-
公开(公告)号：CN115859120A
公开(公告)日：2023-03-28
申请号：CN202211714641.4
申请日：2022-12-29
Applicant: 广东美的制冷设备有限公司 , 清华大学
IPC: G06F18/214 , G06N20/00
Abstract: 本发明公开了多传感器协同感知方法、多传感器协同感知装置、计算机设备和计算机可读存储介质。多传感器协同感知方法包括：获取样本数据集，样本数据集包括多个样本，每个样本包括多个传感器的传感器数据；基于样本数据集对深度学习模型进行训练，以使得深度学习模型能够根据多个传感器的传感器数据确定感知目标结果，感知目标结果包括目标对象的工作、手势和位置中的至少一种。本发明的技术方案，基于样本数据集对深度学习模型进行训练，以使得深度学习模型能够根据多个传感器的传感器数据确定感知目标结果，从而实现利用多源异构的传感器进行协同感知。
-
公开(公告)号：CN116304671A
公开(公告)日：2023-06-23
申请号：CN202211701362.4
申请日：2022-12-28
Applicant: 广东美的制冷设备有限公司 , 清华大学
IPC: G06F18/214 , G06F18/24 , G06N3/0455 , G06N3/0442 , G06N3/096 , G06N5/04 , G06N5/046
Abstract: 本发明公开了一种迁移方法、迁移装置、计算机设备和计算机可读存储介质。迁移方法包括：识别出目标环境下当前传感器中的低质量传感器并为低质量传感器分配弱化权重，弱化权重小于预设权重；固定每个当前传感器的权重，基于待迁移数据集和源环境下的深度学习模型确定迁移后的目标深度学习模型，以将深度学习模型从源环境迁移到目标环境。本发明的技术方案，通过识别当前传感器中的低质量传感器并为低质量传感器分配较小权重，可以极大降低低质量传感器数据对目标深度学习模型的影响，加快目标环境下目标深度学习模型的训练收敛速度，确保目标深度学习模型能够达到较高的识别精度。
-
公开(公告)号：CN115396566B
公开(公告)日：2025-04-22
申请号：CN202210794566.0
申请日：2022-07-05
Applicant: 清华大学
Abstract: 本发明涉及一种基于焦距等效和帧流同步的双摄像头深度估计方法和装置，包括：根据迭代FoV裁剪技术，对所述双摄像头进行焦距等效；基于预设丢帧阈值，对所述异构摄像头进行帧流同步；利用焦距等效和帧流同步后的双摄像头，对目标图像进行深度估计。本发明采用迭代视场裁剪方式，同步移动设备上两个摄像头的焦距，以实现精确的极线矫正。同时，对移动设备上两个摄像头捕捉的帧流进行同步，避免移动物体于同一时刻在两个摄像头上的帧间位移。在此基础上，利用焦距等效和帧流同步后的双摄像头对目标图像进行深度估计，可降低深度估计的误差。
-
公开(公告)号：CN119814877A
公开(公告)日：2025-04-11
申请号：CN202411724667.6
申请日：2024-11-28
Applicant: 清华大学 , 亚信科技(中国)有限公司
Abstract: 本发明提供一种算力调度管理方法、基带处理单元及通信系统，该方法包括：接收服务匹配请求；根据服务匹配请求和预设服务匹配算法，生成服务匹配响应；基于服务匹配响应，生成任务数据获取信号；任务数据获取信号包括算力预算信息；算力预算信息根据算力服务资源动态管理；根据服务匹配请求、任务数据获取信号和预设任务调度算法对任务数据进行调度，回送与任务数据对应的任务结果和对接相关信号；对接相关信号为继续获取任务数据信号或对接备份服务代理信号。本发明能够灵活为任务数据提供算力支持，提高了基站的资源利用率。
-
公开(公告)号：CN117764135A
公开(公告)日：2024-03-26
申请号：CN202311532675.6
申请日：2023-11-16
Applicant: 清华大学
Abstract: 本发明提供一种深度神经网络模型的剪枝方法及相关组件，该方法包括：确定深度神经网络模型的权重矩阵；在稀疏计算平台上，基于离线阶段冗余筛除算法对权重矩阵的初步搜索空间进行修正，得到修正搜索空间；在修正搜索空间，基于在线阶段进化算法对权重矩阵进行迭代块稀疏剪枝。块稀疏可以同时在精度、稀疏度以及计算效率中做权衡，本发明通过离线阶段冗余筛除算法缩小了块剪枝的搜索空间，结合在线阶段进化算法迭代调整块剪枝来平衡推理精度和速度。
-
