“马恺声”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14个，建议您升级VIP下载更多相关专利

[发明专利]基于环境感知深度卷积神经网络的图像识别方法及系统-CN202110144814.2有效
发明人： 马恺声 -专利权人：北极雄芯信息科技（西安）有限公司
申请日： 2021-02-02 - 公布日： 2023-05-02 - 主分类号： G06V10/764 文献下载
摘要：本发明一种基于环境感知深度卷积神经网络的图像识别方法及系统，设计合理，能够切换环境实现识别，分类识别精度高，利用环境知识实现更好的性能和加速。所述方法包括输入包含环境信息的图像样本；通过预训练的环境感知深度卷积神经网络对所述图像样本进行阶段处理；所述的环境感知深度卷积神经网络，包括进行阶段处理识别图像并输出的深层分类器和按照环境信息分类识别图像并输出的浅层分类器；所述的浅层分类器分别布置在相邻阶段的下采样处理后；根据浅层分类器的环境信息分类，提取上级下采样处理后包含对应环境信息的图像样本子集，分流到该浅层分类器中进行图像识别；未分流的图像样本子集进入下一阶段进行处理，直至图像样本全部识别。
基于环境感知深度卷积神经网络图像识别方法系统

[发明专利]基于多管芯互联的集成电路-CN202210890029.6在审
发明人： 马恺声;伍毅夫;谭展宏;张延年;张武科 -专利权人：北极雄芯信息科技（西安）有限公司
申请日： 2022-07-27 - 公布日： 2022-08-30 - 主分类号： G06F30/33 文献下载
摘要：本公开的实施例涉及一种基于多管芯互联的集成电路，包括：基板，所述基板包括互连结构；第一管芯，所述第一管芯包括控制模块、通信模块、存储模块以及D2D互连组件并且配置成用于控制或调度第二管芯；以及一个或多个第二管芯，所述第二管芯包括D2D互连组件和特定电路功能的IP核，并且配置成：经由D2D互连组件和所述第一管芯的D2D互连组件与所述第一管芯互联通信；从所述第一管芯接收数据，基于所述特定电路功能执行所述IP核的运算并且将运算的结果发送到所述第一管芯，其中所述第一管芯和所述第二管芯经由所述互连结构封装在所述基板上。
基于管芯集成电路

[发明专利]能量管理系统、方法、电子设备、装置及非易失处理器-CN201810884579.0有效
发明人： 马恺声 -专利权人：交叉信息核心技术研究院（西安）有限公司
申请日： 2018-08-06 - 公布日： 2022-05-03 - 主分类号： G06F1/26 文献下载
摘要：本申请提供一种能量管理系统、方法、电子设备、装置及非易失处理器，所述方法包括基于接收的所述电子设备至少一个时刻的供电信息、储电信息、以及断电信息中的至少一种信息进行预测计算，输出数据位宽指令、启动指令或写策略指令中的至少一种指令或/及服务质量预测信息；依据所述至少一种指令或/及服务质量预测信息对所述处理器的运算进行能量管理。本申请通过预测未来的电能输入或断电时刻获得数据传输位宽或数据写入策略以及启动运算的时长，进而可以确保处理器的运算与其获得的预期能量相匹配，并根据写策略动态调整非易失性元素的保留时间与电能情况相匹配，并且将服务质量与预先请求的最低服务质量相匹配。
能量管理系统方法电子设备装置非易失处理器

