-
公开(公告)号：CN116861118A
公开(公告)日：2023-10-10
申请号：CN202310461884.X
申请日：2023-04-24
Applicant: 青海大学
IPC: G06F16/958 , G06F16/957 , G06F16/9536 , G06F17/16
Abstract: 本发明属于计算机处理领域，尤其涉及基于SpMV计算的网页管理方法、系统、介质及设备。本发明的主要目的是提高并行SpMV在幂律分布较大的不规则矩阵上的计算效率。本文基于ELL格式设计了一种BEC存储格式。根据平均每行非零元素个数确定分块大小，然后按行将ELL格式中的值矩阵和列矩阵分割为大小相等的数据块，对每行中最后一个不满足的数据块进行零元填充或用COO格式存储来减少零元填充量。BEC SpMV计算分成三个部分：ELL数据块上的SpMV、数据块结果的规约求和、COO格式的SpMV计算。在这三个部分计算中，各个线程的计算量大致相等并且有着良好的可并行性。由此实现负载均衡的并行SpMV计算。
-
公开(公告)号：CN106886274B
公开(公告)日：2019-10-29
申请号：CN201710053681.1
申请日：2017-01-22
Applicant: 青海大学
IPC: G06F1/3206 , G06F1/329 , G06F11/30
Abstract: 本发明公开了一种数据中心能耗的管理方法及装置，该种方法包括：步骤1，获取任务需求列表的程序总数；步骤2，根据待运行程序的数量和当前储存的电量，确定任务需求中本周期内并发执行的程序个数；步骤3，通过预估每个并发执行的程序可能耗电量的方式确定各程序运行的模式；步骤4，并发执行的程序以确定后的模式运行、消耗电能；该种装置包括任务获取模块、个数确定模块、模式确定模块及任务执行模块。本发明在权衡数据中心性能和精度的前提下，提供了一种具有显著节能效果的数据中心能耗的管理方法及装置，对能效的优化效果较好。
-
公开(公告)号：CN119963416A
公开(公告)日：2025-05-09
申请号：CN202510070110.3
申请日：2025-01-16
Applicant: 青海大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种超分辨率图像的重建方法、系统、电子设备和存储介质，涉及图像处理技术领域，方法包括：构建超分辨率图像重建模型，对超分辨率图像重建模型进行训练，得到训练好的超分辨率图像重建模型；利用训练好的超分辨率图像重建模型对低分辨率目标图像进行重建，得到低分辨率目标图像对应的超分辨率图像。本发明通过信息融合单元能够有效融合局部信息和全局上下文信息，通过合并互补特征，增强了超分辨率图像重建模型中各部分之间的协同作用，从而显著提高了重建超分辨率图像的整体性能，提高了重建的超分辨率图像的图像质量。
-
公开(公告)号：CN119784571A
公开(公告)日：2025-04-08
申请号：CN202411760748.1
申请日：2024-12-03
Applicant: 青海大学
IPC: G06T1/20 , G06T1/40 , G06N3/063 , G06N3/0464
Abstract: 本发明涉及芯片优化技术领域，尤其涉及一种芯片效率优化方法、系统、电子设备和存储介质，包括：将目标芯片的MAC结构划分为多个MAC组，并将目标图像数据拆分为至少一个图像输入深度分别对应的图像子数据；其中，每个图像输入深度对应的图像子数据的数量与MAC组的数量相同且一一对应；将每个图像输入深度对应的图像子数据依次发送至多个MAC组进行处理，以实现对所述目标芯片的效率优化。本发明实现了每个MAC组独立处理对应图像子数据的功能，增加了计算的并行度，从而提高了处理效率，同时还减少了数据读取和处理的等待时间，有效降低了延迟，提升了整体性能。
-
公开(公告)号：CN117852592A
公开(公告)日：2024-04-09
申请号：CN202311681775.5
申请日：2023-12-08
Applicant: 青海大学
IPC: G06N3/049 , G06N3/044 , G06N3/045 , G06N3/0464 , G06F18/214 , G06F18/25 , G06F18/213 , G06N3/08 , G01W1/10
Abstract: 本发明涉及一种降水预测模型的训练方法、系统、计算设备及介质，方法包括：获取多个待训练数据；将每个待训练数据输入时空循环神经网络中进行训练；对于连续的时间步，利用注意力机制确定每个待训练数据在当前时间步的融合特征，将每个融合特征作为当前时间步的循环层的输入，确定每个待训练数据在当前时间步的循环层输出的隐藏状态，并将最后一个时间步中最后一个循环层输出的隐藏状态作为预测降水量；确定每个真实降水量和对应的预测降水量之间的损失值，根据每个损失值确定目标降水预测模型。解决了以往使用深度学习进行降水预报通常采用雷达回波图外推法只能进行短临降水预报，无法实现短期降水预报的问题。
