-
公开(公告)号：CN116468079B
公开(公告)日：2024-05-24
申请号：CN202310402508.3
申请日：2023-04-13
Applicant: 上海处理器技术创新中心
IPC: G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种用于训练深度神经网络模型的方法及相关产品，其中该方法包括：获取深度神经网络模型的线性层在前向传播期间和反向传播期间所涉及的全精度训练参数；对全精度训练参数进行自适应逐层缩放量化处理，以得到量化后的训练参数；以及在对深度神经网络模型的训练过程中，将每一线性层中针对全精度训练参数的全精度乘法累加处理操作，替换为对量化后的训练参数的加法处理操作和符号翻转处理操作，以实现对深度神经网络模型的低能耗训练。通过本发明的方案，有效降低深度神经网络训练过程中的能耗，同时确保精度损失较小。
-
公开(公告)号：CN117091584A
公开(公告)日：2023-11-21
申请号：CN202310981835.9
申请日：2023-08-04
Applicant: 上海处理器技术创新中心
Abstract: 本发明涉及飞行器导航技术领域，公开了一种飞行器视觉路径记忆导航的方法和系统以及设备和存储介质，其中方法包括在飞行器飞往目标的过程中，令所述飞行器采集实时图像；将实时图像输入具有飞行器视觉路径记忆的深度神经网络；具有飞行器视觉路径记忆的深度神经网络判断目标是否在实时图像的视场内，相应于目标在视场内时，输出真实目标方位角作为目标方位信息，相应于所述目标未在视场内时，输出视场内朝向目标偏移的方位角作为目标方位信息。飞行器视觉路径记忆导航的方法对实时图像的角度、分辨率、明暗等条件都有较强的适应性，能够快速调整姿态，不断趋近于目标方向。
-
公开(公告)号：CN116468079A
公开(公告)日：2023-07-21
申请号：CN202310402508.3
申请日：2023-04-13
Applicant: 上海处理器技术创新中心
IPC: G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种用于训练深度神经网络模型的方法及相关产品，其中该方法包括：获取深度神经网络模型的线性层在前向传播期间和反向传播期间所涉及的全精度训练参数；对全精度训练参数进行自适应逐层缩放量化处理，以得到量化后的训练参数；以及在对深度神经网络模型的训练过程中，将每一线性层中针对全精度训练参数的全精度乘法累加处理操作，替换为对量化后的训练参数的加法处理操作和符号翻转处理操作，以实现对深度神经网络模型的低能耗训练。通过本发明的方案，有效降低深度神经网络训练过程中的能耗，同时确保精度损失较小。
-
公开(公告)号：CN118349337A
公开(公告)日：2024-07-16
申请号：CN202310070805.2
申请日：2023-01-16
Applicant: 上海处理器技术创新中心
Abstract: 本发明提出一种基于深度学习框架网络的单算子异构计算加速方法和系统，包括：判断深度学习计算单元是否支持运行神经网络模型中全部算子，若是，则选择深度学习计算单元执行神经网络模型，否则判断神经网络模型的算子是否均不能运行于深度学习计算单元，若是，则定制深度学习计算单元的运行方式，否则分离神经网络模型的每个网络层，并将网络层中仅支持通用计算单元的算子分配给通用计算单元；将网络层中支持深度学习计算单元运行的算子分配给深度学习计算单元；异构计算单元中深度学习计算单元和通用计算单元按照与神经网络模型中算子的分配关系，执行神经网络模型。本发明通过为每个算子分配的合适的计算资源，提高了异构计算单元的执行效率。
-
公开(公告)号：CN116484942A
公开(公告)日：2023-07-25
申请号：CN202310402439.6
申请日：2023-04-13
Applicant: 上海处理器技术创新中心
IPC: G06N3/092
Abstract: 本申请公开了一种用于多智能体强化学习的方法、系统、设备和存储介质。所述方法包括：获取各智能体与环境交互的历史交互数据、未来状态信息和奖励值；根据所述历史交互数据计算反映所述各智能体与环境交互过程的信念状态向量；响应于满足预定约束条件，基于所述信念状态向量、所述未来状态信息和所述奖励值计算后见向量，以确定与多智能体强化学习相关的后见价值函数；以及将所述后见价值函数作为多智能体强化学习中的新基线，以实现多智能体强化学习。利用本申请的方案，可以降低梯度估计的方差，提高采样效率和性能。
-
Patent Agency Ranking
公开(公告)号：CN119887605A
公开(公告)日：2025-04-25
申请号：CN202311377678.7
