-
公开(公告)号：CN119783939A
公开(公告)日：2025-04-08
申请号：CN202411051915.5
申请日：2024-08-01
Applicant: 清华大学 , 国网天津市电力公司 , 国家电网有限公司 , 国网能源研究院有限公司
IPC: G06Q10/063 , G06Q50/06 , G06F30/27 , G06F30/18 , G06F16/36 , G06F16/35 , G06N5/022 , G06F119/02
Abstract: 本发明公开了一种能源电力领域的传导逻辑与级联模型分析方法，该方法包括数据收集与预处理：收集全球能源贸易数据，包括能源进出口量、价格等，并进行预处理以构建全球能源级联传导网络。模型建立：基于收集的数据，构建考虑过载限制的欠载级联故障模型，该模型能够模拟能源贸易网络中的级联故障过程。情景设定与模拟：设定不同情景，模拟节点负荷上限与下限波动，利用模型进行模拟分析。结果分析与报告：根据模拟结果，分析国际能源电力格局对我国能源安全的影响，并生成分析报告，为政策制定者提供参考。本发明通过不同情景下的模拟，可以发现国际能源电力格局对我国能源电力发展的影响。
-
公开(公告)号：CN119533549A
公开(公告)日：2025-02-28
申请号：CN202411651650.2
申请日：2024-11-19
Applicant: 清华大学深圳国际研究生院
IPC: G01D18/00 , G06F18/231 , G06F18/27 , G06F18/213 , G06N3/045 , G06N3/0455 , G06N3/08
Abstract: 一种传感器数据漂移在线校准方法，包括数据预处理、层次聚类分析、相关性分析与漂移初步识别、基于Transformer的时序预测以及在线校准，能够有效提高物联网传感器数据的准确性。利用时序数据相关性分析与聚类算法，智能识别数据漂移的传感器，并采用基于Transformer的时间序列预测算法，精确捕捉传感器数据的时间和空间相关性，实现高精度预测。通过在线校准机制，实时响应数据漂移，确保数据的实时准确性。此外，将校准后的数据重新整合到数据集中并更新预测模型，实现模型的自适应更新，进一步提高了系统的适应性和准确性。本发明对于提高传感器数据的可靠性，延长传感器网络的使用寿命具有重要意义，尤其适用于需要长期稳定运行的物联网应用。
-
公开(公告)号：CN119396332A
公开(公告)日：2025-02-07
申请号：CN202411258769.3
申请日：2024-09-09
Applicant: 清华大学深圳国际研究生院 , 鹏城实验室
IPC: G06F3/06
Abstract: 一种用于大模型分发部署的基于RAMdisk分布式缓存的存储加速系统和方法，包括：数据湖存储模块，用于统一存储训练产出的模型文件，并具备对象存储服务和事件通知机制，其中对象存储服务提供数据湖存储的接口，支持高吞吐量的数据存取，事件通知机制用于在数据状态变化时自动触发通知，以便缓存进行相应的数据加载或更新；分布式缓存分级存储结构，与所述数据湖存储模块的事件通知机制相连接，用于根据数据热度进行分级存储，其包括：RAMdisk缓存，提供高速数据存取；Memory缓存，用于存储热度最高的数据；NVME SSD缓存，用于持久化存储。本发明通过基于对象存储的数据湖分布式缓存方案，实现了对模型数据访问速度、扩展性、部署流程、成本等方面的优化。
-
公开(公告)号：CN112086474B
公开(公告)日：2024-09-20
申请号：CN202010885627.5
申请日：2020-08-28
Applicant: 清华大学深圳国际研究生院
IPC: H01L27/146 , B81B7/00
Abstract: 本发明的实施例公开一种荧光探测用图像传感器件，包括微流控芯片、图像传感芯片和光纤面板；所述微流控芯片具有微阱；所述图像传感芯片设有感光像素阵列；所述感光像素阵列设有微透镜；所述光纤面板设有光导纤维；所述光导纤维具有内圈传导结构；所述光导纤维的内圈传导结构与所述图像传感芯片的感光像素阵列一一对应；所述光导纤维的一端与所述微透镜直接连接；所述光导纤维的另一端与所述微阱相匹配。本发明的实施例可以降低光学串扰。
-
公开(公告)号：CN118565643A
公开(公告)日：2024-08-30
申请号：CN202410318421.2
申请日：2024-03-20
Applicant: 清华大学深圳国际研究生院
Abstract: 一种SOC片上温度传感器，包括感温电路与模数转换器，所述感温电路包括温度采样模块与放大器模块，所述温度采样模块采用PNP管为测温元件，将监测到的温度信息转变为同温度相关的电压信号，所述放大器模块设置有共模点，所述电压信号由所述放大器模块放大，并通过所述放大器模块的共模点设置而转变为差分电压信号，所述差分电压信号输入所述模数转换器，所述模数转换器将所述差分电压信号转换为表征温度信息的数字信号。通过该SOC片上温度传感器的设计，在芯片上集成温度传感器实时准确监测芯片的温度，利于实现更好的芯片性能。并且，利用该温度传感器，可根据芯片的温度控制调整系统或各个模块，从而使芯片发挥出更好的性能。