Patent Agency Ranking
公开(公告)号：CN116009884A
公开(公告)日：2023-04-25
申请号：CN202211659466.3
申请日：2022-12-22
Applicant: 清华大学 , 亚信科技(中国)有限公司
Abstract: 本发明提供一种面向边缘设备的神经网络弹性部署方法及装置，其中的方法包括：获取服务器端生成的弹性超网络模型，所述弹性超网络模型通过对初始静态深度学习模型的参数量和运行方式进行扩展得到；基于所述弹性超网络模型，根据边缘硬件条件和边缘数据分布，确定待部署模型，并执行部署操作，所述待部署模型为所述弹性超网络模型的多个子模型中的一个子模型。该方法通过弹性超网络模型在边缘端进行自动自适应调整，统一部署，不需要为不同的边缘端分别定制专门的部署模型，能够节省大量的计算资源和人力开销，并且，由于不需要向服务器端传送边缘端侧数据，规避了现有部署方式侵犯隐私的潜在风险。
-
公开(公告)号：CN118349492A
公开(公告)日：2024-07-16
申请号：CN202410279838.2
申请日：2024-03-12
Applicant: 清华大学
IPC: G06F12/0897 , G06N3/063
Abstract: 本发明提供一种面向内存受限设备的深度学习模型自适应推理方法及系统，包括：获取内存约束受限设备的内存预算；基于所述内存预算对给定的深度神经网络模型进行切片、加载以及计算联合规划，生成离线内存规划方案；基于所述离线内存规划方案进行实际部署模型推理，缩减规划方案与实际执行方案之间的差值，完成所述离线内存规划方案的在线部署执行。本发明解决就现有深度神经网络推理过程内存占用高，难以部署在内存受限设备的问题。
-
公开(公告)号：CN117289893A
公开(公告)日：2023-12-26
申请号：CN202311301439.3
申请日：2023-10-09
Applicant: 清华大学
Abstract: 本发明提供一种基于大语言模型的用户与智能终端语音交互方法和装置，包括：生成智能终端的UI转换图；根据UI转换图和大语言模型，生成第一功能表；利用第一功能表微调大语言模型，得到融入领域特定知识的UI界面动作指导模型；基于UI界面动作指导模型，实现用户与智能终端语音交互。本发明利用融合了大语言模型的常识知识与智能终端UI转换图中的领域特定知识的UI界面动作指导模型，实现用户与智能终端语音交互，更加智能的为用户提供语音交互服务，并极大地减少开发者的开发成本。
-
公开(公告)号：CN116736167A
公开(公告)日：2023-09-12
申请号：CN202310699711.1
申请日：2023-06-13
Applicant: 数据天地创新科技有限公司 , 清华大学
IPC: G01R31/392 , G01R31/396 , G01R31/367 , G01R31/36 , G06F18/22 , G06F18/214
Abstract: 本公开涉及用于预测电池的健康状态的方法和相关装置。方法包括：获取包括参考电池在全寿命周期的电压随时间变化曲线的源域数据和包括目标电池在寿命早期的电压随时间变化曲线的目标域数据；识别特征电压变化区间；构造源域样本，其样本输入包括每个参考电池在每个特征电压变化区间之前的第一多次特征电压变化区间的特征值和健康状态，其样本输出包括该参考电池在该特征电压变化区间之后的第二多次特征电压变化区间的健康状态；基于源域样本构造度量样本输入相似性的度量函数；以类似构造源域样本的方式构造目标域样本；用目标域样本的样本输入与源域样本的样本输入之间的相似性对源域样本的样本输出加权以合成目标电池的健康状态预测值。
-
公开(公告)号：CN115481739A
公开(公告)日：2022-12-16
申请号：CN202210901773.1
申请日：2022-07-28
Applicant: 清华大学
Abstract: 本发明提供一种基于预测稀疏性实现CNN推理无损加速方法及系统，包括：获取输入向量和卷积核权重向量，确定输入向量的参考向量；根据所述输入向量、参考向量及卷积核权重向量进行卷积上界估计，获取卷积运算输出的上界；根据所述上界的大小确定是否进行卷积运算。本发明解决了现有CNN卷积神经网络在进行视频图像计算时运算量大、速度慢的缺陷，以实现计算过程的加速。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.04 seconds)