[发明专利]模型压缩方法、系统、部署方法、设备及存储介质-CN202111675970.8在审
发明人：董润沛;马恺声 -专利权人：交叉信息核心技术研究院（西安）有限公司
申请日： 2021-12-31 - 公布日： 2022-04-29 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种模型压缩方法、系统、部署方法、设备及存储介质，包括：获取数据集以及已经预训练的待压缩的神经网络，设置DGMS算法的相关参数；根据待压缩的神经网络，使用k‑means算法初始化混合高斯模型的系数，得到参数化的混合高斯模型的权重，根据权重分配产生最初的量化划分集合；基于量化划分集合，使用DGMS算法对待压缩的神经网络进行量化训练，使用随机梯度下降方法优化神经网络参数和用于量化的相关参数；训练完毕后，使用最终获得的神经网络参数以及量化相关参数，获得量化后的神经网络模型，并使用量化后的神经网络模型进行模型推理。本发明采用量化技术对神经网络模型进行压缩，减少模型大小，提高模型推理速度。
模型压缩方法系统部署设备存储介质

[发明专利]数据位宽预测方法、系统及其适用的电子设备-CN201810884539.6有效
发明人： 马恺声 -专利权人：清华大学
申请日： 2018-08-06 - 公布日： 2021-10-01 - 主分类号： G06F1/3212 文献下载
摘要：本申请提供一种数据位宽预测方法、系统及其适用的电子设备，所述数据位宽预测方法，应用于具有处理器的电子设备中，包括以下步骤：获取所述电子设备至少一个时刻的供电信息；依据所述供电信息进行预测计算所述电子设备的未来通电时间及通电置信度；以及依据所述未来通电时间、通电置信度以及所述电子设备的储电信息进行近似计算以获得数据位宽指令，以令所述处理器依据所述数据位宽指令进行运算。本申请通过预测电子设备的未来能源输入来动态预测处理器所需的计算位宽，将系统功耗曲线与预测功率曲线匹配，藉此实现科学合理的能源管理。
数据预测方法系统及其适用电子设备

[发明专利]一种面向自供能传感网的分布式负载均衡方法及系统-CN201810113136.1有效
发明人： 马恺声;李金阳 -专利权人：集能芯成科技（北京）有限公司
申请日： 2018-02-05 - 公布日： 2021-08-24 - 主分类号： H04L29/08 文献下载
摘要：本发明公开了一种面向自供能传感网的分布式负载均衡方法及系统，该方法包括传感网中的各节点根据采集和存储能量状态，计算本节点在保证完成自身采集、处理和发送数据的基本任务后的多余可用能量；链状局域网中的各节点将自身已知节点的状态信息共享给相邻的节点；各节点根据其左右节点的多余可用能量，计算向左边n个节点分配的计算任务的最短执行时间序列，以及向右边n个节点分配的计算任务的最短执行时间序列；通过负载均衡算法获取任务分配结果，根据任务分配结果进行计算任务的分配。本发明解决自供能无线传感网中由于各传感节点的能量状态不同而导致的分布式计算效率低的问题。
一种面向自供传感分布式负载均衡方法系统

[发明专利]用于计算的方法、计算系统、计算设备和介质-CN202110450723.1有效
发明人： 马恺声 -专利权人：清华大学
申请日： 2021-04-26 - 公布日： 2021-08-03 - 主分类号： G06N3/06 文献下载
摘要：本公开涉及一种用于计算的方法、计算系统、计算设备和计算机可读存储介质。该方法包括：确定第一网络层分支和第二网络层分支是否为并行网络分支，第二网络层分支所包括的卷积层层数大于第一网络层分支所包括的卷积层层数；响应于确定第一网络层分支和第二网络层分支为并行网络分支，基于输入输出芯片与第一计算芯片组之间的距离以及输入输出芯片所配置的静态随机存取存储器的空闲存储空间，确定目标输入输出芯片；以及将第一网络层分支的最后一网络层的输出数据缓存至目标输入输出芯片所配置的静态随机存取存储器中，直至确认第二网络层分支的最后一网络层输出数据。本公开能够有效解决并行网络分支所导致的数据不平衡的问题。
用于计算方法系统设备介质

