(DendriteNetorDD)的生成式对抗网络(GAN)生成异常情况的识别规则库，然后再将这些规则部署到对应的边端上，并给每条规则匹配相应的应对策略，最终形成云边协同的策略库来满足工控网络的低时延安全防护。该方法的边端包含数据收集模块和策略库模块，云端包含数据处理模块、生成式对抗网络模块、规则生成模块和规则库模块。同时规则库和策略库又包含由长短期记忆网络所提取的时序特征所生成的预测规则和树突网络所生成的识别规则。不同规则所对应的策略可以由工控系统的管理员设置。
-
公开(公告)号：CN113535957A
公开(公告)日：2021-10-22
申请号：CN202110850763.5
申请日：2021-07-27
Applicant: 哈尔滨工业大学
IPC: G06F16/35 , G06F16/36 , G06N5/02 , G06N3/08 , G06F40/284 , G06F40/242
Abstract: 本申请公开了一种基于双重知识交互和多任务学习的对话情绪识别网络模型、构建方法、电子设备及存储介质，属于自然语言处理技术领域。解决了现有Emotion Recognition in Conversation(ERC)模型忽视了话语和知识的直接交互；使用与主任务弱相关的辅助任务，只能为ERC任务提供有限的情感信息的问题。本申请利用一个大规模知识图谱中的常识知识来增强词级别表示。使用一个自匹配模块整合知识表示和话语表示，允许二者进行复杂交互。将短语级别的情感极性强度预测任务作为辅助任务。该辅助任务的标签来自情感词典的情感极性强度值，明显与ERC任务高度相关，为目标话语的情绪感知提供了直接指导信息。
-
公开(公告)号：CN111861860A
公开(公告)日：2020-10-30
申请号：CN202010713775.9
申请日：2020-07-23
Applicant: 哈尔滨工业大学(威海)
IPC: G06T1/20
Abstract: 本发明提出了一种面向AI智能SOC芯片的图像加速处理系统，其中包括任务分析模块，任务链接模块，内部节点优化模块和寻找解决方案模块。本发明可以实现对图像处理的加速，并且可以解决传统SOC芯片对同一图像多次处理过程中I/O读写次数高，芯片内ALU利用不充分，只能针对单一节点进行优化，无法实现一个系统级的最优解决方案等问题。本发明的有益效果：能够分析本次图像处理所需要的处理任务，并且找到处理任务不同的实现方案，依据各个处理任务之间的数据依赖关系，将任务链接成一个整体的解决方案，再通过内部节点优化拆分组合任务节点，最后通过分析各种解决方案对AI智能SOC芯片内部ALU的利用率，找到最优的解决方案，提高系统性能。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.046 seconds)
