-
公开(公告)号：CN119807394A
公开(公告)日：2025-04-11
申请号：CN202411881511.9
申请日：2024-12-19
Applicant: 无锡江南计算技术研究所
IPC: G06F16/334 , G06F16/335 , G06F16/38
Abstract: 本发明公开了一种基于预训练模型的事件文本智能标注方法和装置，涉及计算机技术领域。该方法包括：加载预训练的事件文本标注模型，事件文本标注模型包括自然语言处理子模型和确定性策略梯度模块，确定性策略梯度模块包括标注决策网络；获取待标注事件文本和待标注事件文本的状态信息，将待标注事件文本输入至自然语言处理子模型进行识别，得到待标注事件文本的文本特征；将文本特征和状态信息输入至标注决策网络进行序列标注决策，确定待标注事件文本的标注决策，基于标注决策对待标注事件文本进行标注。本发明将自然语言处理子模型和确定性策略梯度模块结合，通过预训练不断优化确定性策略梯度模块的标注策略，从而提高事件文本标注的准确性。
-
公开(公告)号：CN112631801A
公开(公告)日：2021-04-09
申请号：CN202011530140.1
申请日：2020-12-22
Applicant: 无锡江南计算技术研究所
IPC: G06F9/54 , G06F9/38 , G06F9/50 , G06F16/182 , G06T1/20
Abstract: 本发明公开一种遥感影像智能模型分布式并行方法，包括以下步骤：从业务应用系统中接入遥感影像的文件系统地址和模型选取字段；通过图像预处理库读取遥感影像；大图的元数据信息和切片的元数据信息通过JSON序列化，并采用PUSH机制将大图的元数据信息与切片的元数据信息压入内存消息队列中；采用异步多线程竞争机制和阻塞访问的访问规则访问内存消息队列；检测结果的元数据信息通过JSON序列化并PUSH到内存消息队列中；识别结果的元数据信息通过JSON序列化并PUSH到内存消息队列中；最终检测识别的元数据信息封装成统一查询接口。本发明可有效满足海量遥感影像大吞吐量、准实时计算和敏捷模型并行部署的需求。
-
公开(公告)号：CN103034295A
公开(公告)日：2013-04-10
申请号：CN201210575825.7
申请日：2012-12-26
Applicant: 无锡江南计算技术研究所
Abstract: 一种输入输出能力增强的可重构微服务器，包括：微处理器、系统总线、内存、可重构加速部件以及输入输出外设；其中，微处理器、内存和输入输出外设连接至系统总线；微处理器直接连接至可重构加速部件；可重构加速部件包括：可重构运算加速模块、多个可重构I/O增强单元、以及与可重构I/O增强单元中的每一个单独连接的多个I/O控制器；其中，多个可重构I/O增强单元连接至可重构运算加速模块和系统总线；而且其中，可重构I/O增强单元中的每一个的对应的多个I/O控制器连接至具有相同资源类型的I/O设备，由此可重构I/O增强单元中的每一个及其对应的多个I/O控制器用于控制与具有相同资源类型的I/O设备之间的数据交换。
-
公开(公告)号：CN103019324A
公开(公告)日：2013-04-03
申请号：CN201210575004.3
申请日：2012-12-26
Applicant: 无锡江南计算技术研究所
Abstract: 一种内存能力增强的可重构微服务器，包括：微处理器、系统总线、内存、可重构加速部件以及I/O外设；其中，微处理器、内存和I/O外设连接至系统总线，从而微处理器通过系统总线与内存和I/O外设进行数据交换；微处理器直接连接至可重构加速部件；并且，可重构加速部件连接至系统总线，从而通过系统总线与内存和I/O外设进行数据交换；可重构加速部件包括：可重构运算加速模块、总线接口转换模块、内部模块接口转换模块、内存访问模式扩展与增强模块、以及多个可重构内存控制器；可重构运算加速模块和总线接口转换模块直接连接至系统总线以进行数据交换。
-
公开(公告)号：CN102902656A
公开(公告)日：2013-01-30
申请号：CN201210370445.X
申请日：2012-09-28
Applicant: 无锡江南计算技术研究所
IPC: G06F15/78
Abstract: 本发明提供了一种可重构集群的模块化三维构造方法和可重构集群构造结构。将可重构集群所涉及的通用处理器节点、可重构加速器、集群互连网络三大主要部分进行模块化划分，从而形成通用处理器节点模块、可重构加速器基板和互连网络支撑底板三个相互支撑的功能模块；第二步骤，用于定义所述通用处理器节点模块、所述可重构加速器基板和所述互连网络支撑底板之间的功能接口；第三步骤，用于通过接插件实现所述通用处理器节点模块和所述可重构加速器基板的水平堆叠，形成一个可重构计算节点；第四步骤，用于将所述可重构计算节点以垂直插装的方式插装在具有网络交换能力的所述互连网络支撑底板上，从而形成一个基于三维构造的可重构集群结构。
-
Patent Agency Ranking
公开(公告)号：CN102761578A
公开(公告)日：2012-10-31