[发明专利]自供能非易失传感网的时分复用节点虚拟化方法及系统-CN201810143169.0有效
发明人： 马恺声;李金阳 -专利权人： 马恺声
申请日： 2018-02-11 - 公布日： 2021-03-09 - 主分类号： H04W40/02 文献下载
摘要：本发明公开一种自供能非易失传感网的时分复用节点虚拟化方法及系统，方法中当一个新节点A加入已有的无线传感网络时，新节点A打开非易失射频NVRF；新节点A通过NVRF寻找无线传感网络中距离其最近的节点B；新节点A复制节点B的NVRF状态形成节点B的克隆节点，然后新节点A和节点B组成克隆节点组；新节点A同步实时时钟定时器，接收时钟滴答的初始相位偏移量以及预设的滴答计数；关闭NVRF，新节点A加入该无线传感网，新节点A所在的克隆节点组通过节点虚拟化算法构成一个虚拟逻辑节点。本发明解决能量采集环境下自供能无线传感网中传感节点频繁断电导致的网络服务质量降低问题，提高采用NVRF自供能无线传感网服务质量。
自供能非易失传时分节点虚拟方法系统

[发明专利]基于知识蒸馏的图像目标检测方法和检测器及其训练方法-CN202011059457.1在审
发明人： 马恺声;张林峰 -专利权人：交叉信息核心技术研究院（西安）有限公司
申请日： 2020-09-30 - 公布日： 2021-01-01 - 主分类号： G06T7/00 文献下载
摘要：本发明一种基于知识蒸馏的图像目标检测方法和检测器及其训练方法，基于特征蒸馏，适应性强，目标检测误差低，定位和分类能力强。其包括对检测器所采用的学生模型中的主干特征进行注意力导向知识蒸馏和非局部蒸馏的训练；将上述训练中的总蒸馏损失应用于具有不同分辨率的主干特征，完成学生模型的训练，得到对应的检测器；注意力导向蒸馏，对学生模型的主干网络特征分别在频道和空间维度中进行平均池化，得到空间和频道的注意力映射，采用注意力映射作为注意力导向蒸馏的掩码，将教师模型关键特征从教师模型蒸馏到学生模型进行训练；非局部蒸馏，通过非局部模块捕获图像中像素关系信息，将像素关系信息从教师模型蒸馏到学生模型进行训练。
基于知识蒸馏图像目标检测方法检测器及其训练

[发明专利]基于芯粒架构的多核封装级系统及其面向芯粒的任务映射方法-CN202010997893.7在审
发明人： 马恺声;谭展宏 -专利权人：交叉信息核心技术研究院（西安）有限公司
申请日： 2020-09-21 - 公布日： 2020-12-29 - 主分类号： G06F30/32 文献下载
摘要：本发明一种基于芯粒架构的多核封装级系统及其面向芯粒的任务映射方法，所述系统包括核心单元、芯粒单元和封装单元；核心单元包括多个并行的处理单元，以及多个处理单元共享的L1本地缓冲单元；L1本地缓冲单元仅用于存储权重数据；芯粒单元包括多个并行的核心单元，以及多个核心单元共享的L2共享缓冲单元；L2共享缓冲单元仅用于存储激活数据；封装单元包括多个并行且互联的芯粒单元，以及多个芯粒单元共享的DRAM存储。所述方法通过对芯粒Chiplet计算映射、芯粒Chiplet间的计算映射、芯粒Chiplet内PE阵列计算映射的数据分配模板，以及每层计算的规模分配进行方案搜索，以实现更少的片间通信、更小的片上存储以及更少的DRAM访问。
基于架构多核封装系统及其面向任务映射方法