-
Patent Agency Ranking
公开(公告)号：CN119783740A
公开(公告)日：2025-04-08
申请号：CN202411760754.7
申请日：2024-12-03
Applicant: 青海大学
IPC: G06N3/063 , G06F30/398
Abstract: 本申请提供了一种神经形态芯片的去中心化方法及系统，该神经形态芯片的去中心化方法包括以下步骤：对单个计算core内部的MAC数目进行设计；基于所述单个计算core内部的MAC数目，对核的数目进行设计；基于计算效率的发挥，对单个核的MEM容量和MAC结构进行设计，完成神经形态芯片的去中心化设计。在上述技术方案中，优化了去中心化架构芯片设计，设计内部core数目；根据操作带宽设计与流水系统相适应的MAC数目，提升了芯片硬件性能的映射效率，降低了功耗。
-
公开(公告)号：CN119578350A
公开(公告)日：2025-03-07
申请号：CN202411724883.0
申请日：2024-11-28
Applicant: 青海大学
IPC: G06F30/392 , G06F7/544
Abstract: 本发明涉及芯片优化技术领域，尤其涉及一种芯片性能优化方法、系统、设备和存储介质，包括：根据待优化芯片的目标需求对应的MAC单元数目和每个MAC单元的存储容量，确定MAC结构尺寸；根据所述MAC结构尺寸，对基准测试网络分别进行宽度切分和深度切分，得到与所述MAC结构尺寸相匹配的包含宽度切分结果和深度切分结果的多个数据块，并根据多个数据块的整体性能，确定用于减少数据移动次数以及最小化存储器读写次数的最优配置点，并根据所述最优配置点对所述待优化芯片进行性能优化。本发明通过精确匹配MAC结构尺寸与存储容量，提高了存算一体芯片的计算效率，优化了单位面积算力，并节约了制造成本。
-
公开(公告)号：CN118761907A
公开(公告)日：2024-10-11
申请号：CN202410846684.0
申请日：2024-06-27
Applicant: 青海大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种遥感图像的超分辨率处理方法及相关设备，该方法包括：基于训练数据集构建得到目标超分辨率模型，目标超分辨率模型包括浅层提取结构、双分支提取结构和高质量重建结构；获取低分辨率的待处理图像并输入至目标超分辨率模型；通过浅层提取结构对待处理图像特征提取，得到浅层特征；通过双分支提取结构对浅层特征进行特征提取，得到深层特征；通过高质量重建结构基于浅层特征和深层特征对待处理图像进行数据重建，得到对应的超分辨率结果图像。本申请通过浅层提取结构和双分支提取结构分别获取待处理图像的浅层特征和深层特征，来捕获不同层次的特征用于遥感图像的超分辨率处理，降低了目标超分辨率模型的局限性，提高重建质量。
-
公开(公告)号：CN106886274A
公开(公告)日：2017-06-23
申请号：CN201710053681.1
申请日：2017-01-22
Applicant: 青海大学
Abstract: 本发明公开了一种数据中心能耗的管理方法及装置，该种方法包括：步骤1，获取任务需求列表的程序总数；步骤2，根据待运行程序的数量和当前储存的电量，确定任务需求中本周期内并发执行的程序个数；步骤3，通过预估每个并发执行的程序可能耗电量的方式确定各程序运行的模式；步骤4，并发执行的程序以确定后的模式运行、消耗电能；该种装置包括任务获取模块、个数确定模块、模式确定模块及任务执行模块。本发明在权衡数据中心性能和精度的前提下，提供了一种具有显著节能效果的数据中心能耗的管理方法及装置，对能效的优化效果较好。
-
公开(公告)号：CN120045871A
公开(公告)日：2025-05-27
申请号：CN202510070118.X
申请日：2025-01-16
Applicant: 青海大学
IPC: G06F18/20 , G01W1/10 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种降水预测方法、系统、电子设备和存储介质，涉及气象服务技术领域，方法包括：构建PFTF降水预报模型，对PFTF降水预报模型进行训练，得到训练好的PFTF降水预报模型；将降水目标数据输入训练好的PFTF降水预报模型，得到降水目标数据对应的降水预报结果。PFTF降水预报模型中，编码器能够提取并增强多尺度特征，以提高对复杂气象现象的理解与预报精度，TripFormer模块通过优化注意力机制来提升对时空特征的捕获能力，同时降低计算负担，解码器在多个尺度上对接收到的特征执行深度卷积操作，增强了级联扩展路径中的特征生成能力，因此，本发明能够实现短期降水的精准预测。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.022 seconds)
