公开(公告)号：CN112148919A

公开(公告)日：2020-12-29

申请号：CN202011059516.5

申请日：2020-09-30

Applicant: 哈尔滨理工大学

Inventor： 彭立涵 ,  王建民

IPC: G06F16/65 ,  G06N20/20 ,  G06N5/00 ,  G06F16/635

Abstract: 一种基于梯度提升树算法的音乐点击率预测方法及装置，属于机器学习技术领域，用以解决现有技术中音乐平台不能根据用户的个体特征和偏好变化进行高质量的音乐作品推荐的问题。本发明方法的技术要点包括，获取音乐数据训练集和测试集并分别提取音乐特征和用户特征；对提取的音乐特征和用户特征进行处理；对处理后的特征数据进行数据格式统一，获取训练特征数据集和待预测测试特征数据集；利用梯度提升树算法对训练特征数据集进行训练，获取预测模型；根据预测模型对待预测测试特征数据集进行预测分类。本发明可用于音乐平台针对不同的用户推荐不同的音乐作品。

公开(公告)号：CN111563582A

公开(公告)日：2020-08-21

申请号：CN202010371467.2

申请日：2020-05-06

Applicant: 哈尔滨理工大学

Inventor： 史佳翔 ,  孙勇 ,  彭立涵

IPC: G06N3/063 ,  G06N3/04

Abstract: 本发明公开了一种在FPGA上实现及优化加速卷积神经网络的方法，具体包括对网络模型进行数据量化处理以及优化加速，本发明釆用对CNN网络实现8位定点数的数据量来优化片上资源的使用，在分类结果方面相比于32位浮点数数据模型的分类准确率几乎相同，同时相对于ARM CPU有大约22倍的加速。该AI芯片系统携带方便，并且在设计CNN的各层算法时用软件编程替代传统的硬件语言，降低了软件开发人员开发FPGA的门槛，在对网络输入形式为二维图片的分类课题上具有较强的通用性。