申请日：2023-10-23
Applicant: 上海处理器技术创新中心
IPC: G06T5/94 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/0475 , G06N3/094 , G06N3/048
Abstract: 本披露公开了一种用于增强局部过曝图像的方法、电子设备及存储介质。该方法包括：根据局部过曝图像生成用于区分局部过曝图像的非过曝区域的掩膜；利用掩膜和通道注意力机制为局部过曝图像的非过曝区域加权；以及利用生成对抗网络处理加权后的局部过曝图像，以得到非过曝区域优先增强的增强图像。通过本披露实施例的方案，能够让生成对抗网络处理更加关注局部过曝图的非过曝区域，从而优先增强非过曝区域，避免非过曝区域的图像增强受到过曝区域的限制，导致其清晰度的提升无法达到预期，进而影响局部过曝图像整体的增强效果。
-
公开(公告)号：CN119883307A
公开(公告)日：2025-04-25
申请号：CN202311386500.9
申请日：2023-10-24
Applicant: 上海处理器技术创新中心
Abstract: 本发明公开了一种用于无人机固件升级的方法，系统和相关产品，无人机配置有板载管理模块和固件主设备，其中固件主设备配置有升级单元；方法包括：接收用于对固件主设备进行固件升级的固件升级包；利用板载管理模块对所述固件升级包进行第一安全校验；响应于第一安全校验通过，将固件升级包写入升级单元，以进行固件主设备固件升级；利用板载管理模块对固件主设备升级后的固件进行第二安全校验；响应于第二安全校验通过，利用固件主设备对升级后的固件进行第三安全校验；以及响应于第三安全校验通过，确定完成无人机固件升级。通过上述方案，可以有效保障固件在升级中的可靠性和安全性，避免由于恶意篡改等异常情况下对固件主设备带来的风险。
-
公开(公告)号：CN118097609A
公开(公告)日：2024-05-28
申请号：CN202310728475.1
申请日：2023-06-19
Applicant: 上海处理器技术创新中心
IPC: G06V20/58 , G06V10/25 , G06V10/778 , G06V10/82 , G06N3/0442 , G06N3/092 , G06V20/56
Abstract: 本发明提出一种基于高语言策略通用性强化学习的目标识别方法和系统。本发明采用的框架学习概念化的表示，可以有效提高策略训练效率和不可见的测试环境中提高样本效率和泛化性能。本发明提出了一个多层次注意力概念编码器和两个互信息约束来无监督的学习概念。概念编码器模拟了多步骤推理过程，保证了编码器能够从文本和观测中提取所有与概念相关的信息。本发明增加了两个互信息约束，以保证所学习概念的不变性和紧致性。
-
公开(公告)号：CN116700121A
公开(公告)日：2023-09-05
申请号：CN202310913488.6
申请日：2023-07-24
Applicant: 上海处理器技术创新中心
IPC: G05B19/042
Abstract: 本发明的实施方式提供了一种用于无人机系统的控制终端，其通过无线网络通信设备与控制外设以及外部执行设备连接，控制终端包括：通信模块，其用于与控制外设、外部执行设备进行通信，其中，外部执行设备包括基础外设和定制外设；基础处理模块，其与通信模块相连，以用于接收和处理来自基础外设的信息，并向基础外设发送控制指令；扩展模块，其一端与通信模块相连，另一端与基础处理模块相连，以用于接收和处理来自定制外设的信息，并向定制外设发送控制指令。通过增加扩展模块，实现基础处理模块和扩展模块的模块化分离，可实现在不同的控制终端之间共享已开发的基础处理模块，只需针对特定需求定制对应的扩展模块，进行扩展模块的更换即可。
-
公开(公告)号：CN116484942B
公开(公告)日：2024-03-15
申请号：CN202310402439.6
申请日：2023-04-13
Applicant: 上海处理器技术创新中心
IPC: G06N3/092
Abstract: 本申请公开了一种用于多智能体强化学习的方法、系统、设备和存储介质。所述方法包括：获取各智能体与环境交互的历史交互数据、未来状态信息和奖励值；根据所述历史交互数据计算反映所述各智能体与环境交互过程的信念状态向量；响应于满足预定约束条件，基于所述信念状态向量、所述未来状态信息和所述奖励值计算后见向量，以确定与多智能体强化学习相关的后见价值函数；以及将所述后见价值函数作为多智能体强化学习中的新基线，以实现多智能体强化学习。利用本申请的方案，可以降低梯度估计的方差，提高采样效率和性能。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.039 seconds)
