-
公开(公告)号：CN119512563B
公开(公告)日：2025-05-09
申请号：CN202510073503.X
申请日：2025-01-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于LRU缓存的解释型指令集模拟器及其指令执行方法。所述模拟器包括可执行文件加载模块、指令集模块、寄存器模块、内存模块和反汇编模块。通过加载ELF文件中的程序的入口地址，按照指令执行方法完成指令模拟工作，并展示反汇编结果。所述指令执行方法，通过子缓存存储跳转指令的地址，并在跳转指令第二次出现时，将两个跳转指令间的指令块译码结果存入LRU缓存中，减少了不必要的缓存操作，最大化的利用了缓存资源。在后续译码前，直接从LRU缓存中取出译码结果，避免对一个指令块进行多次、重复译码，提高模拟器的运行效率。并基于最近最少使用策略对缓存空间进行清理。
-
公开(公告)号：CN118212632A
公开(公告)日：2024-06-18
申请号：CN202410258719.9
申请日：2024-03-07
Applicant: 杭州电子科技大学
IPC: G06V20/68 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06N3/096
Abstract: 本发明公开了一种面向AI智慧餐厅的菜品增量识别方法、系统、介质和设备，涉及深度学习的目标分类领域。包括：构建菜品增量识别模型，并对菜品增量识别模型进行初始化阶段的训练以及增量学习阶段的训练，最后将预处理后的待分类图像输入到训练好的菜品增量识别模型中，得到待分类图像的菜品类别预测结果。本发明通过将随机权神经网络与传统卷积神经网络相结合，本发明精心设计并优化了两个训练阶段，以实现对新菜品的增量学习，解决了当前AI智慧餐厅场景下传统深度学习方法无法增量学习新菜品特征的难点。相较传统的增量学习方法，本发明所提出的方法具有更强的抗遗忘能力，且具备较强高的识别准确率、良好的框架通用性。
-
公开(公告)号：CN119512563A
公开(公告)日：2025-02-25
申请号：CN202510073503.X
申请日：2025-01-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于LRU缓存的解释型指令集模拟器及其指令执行方法。所述模拟器包括可执行文件加载模块、指令集模块、寄存器模块、内存模块和反汇编模块。通过加载ELF文件中的程序的入口地址，按照指令执行方法完成指令模拟工作，并展示反汇编结果。所述指令执行方法，通过子缓存存储跳转指令的地址，并在跳转指令第二次出现时，将两个跳转指令间的指令块译码结果存入LRU缓存中，减少了不必要的缓存操作，最大化的利用了缓存资源。在后续译码前，直接从LRU缓存中取出译码结果，避免对一个指令块进行多次、重复译码，提高模拟器的运行效率。并基于最近最少使用策略对缓存空间进行清理。
-
-
Search Results
3
records
(took 0.014 seconds)