申请号：CN201110110793.9
申请日：2011-04-29
Applicant: 无锡江南计算技术研究所
IPC: H04L29/08
Abstract: 本发明提供了一种集群计算系统，包括通过网络互连的计算节点集群，所述计算节点包括嵌入式处理器、嵌入式DRAM、非易失性存储器阵列，还包括扩展计算部件以及电源管理模块；所述嵌入式处理器提供整数计算能力；所述扩展计算部件与嵌入式处理器相集成，并根据计算应用领域定制专项计算能力，辅助嵌入式处理器进行数据处理；所述嵌入式DRAM通过处理器直连接口与嵌入式处理器连接，作为处理器缓存；所述非易失性存储器阵列用于永久性存储数据；所述电源管理模块用于对计算节点供电，并根据嵌入式处理器的负载情况调整对嵌入式处理器的供电功率。本发明集群计算系统具有较低的功耗以及较强的计算能力。
-
公开(公告)号：CN102902656B
公开(公告)日：2015-05-20
申请号：CN201210370445.X
申请日：2012-09-28
Applicant: 无锡江南计算技术研究所
IPC: G06F15/78
Abstract: 本发明提供了一种可重构集群的模块化三维构造方法和可重构集群构造结构。将可重构集群所涉及的通用处理器节点、可重构加速器、集群互连网络三大主要部分进行模块化划分，从而形成通用处理器节点模块、可重构加速器基板和互连网络支撑底板三个相互支撑的功能模块；第二步骤，用于定义所述通用处理器节点模块、所述可重构加速器基板和所述互连网络支撑底板之间的功能接口；第三步骤，用于通过接插件实现所述通用处理器节点模块和所述可重构加速器基板的水平堆叠，形成一个可重构计算节点；第四步骤，用于将所述可重构计算节点以垂直插装的方式插装在具有网络交换能力的所述互连网络支撑底板上，从而形成一个基于三维构造的可重构集群结构。
-
公开(公告)号：CN112671757B
公开(公告)日：2023-10-31
申请号：CN202011526966.0
申请日：2020-12-22
Applicant: 无锡江南计算技术研究所
IPC: H04L9/40 , H04L41/142 , H04L43/18 , G06F18/24 , G06N3/084 , G06N3/0985 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明公开一种基于自动机器学习的加密流量协议识别方法及装置，所述方法包括以下步骤：对加密流量进行会话切分、匿名化处理、统一数据包长度等数据预处理工作；提取流量样本的14个流特征；采用自动机器学习方法识别加密流量协议，并输出结果。本发明提供两种协议识别的方法，一种通过提取数据的统计特征自动生成最优的机器学习算法、模型并自动优化模型的超参数；另一种仅利用原始加密流量即可自动搜索出适合加密流量分类任务的最优神经网络结构，两种方法均可在无需借助人工智能专家智慧的情况下，自动生成优化的机器学习算法与神经网络模型，并自动优化超参数，实现对加密流量协议的自动分类，从而大大提升加密流量协议识别的准确率和效率。
-
公开(公告)号：CN114398186A
公开(公告)日：2022-04-26
申请号：CN202210185466.8
申请日：2022-02-28
Applicant: 无锡江南计算技术研究所
Abstract: 本发明公开一种加速卡运行时系统及调度方法，运行时系统由配置有驱动层、运行时层的主机端和配置有资源管理模块、调度模块的设备端构成；主机端的运行时层用于支撑主机端运行时层的调度模块，并对外提供运行时接口；主机端运行时层的调度模块，维护若干个用以支持任务分发的流队列；主机端的驱动层，用于执行设备参数获取、ipc操作、内存管理，事件管理、计时管理、同步管理，还用于对外提供驱动接口；设备端的资源管理模块，用于管理加速卡设备上的功能部件；设备端的调度模块，用于接收来自资源管理模块的信息和主机端运行时层的调度模块流队列中的任务，实现人工智能应用高效执行。
-
公开(公告)号：CN112686287A
公开(公告)日：2021-04-20
申请号：CN202011526821.0
申请日：2020-12-22
Applicant: 无锡江南计算技术研究所
Abstract: 本发明公开一种基于非因果时间卷积神经网络的加密流量分类方法，包括以下步骤：对网络流量进行预处理，形成以会话为单位切分的流量数据；构建基于非因果时间卷积神经网络的分类模型：所述基于非因果时间卷积神经网络的分类模型包括若干个非因果卷积残差块、全连接层和用于输出分类结果的Softmax分类器层；所述非因果卷积残差块由两层空洞卷积构成；在每个空洞卷积层后连接权重归一化层和激活层，并使用ReLU函数作为激活函数；在跨越连接中，使用1*1卷积；最后，将若干残差块堆叠组合后连接全连接层和分类层。本发明扩大了卷积核的作用域和特征点的感受野，可确保全局信息不被遗漏，能够显著提升分类效果。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.043 seconds)
