-
公开(公告)号：CN119169438A
公开(公告)日：2024-12-20
申请号：CN202411333340.6
申请日：2024-09-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种嵌入式边缘智能计算系统的推理加速方法、装置、存储介质，该方法包含：集成CPU与NPU处理器，构建边缘计算的基础异构架构；配置模型离线部署框架，该框架支持将训练后的YOLO模型部署在NPU处理器上；对所述YOLO模型的检测层算子网络结构进行逻辑重构；对重构后的YOLO模型检测层进行算子编程与多核加速计算。该方法提高了算子速度，提高了系统推理速度。
-
公开(公告)号：CN118587527A
公开(公告)日：2024-09-03
申请号：CN202410662573.4
申请日：2024-05-27
Applicant: 中国科学院计算技术研究所
IPC: G06V10/774 , G06V10/764 , G06V10/40 , G06V10/82 , G06N3/047 , G06N3/096 , G06N3/084
Abstract: 本发明提供了一种基于跨图像像素空间关系的扩散模型蒸馏方法，包括：获取教师模型和学生模型，两个模型均为生成式的扩散模型，教师模型是预先训练好的模型，学生模型所设置的迭代去噪的步数比教师模型更少；获取一个批次的样本数据，将每个样本数据分别输入两个模型以生成该样本数据对应的教师图像和学生图像；将当前批次生成的每张教师图像和学生图像分别输入预训练好的特征提取器，得到教师图像特征和学生图像特征；根据每两个教师图像特征计算两者像素间的第一空间关系矩阵，以及根据每两个学生图像特征计算两者像素间的第二空间关系矩阵；根据每对第一空间关系矩阵和第二空间关系矩阵间的KL散度求损失，根据损失更新学生模型的参数，其中，当一个第一空间关系矩阵和另一个第二空间关系矩阵所涉及的样本数据的编号一致时视两者为一对。
-
公开(公告)号：CN118521666A
公开(公告)日：2024-08-20
申请号：CN202410662575.3
申请日：2024-05-27
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于在线像素嵌入队列蒸馏扩散模型的方法，包括：获取教师模型和学生模型，学生模型所设置的迭代去噪的步数比教师模型更少；获取一个批次的样本数据，分别输入两个模型以生成图像对；将每个图像对的两张图像分别输入特征提取器，得到教师和学生图像特征；从当前批次的教师图像特征中，随机采样部分像素嵌入推入队列；从在线像素嵌入队列中随机采样部分像素嵌入，以生成参考嵌入矩阵；针对每个图像对，计算其对应的第一相似度矩阵和第二相似度矩阵；针对每个图像对，计算其对应的第一相似度矩阵和第二相似度矩阵之间的KL散度；根据当前批次生成的所有图像对相关的KL散度，确定损失以更新学生模型的参数。
-
公开(公告)号：CN118229179A
公开(公告)日：2024-06-21
申请号：CN202410297830.9
申请日：2024-03-15
Applicant: 中国科学院计算技术研究所
IPC: G06Q10/0835 , G06Q10/047 , G06F16/29 , G06N5/01
Abstract: 本发明提供一种基于大数据的海上航线规划系统，包括：数字地图模块，用于获取港口数据、历史海洋货运的船舶数据和海图数据，所述船舶数据包括全球海洋货运船舶的轨迹数据和船舶货运类型，港口数据包括全球港口地理位置和港口档案；海洋运输网络构建模块，用于根据所述船舶数据、港口信息数据和海图数据，以海洋交通运输中的港口作为港口节点以及以港口间存在的航路作为边，构建多种货运类型的全球海洋航运有向网络；航线创建模块，用于根据船舶的货运类型、其起始港口和目标港口，从对应货运类型的全球海洋航运有向网络中，按照预定规则规划一条最优航线和多条备用航线。本发明通过规划一条最优航线以及多条备用航线，从而提高海上航运效率。
-
公开(公告)号：CN111461322B
公开(公告)日：2024-03-08
申请号：CN202010174807.2
申请日：2020-03-13
Applicant: 中国科学院计算技术研究所
IPC: G06N3/082 , G06N3/0495 , G06N3/0464
-
Patent Agency Ranking
公开(公告)号：CN111126563B
公开(公告)日：2023-09-29
申请号：CN201911166620.1
申请日：2019-11-25
Applicant: 中国科学院计算技术研究所