-
Patent Agency Ranking
公开(公告)号：CN118261229A
公开(公告)日：2024-06-28
申请号：CN202410406717.X
申请日：2024-04-07
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明公开了一种边缘端神经网络加速系统及边缘端神经网络模型的训练方法，其中边缘端神经网络加速系统包括：输入模块，用于向计算模块发送需要计算的输入数据，及根据状态信息向计算模块发送指令，状态信息根据神经网络的网络信息生成；计算模块，包括核心计算单元及一个以上辅助计算单元，用于根据指令获取核心计算单元与辅助计算单元的连接关系及网络信息，根据指令将核心计算单元及辅助计算单元相互连接，并根据输入数据及网络信息执行神经网络训练计算任务，神经网络训练计算任务包括主体计算任务及执行辅助计算任务，核心计算单元用于执行主体计算任务，辅助计算单元用于执行辅助计算任务；数据接收模块与计算模块连接，用于接收计算模块的计算结果。本发明通过将不同训练中均具有相同的细粒度运算表示的任务的执行单元设置为核心计算单元，使在进行不同训练时均可使用核心计算单元执行，使提高了硬件利用率和能耗表现。
-
公开(公告)号：CN117289895A
公开(公告)日：2023-12-26
申请号：CN202311232968.2
申请日：2023-09-22
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明公开了一种多精度复用的浮点乘加方法、图像处理方法及装置，浮点乘加方法通过接收输入数据，对输入数据进行预处理、解码，再进行尾数乘法、对阶移位，输出第一结果；输入所述第一结果，进行有效数加法和前导0预测，输出第二结果；输入所述第二结果，串行完成规格化移位与舍入输出；采用双路径处理方法，在尾数处理中：分割高精度尾数处理路径为两条低精度尾数处理路径，复用其中的尾数乘法、加法、前导0预测、对阶与规格化移位步骤，在指数处理中：附加一条低精度的指数处理路径，能够兼容16种常用精度，节省网络内存和带宽，通过对多个模块硬件的复用，降低了面积与功耗成本，同时保证时延基本不变。
-
公开(公告)号：CN113611387B
公开(公告)日：2023-07-14
申请号：CN202110871071.9
申请日：2021-07-30
Applicant: 清华大学深圳国际研究生院
IPC: G16H20/30 , G06Q10/0639 , G06V40/20 , G06V20/40
Abstract: 本发明公开一种基于人体位姿估计的运动质量评估方法及终端设备，该方法包括：接收视频帧，采用快速目标检测方式进行人体检测；将检测到的人体部分从视频帧原图抠出，输入到轻量型人体位姿估计网络进行人体2D关节点检测；将每一帧关节点检测结果进行滤波；将经过滤波后的关节点进行运动质量评估；记录运动量，给出运动质量总体打分。本发明能在一般具有AI加速能力的嵌入式平台进行实时运动捕捉及评估，通过快速人体检测、滤波、动作质量评估、动作自动计数等提供一个实时基于人体位姿估计的运动捕捉算法来进行技术支撑，通过动作比对并且对动作质量打分来监测运动质量，通过设计三种人体运动状态实现动作自动计数，实现高效的实时用户体验。
-
公开(公告)号：CN114363807A
公开(公告)日：2022-04-15
申请号：CN202111661701.6
申请日：2021-12-31
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明提供一种室内三维定位方法及计算机可读存储介质，方法包括：获取基于超宽带的多个基站到被测物体的第一距离值，对所述第一距离的误差进行校正得到第二距离值；根据所述第二距离值采用Chan算法得到所述被测物体位置坐标的初始估计，将所述初始估计作为Taylor算法迭代的初始值并获取所述被测物体的位置坐标估计；根据所述位置坐标估计得到所述被测物体的定位轨迹曲线。本发明用Chan算法的位置估计结果作为Taylor算法的初始定位值，有效避免了Taylor算法在迭代中不收敛的情况，并且使得定位结果更加精准。
-
公开(公告)号：CN108229304B
公开(公告)日：2021-04-16
申请号：CN201711144004.7
申请日：2017-11-17
Applicant: 清华大学深圳研究生院
Abstract: 本发明公开了一种系统化的基于聚类思想的驾驶行为识别方法，所述驾驶行为识别方法，包括以下步骤：建立统计特征模型；利用惯性传感器进行驾驶行为数据采集；利用卡尔曼滤波器对所述数据进行滤波；对所述滤波后数据采用自适应窗函数方法提取有效驾驶行为数据，并进一步提取有效数据的统计特征；筛选得到最优的统计特征；对驾驶行为数据的统计特征进行分类，识别相应的驾驶行为。本发明基于聚类思想，提供了一种特征极少，计算量极低且精度极高的系统化驾驶行为识别方法，在社会安全，车险，车队管理等领域有广阔应用前景。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.047 seconds)
