-
公开(公告)号：CN108337076A
公开(公告)日：2018-07-27
申请号：CN201710934807.6
申请日：2017-10-10
Applicant: 三星电子株式会社
IPC: H04L5/00 , H04B17/345 , H04J11/00
CPC classification number: H04W72/06 , H04J11/004 , H04J11/0046 , H04L5/0023 , H04L5/0051 , H04L27/2691 , H04B17/345 , H04J11/0036
Abstract: 一种用于干扰解调参考信号检测的方法和设备，一种用于在一件用户设备(UE，例如，移动装置)中描述干扰解调参考信号(DMRS)的特征的系统和方法。UE确定业务信号是否在基于DMRS的传输模式中被发送；如果是，则UE从接收到的信号消除业务DMRS；否则UE从接收到的信号消除业务数据信号。然后，分析剩余的信号在四个干扰DMRS候选的每个中具有的功率量，并执行假设检验以确定在信号中是否存在干扰DMRS，如果存在，则确定干扰DMRS的秩以及每个干扰DMRS层的端口号和扰码标识。
-
公开(公告)号：CN108337202B
公开(公告)日：2022-05-03
申请号：CN201711089043.1
申请日：2017-11-08
Applicant: 三星电子株式会社
Abstract: 一种用于从频率估计去除偏差的系统和方法。仿真被用于针对信噪比的各种值预测由频率估计算法产生的原始频率估计中的偏差。对仿真的频率偏移作为真实的频率偏移的函数进行直线拟合，并针对仿真的信噪比，将所述线的斜率的倒数作为乘法偏差去除项保存在查找表中。在操作中，将原始的频率估计与从查找表获得的乘法偏差去除项相乘，以形成校正的频率偏移估计。
-
公开(公告)号：CN108337076B
公开(公告)日：2022-04-19
申请号：CN201710934807.6
申请日：2017-10-10
Applicant: 三星电子株式会社
IPC: H04L5/00 , H04B17/345 , H04J11/00
Abstract: 一种用于干扰解调参考信号检测的方法和设备，一种用于在一件用户设备(UE，例如，移动装置)中描述干扰解调参考信号(DMRS)的特征的系统和方法。UE确定业务信号是否在基于DMRS的传输模式中被发送；如果是，则UE从接收到的信号消除业务DMRS；否则UE从接收到的信号消除业务数据信号。然后，分析剩余的信号在四个干扰DMRS候选的每个中具有的功率量，并执行假设检验以确定在信号中是否存在干扰DMRS，如果存在，则确定干扰DMRS的秩以及每个干扰DMRS层的端口号和扰码标识。
-
Patent Agency Ranking
公开(公告)号：CN108734269B
公开(公告)日：2024-01-09
申请号：CN201711090079.1
申请日：2017-11-08
Applicant: 三星电子株式会社
Inventor： 穆斯塔法·艾尔可哈米 , 李正元 , 崔柳真
IPC: G06N3/0464 , G06N3/06 , G06N3/08
Abstract: 产生输入图像的分类的卷积神经网络及计算机实现方法。在此公开了用于产生输入图像的分类的卷积神经网络(CNN)系统。根据实施例，CNN系统包括：一系列的神经网络层，被配置为：至少基于输入图像获得特征图；通过根据模式将特征图和内核中的至少一个选择的一行的一个或多个元素的值设置为零，并且将所述模式每行循环移位预定间隔以根据循环移位的模式将所述至少一个选择的剩余的行的一个或多个元素的值设置为零，来对所述至少一个选择进行穿孔；对特征图与内核进行卷积，以产生第一卷积输出；至少基于第一卷积输出，产生输入图像的分类。(56)对比文件Sajid Anwar.Structured Pruning ofDeep Convolutional Neural Networks《.ACMJournal on Emerging Technologies inComouting Systems》.2017,第2章.
