-
Patent Agency Ranking
公开(公告)号：CN112115253B
公开(公告)日：2023-02-03
申请号：CN202010824405.2
申请日：2020-08-17
Applicant: 北京计算机技术及应用研究所
IPC: G06F16/338 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多视角注意力机制的深度文本排序架构，其中，包括：输入层，用于输入网络模型中的数据；编码层使用双向长短期记忆网络分别编码查询和文本中单词的上下文特征，在双向长短期记忆网络中包括前向LSTM和后向LSTM；内部交互层，用来建模文本中不同单词的重要程度，对重要程度不同的单词给予不同的权重，采用自注意力机制建模查询与文本各自内部的重要语义信息；外部交互层，用来建模查询与文本之间的交互相关性，采用双向注意力机制来捕获查询与文本交互过程中的匹配模式；输出层，将外部交互层的输出作为输入，输出查询与文本的相关性分数作为排序依据。
-
公开(公告)号：CN113806099B
公开(公告)日：2023-07-28
申请号：CN202111070598.8
申请日：2021-09-13
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于二值计算的多核自旋锁设计方法，属于线程同步领域。本发明依靠两个变量nextTicket与ticketInService，nextTicket与ticketInService成对计数；当nextTicket计数值小于ticketInService计数值时，表示自旋锁pLock未被任何线程获取持有；当nextTicket计数值等于ticketInService计数值时，表示当前仅有一个线程获取到自旋锁pLock，执行本线程的临界保护区程序；当nextTicket计数值大于ticketInService计数值时，表示存在两个及以上的线程尝试获取自旋锁pLock，当前自旋锁保持者执行临界保护区程序，其他尝试获取pLock的线程将会自旋。本发明可以确保系统线程按照获取自旋锁的先后顺序访问/操作共享资源，安全有效的解决天熠多核多线程中的线程同步问题。
-
公开(公告)号：CN113806099A
公开(公告)日：2021-12-17
申请号：CN202111070598.8
申请日：2021-09-13
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于二值计算的多核自旋锁设计方法，属于线程同步领域。本发明依靠两个变量nextTicket与ticketInService，nextTicket与ticketInService成对计数；当nextTicket计数值小于ticketInService计数值时，表示自旋锁pLock未被任何线程获取持有；当nextTicket计数值等于ticketInService计数值时，表示当前仅有一个线程获取到自旋锁pLock，执行本线程的临界保护区程序；当nextTicket计数值大于ticketInService计数值时，表示存在两个及以上的线程尝试获取自旋锁pLock，当前自旋锁保持者执行临界保护区程序，其他尝试获取pLock的线程将会自旋。本发明可以确保系统线程按照获取自旋锁的先后顺序访问/操作共享资源，安全有效的解决天熠多核多线程中的线程同步问题。
-
公开(公告)号：CN115951909A
公开(公告)日：2023-04-11
申请号：CN202310058363.X
申请日：2023-01-16
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种片内动态加载应用软件的在线升级固化方法，属于工业控制领域。本发明在RAM内申请一定大小的内存作为ApplicationSoftware地址空间，用于临时存储上传的应用软件数据；将闪存划定为3部分区域：一部分用于存储通用型引导镜像；一部分用于存储操作系统镜像；剩余部分地址空间保留。本发明无须使用片外存储设备，无须定制化开发通用引导程序，无须借助固化工具，仅依靠片内闪存，帮助用户解决嵌入式应用软件的在线升级、固化以及版本回退的难题。
-
公开(公告)号：CN112115253A
公开(公告)日：2020-12-22
申请号：CN202010824405.2
申请日：2020-08-17
Applicant: 北京计算机技术及应用研究所
IPC: G06F16/338 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多视角注意力机制的深度文本排序架构，其中，包括：输入层，用于输入网络模型中的数据；编码层使用双向长短期记忆网络分别编码查询和文本中单词的上下文特征，在双向长短期记忆网络中包括前向LSTM和后向LSTM；内部交互层，用来建模文本中不同单词的重要程度，对重要程度不同的单词给予不同的权重，采用自注意力机制建模查询与文本各自内部的重要语义信息；外部交互层，用来建模查询与文本之间的交互相关性，采用双向注意力机制来捕获查询与文本交互过程中的匹配模式；输出层，将外部交互层的输出作为输入，输出查询与文本的相关性分数作为排序依据。
-
-
-
-
Search Results
5
records
(took 0.029 seconds)