IPC: G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明提出一种基于孪生网络的时空数据的目标识别方法及系统。构建包括两个子网的孪生网络模型，获取训练样本(x1,x2,y)，x1和x2表示包括兴趣点的时空数据，y表示x1和x2是否属于相同目标；将x1和x2分别输入至孪生网络模型的子网，得到特征向量v(x1)和v(x2)，通过距离度量得到特征向量v(x1)和v(x2)间的距离，根据距离与标签y之间的损失反向传播训练孪生网络模型，得到最终网络模型；取最终网络模型的子网作为目标识别模型，将待链接目标的时空数据输入目标识别模型，得到待链接目标的时空数据的待链接向量，将已知目标的时空数据输入目标识别模型，得到已知目标的时空数据的已链接向量，根据待链接向量和已链接向量之间的相似关系，为待链接目标的时空数据链接目标。
-
公开(公告)号：CN116610446A
公开(公告)日：2023-08-18
申请号：CN202310511119.4
申请日：2023-05-08
Applicant: 中国科学院计算技术研究所
IPC: G06F9/50 , G06F9/4401 , G06F3/06
Abstract: 本发明实施例提供一种边缘计算平台，该平台包括：第一存储器、第二存储器，其中，第一存储器、第二存储器中配置有相同的操作系统，其中，第一存储器支持操作系统稳定运行，第二存储器支持操作系统更新，且边缘计算平台被配置为：在需要稳定运行时，从第一存储器启动和运行操作系统；在需要更新方便时，从第二存储器启动和运行操作系统；其中，配置在第一存储器、第二存储器中的操作系统是预先裁剪好的、在功能上满足边缘计算平台以及用户需求、在容量上满足第一存储器和第二存储器中的最小存储容量的操作系统。本发明的边缘计算平台可以根据不同的需求从边缘计算平台中的不同的存储器中启动和运行操作系统。
-
公开(公告)号：CN111488984B
公开(公告)日：2023-07-21
申请号：CN202010259417.5
申请日：2020-04-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种轨迹预测方法，包括根据用户的实时轨迹数据，使用经用于训练轨迹预测模型的方法得到的轨迹预测模型进行轨迹预测，得到轨迹预测结果，本发明将时空轨迹数据分为近期轨迹数据、短期历史数据和长期历史数据，利用第一多头注意力机制网络的编码模型捕捉长期历史数据中各轨迹点的长期时空关系，利用循环神经网络编码模型捕捉短期历史数据中各轨迹点的短期时空关系，并利用第二多头注意力机制网络的编码模型根据长期和短期时空关系的相似度对短期时空关系进行调整，实现了历史轨迹的全局依赖，用近期轨迹数据和经调整后的短期时空关系训练第三多头注意力机制网络的解码模型后将其作为轨迹预测模型，提高了轨迹预测的准确性。
-
公开(公告)号：CN111291280B
公开(公告)日：2023-04-11
申请号：CN202010160198.5
申请日：2020-03-10
Applicant: 中国科学院计算技术研究所
IPC: G06F16/9537 , G06F16/29
Abstract: 本发明实施例提供了一种大规模移动对象的轨迹快速预测方法、介质和设备，本发明通过轨迹压缩来减缓数据量大的压力，采用柔和的奖惩措施，即匹配成功后将对应的两个相邻历史规律点的高斯概率的均值作为相似度奖励来避免奖惩措施过于尖锐，从而提高轨迹预测准确性，并且本发明在获取到与压缩后的当前轨迹相似度最高的压缩后的历史规律轨迹后，还通过插值补全法来实现在不降低轨迹预测准确性的情况下提高实时性。
-
公开(公告)号：CN115904652A
公开(公告)日：2023-04-04
申请号：CN202211363177.9
申请日：2022-11-02
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于深度强化学习的集群任务调度方法及系统，包括采用强化学习对异构计算资源平台中的任务进行实时调度，将计算平台中物理机组别信息、来自用户的任务需求信息以及任务执行成本作为强化学习的状态空间，将可用的物理机组集合作为强化学习的动作空间，通过深度Q网络方法，通过与异构计算平台环境信息的变化，学习适应动态变化的任务类型在异构资源物理机上的不同执行效率，资源利用效率即物理机执行任务时的资源使用占比；采用遗传算法，在前一步决策结果产生的物理机组中，根据不同物理机的资源使用情况，最大化资源利用效率，进行任务的进一步调度。
-
-
-
-
-
-
-
-
-
Search Results
202
records
(took 0.068 seconds)