[发明专利]任务牵引的特征蒸馏深度神经网络学习训练方法及系统、可读存储介质-CN202011030206.0在审
发明人： 马恺声;张林峰 -专利权人：交叉信息核心技术研究院（西安）有限公司
申请日： 2020-09-25 - 公布日： 2020-12-25 - 主分类号： G06N3/04 文献下载
摘要：本发明一种任务牵引的特征蒸馏深度神经网络学习训练方法及系统、可读存储介质，以数据驱动方式进行特征蒸馏，稳定有效，能够显著提升蒸馏训练的精度。本发明在深度神经网络不同深度的下采样层之前，均增加被训练成执行与深度神经网络相同任务的辅助分类器；辅助分类器通过任务损失训练，从教师模型的整个特征中捕获面向任务特征；采用特征蒸馏损失训练，将教师模型中捕获的面向任务特征提取到学生模型中，用于任务牵引的特征蒸馏深度神经网络学习训练。通过辅助分类器，对面向任务特征通过任务损失实现提取，通过特征蒸馏损失面向任务特征的传递，实现了面向任务的特征蒸馏，用于从教师到学生的面向任务的信息的提取，实现高效可靠的知识蒸馏。
任务牵引特征蒸馏深度神经网络学习训练方法系统可读存储介质

[发明专利]基于时间复用的神经网络预测器及其适用的电子设备-CN201810883953.5有效
发明人： 马恺声 -专利权人：清华大学
申请日： 2018-08-06 - 公布日： 2020-11-24 - 主分类号： G06F1/3206 文献下载
摘要：本申请提供一种基于时间复用的神经网络预测器、神经网络芯片、非易失处理器、能量管理系统及其适用的电子设备及装置，所述神经网络预测器的神经网络模块基于接收的至少一个时刻的供电信息、储电信息、以及断电信息中的至少一种信息进行预测计算，输出数据位宽指令、启动指令或写策略指令中的至少一种指令或/及服务质量预测信息；其时序控制模块用于控制所述神经网络模块预测计算的时序。本申请通过一个神经网络预测器的硬件架构在不同时间段内实现多种预测计算，藉此达到节省硬件成本和面积的目的。
基于时间神经网络预测及其适用电子设备

[发明专利]写策略控制方法、系统及其适用的电子设备-CN201810884580.3有效
发明人： 马恺声 -专利权人：清华大学
申请日： 2018-08-06 - 公布日： 2020-06-09 - 主分类号： G06F1/3234 文献下载
摘要：本申请提供一种写策略控制方法、系统及其适用的电子设备，所述写策略控制方法应用于具有处理器的电子设备中，所述方法通过获取电子设备至少一个时刻的断电信息；并依据所述断电信息进行预测计算所述电子设备的未来断电时间及断电置信度；然后依据所述未来断电时间及断电置信度进行预测计算获得写策略指令及写策略置信度，以令所述处理器依据所述写策略指令执行写操作；藉此可以通过改善备份保留时间来降低备用能量，并对断电时间的预测来确定合理的写策略进而实现节能的控制。
策略控制方法系统及其适用电子设备

[发明专利]一种卷积神经网络的自蒸馏训练方法和可伸缩动态预测方法-CN201910725997.X在审
发明人： 马恺声;张林峰 -专利权人：交叉信息核心技术研究院(西安)有限公司
申请日： 2019-08-07 - 公布日： 2019-11-19 - 主分类号： G06N3/04 文献下载
摘要：本发明一种卷积神经网络的自蒸馏训练方法，通过使卷积神经网络的尺寸缩小而不是使网络的尺寸扩大来显著增强卷积神经网络的性能。在网络自身内蒸馏知识时网络首先被划分为几个部分；然后，网络的较深部分中的知识被挤入浅层部分中。在不以响应时间为代价的情况下，自蒸馏大幅度地提高了卷积神经网络的性能，获得了平均2.65％的精度提升；从对数据集ResNeXt中0.61％的精度提升作为最小值到VGG19中4.07％的精度提升作为最大值。再配合注意力层对浅层分类器特征的强化提取，使得浅层分类器的精度显著提高，从而能够将一个有多个输出的卷积神经网络视为多个卷积神经网络，根据不同的需求，对每个浅层分类器的输出加以利用。
卷积神经网络浅层精度提升蒸馏分类器网络分类器特征尺寸扩大尺寸缩小输出数据集挤入注意力响应配合

1
共 14 条