公开(公告)号：CN106022472A

公开(公告)日：2016-10-12

申请号：CN201610342944.6

申请日：2016-05-23

Applicant: 复旦大学

Inventor： 史传进 ,  陈迟晓 ,  张怡云 ,  马睿 ,  丁宏伟

IPC: G06N3/08 ,  G06N3/063

CPC classification number: G06N3/08 ,  G06N3/063

Abstract: 本发明属于集成电路技术领域，具体为一种嵌入式深度学习处理器。该深度学习处理器包括：中央处理器（CPU），完成处理器学习和运行过程中必要的逻辑运算、控制及存储工作；深度学习单元，深度学习算法的硬件实现单元，是进行深度学习处理的核心部件。该深度学习处理器结合传统CPU与深度学习组合单元，其中深度学习组合单元可由多个深度学习单元任意组合，具有可扩展性，可针对不同的计算规模，作为人工智能应用的核心处理器。

公开(公告)号：CN119759948A

公开(公告)日：2025-04-04

申请号：CN202411710035.4

申请日：2024-11-27

Applicant: 复旦大学 ,  星环信息科技(上海)股份有限公司

Inventor： 张凯 ,  马睿 ,  吕程 ,  刘熙 ,  陈振强 ,  王晓阳

IPC: G06F16/2453 ,  G06F16/2455 ,  G06F16/28

Abstract: 本发明公开了一种基于动态搜索范围的向量‑关系型数据混合查询优化方法；该方法该算法通过两阶段的优化策略提高查询效率；首先，在优化条件检查阶段，查询引擎分析查询的语义，评估物理操作符的可优化性，确保符合K最近邻（KNN）查询的语义。其次，在物理操作符优化阶段，算法利用记录表跟踪查询状态，执行近似最近邻搜索，并根据相似度进行查询决策，从而减少冗余计算。该算法在确保查询准确性与多样性的同时，有效减少了计算开销，并在所有类别的KNN查询完成后及时终止搜索。此发明旨在提升混合查询的处理效率，优化推荐系统中的用户体验，提供了一种高效的查询优化解决方案。