-
公开(公告)号：CN107967515B
公开(公告)日：2024-01-09
申请号：CN201710684586.1
申请日：2017-08-11
Applicant: 三星电子株式会社
Inventor： 崔柳真 , 李正元 , 穆斯塔法·艾尔可哈米
IPC: G06N3/082 , G06N3/084 , G06F18/23213
Abstract: 一种用于神经网络量化的方法和设备。描述了用于在深度神经网络中执行网络参数量化的设备和方法、系统和制造该设备的方法。一方面，确定神经网络的网络参数的损失函数的二阶偏导矩阵的对角线，然后使用所述对角线对网络参数进行加权，作为对网络参数进行量化操作的一部分，其中，二阶偏导矩阵是海赛矩阵。另一方面，使用网络参数的梯度的一阶矩估计和二阶矩估计对神经网络进行训练，然后使用所述二阶矩估计对所述网络参数进行加权，作为对所述网络参数进行量化操作的一部分。另一方面，通过使用熵约束的标量量化(ECSQ)迭代算法执行网络参数量化。另一方面，通过一次性地对深度神经网络的所有层的网络参数一起量化来执行网络参数量化。
-
公开(公告)号：CN108734269A
公开(公告)日：2018-11-02
申请号：CN201711090079.1
申请日：2017-11-08
Applicant: 三星电子株式会社
Inventor： 穆斯塔法·艾尔可哈米 , 李正元 , 崔柳真
CPC classification number: G06N3/08 , G06F5/01 , G06F17/16 , G06F2207/4824 , G06N3/04 , G06N3/0454 , G06N3/084 , G06N3/06
Abstract: 产生输入图像的分类的卷积神经网络及计算机实现方法。在此公开了用于产生输入图像的分类的卷积神经网络(CNN)系统。根据实施例，CNN系统包括：一系列的神经网络层，被配置为：至少基于输入图像获得特征图；通过根据模式将特征图和内核中的至少一个选择的一行的一个或多个元素的值设置为零，并且将所述模式每行循环移位预定间隔以根据循环移位的模式将所述至少一个选择的剩余的行的一个或多个元素的值设置为零，来对所述至少一个选择进行穿孔；对特征图与内核进行卷积，以产生第一卷积输出；至少基于第一卷积输出，产生输入图像的分类。
-
公开(公告)号：CN108337202A
公开(公告)日：2018-07-27
申请号：CN201711089043.1
申请日：2017-11-08
Applicant: 三星电子株式会社
CPC classification number: H04B17/336 , H04B17/21 , H04L27/10 , H04L27/148 , H04L27/2695 , H04L27/0014 , H04L27/2659 , H04L27/266 , H04L27/2671 , H04L27/2672 , H04L2027/0026
Abstract: 一种用于从频率估计去除偏差的系统和方法。仿真被用于针对信噪比的各种值预测由频率估计算法产生的原始频率估计中的偏差。对仿真的频率偏移作为真实的频率偏移的函数进行直线拟合，并针对仿真的信噪比，将所述线的斜率的倒数作为乘法偏差去除项保存在查找表中。在操作中，将原始的频率估计与从查找表获得的乘法偏差去除项相乘，以形成校正的频率偏移估计。
-
公开(公告)号：CN107967515A
公开(公告)日：2018-04-27
申请号：CN201710684586.1
申请日：2017-08-11
Applicant: 三星电子株式会社
Inventor： 崔柳真 , 李正元 , 穆斯塔法·艾尔可哈米
Abstract: 一种用于神经网络量化的方法和设备。描述了用于在深度神经网络中执行网络参数量化的设备和方法、系统和制造该设备的方法。一方面，确定神经网络的网络参数的损失函数的二阶偏导矩阵的对角线，然后使用所述对角线对网络参数进行加权，作为对网络参数进行量化操作的一部分，其中，二阶偏导矩阵是海赛矩阵。另一方面，使用网络参数的梯度的一阶矩估计和二阶矩估计对神经网络进行训练，然后使用所述二阶矩估计对所述网络参数进行加权，作为对所述网络参数进行量化操作的一部分。另一方面，通过使用熵约束的标量量化(ECSQ)迭代算法执行网络参数量化。另一方面，通过一次性地对深度神经网络的所有层的网络参数一起量化来执行网络参数量化。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
