“孙茹君”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]在Qemu模拟器中支持异构CPU的内存初始化方法-CN202210196042.1在审
发明人：赵玉龙;张鲁飞;孙茹君;王宇;李祥 -专利权人：无锡江南计算技术研究所
申请日： 2022-03-02 - 公布日： 2022-05-31 - 主分类号： G06F15/163 文献下载
摘要：本发明公开一种在Qemu模拟器中支持异构CPU的内存初始化方法，针对X86+申威AI的异构模型，包括以下步骤：步骤1、按照Qemu默认的初始化方式，从地址0开始，对X86CPU的内存进行初始化；步骤2、分析X86以及申威架构对地址范围的使用情况，内存范围从SW_PHYS_ADDR_START（159）开始，对申威AI处理器的内存进行初始化。本发明通过隔离内存范围的方式对不同架构的CPU内存进行隔离，并使用不同的方式进行初始化，实现了异构CPU的内存初始化，为在同一个Qemu模拟环境中实现X86+AI加速卡的全系统模拟奠定了基础。
qemu 模拟器支持 cpu 内存初始化方法

[发明专利]在Qemu模拟器中支持异构CPU共存的方法-CN202210197636.4在审
发明人：赵玉龙;张鲁飞;孙茹君;王宇;李祥 -专利权人：无锡江南计算技术研究所
申请日： 2022-03-02 - 公布日： 2022-05-31 - 主分类号： G06F15/163 文献下载
摘要：本发明公开一种在Qemu模拟器中支持异构CPU共存的方法，针对X86+申威AI的异构模型，基于以下配置：在模拟器实现时定义一个超CPU类型，使得该超类型定义中包含X86CPU、申威AI主核CPU、申威AI从核CPU三种属性，同时把对应的类型定义为SW类型；包括以下步骤：步骤1、针对不同种类的CPU，进行CPU类型的注册；步骤2、针对不同种类的CPU，进行类型初始化。本发明在Qemu模拟器中，针对X86+申威AI的异构模型，通过超类型的异构CPU类型定义及初始化流程实现对异构CPU共存的支持，为在同一个Qemu模拟环境中实现X86+AI加速卡的全系统模拟奠定了基础。
qemu 模拟器支持 cpu 共存方法

[发明专利]加速卡运行时系统及调度方法-CN202210185466.8在审
发明人： 孙茹君;赵玉龙;张鲁飞;王宇;李祥 -专利权人：无锡江南计算技术研究所
申请日： 2022-02-28 - 公布日： 2022-04-26 - 主分类号： G06F9/50 文献下载
摘要：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。
加速卡运行系统调度方法

[发明专利]一种基于非因果时间卷积神经网络的加密流量分类方法-CN202011526821.0在审
发明人：陆菲菲;张鲁飞;濮小川;陈浩;吴东;孙茹君;曾明勇;王宇;李祥;钱磊 -专利权人：无锡江南计算技术研究所
申请日： 2020-12-22 - 公布日： 2021-04-20 - 主分类号： G06K9/62 文献下载
摘要：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。
一种基于因果时间卷积神经网络加密流量分类方法

[发明专利]一种基于自动机器学习的加密流量协议识别方法及装置-CN202011526966.0在审
发明人：陆菲菲;张鲁飞;濮小川;吴东;孙茹君;王宇;李祥;钱磊;张昆;陈皖苏 -专利权人：无锡江南计算技术研究所
申请日： 2020-12-22 - 公布日： 2021-04-16 - 主分类号： H04L29/06 文献下载
摘要：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。
一种基于自动机器学习加密流量协议识别方法装置

[发明专利]一种基于动态一致性约束的图计算异步迭代方法-CN201510673521.8在审
发明人：谢向辉;孙茹君;郝子宇;张鲁飞;王淼;叶楠;李祥;苏景柱 -专利权人：浪潮电子信息产业股份有限公司;无锡江南计算技术研究所
申请日： 2015-10-15 - 公布日： 2016-02-24 - 主分类号： G06F15/18 文献下载
摘要：本发明提供了一种基于动态一致性约束的图计算异步迭代方法，包括：开始图计算异步迭代处理，并且在开始时将所有节点中的活跃点的异步迭代模式设置为点一致异步迭代模式；在图计算异步迭代处理的过程中，改变至少一部分当前活跃点的异步迭代模式。
一种基于动态一致性约束计算异步方法