“矩阵”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果145951个，建议您升级VIP下载更多相关专利

[发明专利]用于对矩阵值灵活求和的设备和方法-CN202110494768.9在审
发明人：克里希纳库马尔·纳拉亚南·奈尔;伊赫桑·基什阿德斯坦尼扎德;托马斯·马克·乌尔里希 -专利权人：脸谱公司
申请日： 2021-05-07 - 公布日： 2021-11-09 - 主分类号： G06F17/16 文献下载
摘要：本申请涉及用于对矩阵值灵活求和的设备和方法。一种设备(例如，专用集成电路芯片)包括矩阵转置组件、矩阵处理组件、数据对齐组件和数据缩减组件。矩阵转置组件被配置为转置元素的输入矩阵以输出已经转置的元素的输出矩阵。矩阵处理组件被配置为将第一乘法输入矩阵与第二乘法输入矩阵相乘，其中矩阵转置组件的输出矩阵被用作第一乘法输入矩阵，并且掩码向量被用作第二乘法输入矩阵。数据对齐组件被配置成修改矩阵处理组件的结果的元素的至少一部分。数据缩减组件被配置为至少对矩阵处理组件的经修改结果的元素求和，以确定一组值的和。
用于矩阵灵活求和设备方法

[发明专利]矩阵运算结果的确定方法及装置、存储介质、电子装置-CN202011534141.3在审
发明人：舒映晖 -专利权人：深圳市中兴微电子技术有限公司
申请日： 2020-12-21 - 公布日： 2022-06-21 - 主分类号： G06F17/16 文献下载
摘要：本发明提供了一种矩阵运算结果的确定方法及装置、存储介质、电子装置，其中，上述方法包括：获取待进行矩阵运算的第一矩阵和第二矩阵；将所述第一矩阵按照预设规则拆分成至少两个第一子矩阵，以及将所述第二矩阵按照所述预设规则拆分成至少两个第二子矩阵；对所述至少两个第一子矩阵以及所述至少两个第二子矩阵进行矩阵运算，以得到至少两个结果阵表；对所述至少两个结果阵表求和得到所述第一矩阵和所述第二矩阵的矩阵运算结果。采用上述技术方案，解决相关技术中在大矩阵相乘时，每一次运算的运算量大的问题。
矩阵运算结果确定方法装置存储介质电子

[发明专利]任意进制的数字光学矩阵计算方法、系统、终端及介质-CN202110584845.X在审
发明人：马国庆;周常河;余俊杰 -专利权人：中国科学院上海光学精密机械研究所
申请日： 2021-05-27 - 公布日： 2022-11-29 - 主分类号： G06N3/067 文献下载
摘要：本发明提供了一种任意进制的数字光学矩阵计算方法，包括：将原始待计算的高bit矩阵根据进制转换关系编码为任意进制低bit矩阵，所述低bit矩阵按照横向排列矩阵元素，纵向排列所述矩阵元素对应的比特元素的方式重新排列，其中所述原始待计算高bit矩阵的一位高bit元素与编码后的低bit矩阵在相同矩阵元素位置纵向排列的n个比特元素对应。然后根据所述光学矩阵计算系统的硬件规模，按照时间或空间序列通过分批次计算低bit矩阵的方式实现高bit矩阵的矩阵运算。同时提供了一种相应的终端及介质。本发明相比于模拟光学矩阵计算，可以实现高速、大规模、高精度的数字光学矩阵运算。
任意数字光学矩阵计算方法系统终端介质

[发明专利]目标对象的定位方法、系统、装置、电子设备及存储介质-CN202210783952.X在审
发明人：庞业勇;吴頔;陈志远;都大龙 -专利权人：北京鉴智科技有限公司
申请日： 2022-07-05 - 公布日： 2022-11-01 - 主分类号： G01C21/16 文献下载
摘要：本发明实施例提供了一种目标对象的定位方法、系统、装置、电子设备及存储介质，所述方法包括：获取目标对象采集的环境数据以及运动数据；获取原始海森矩阵以及针对所述原始海森矩阵的维度信息，并根据所述维度信息对所述原始海森矩阵进行边缘化处理，获得目标海森矩阵；对所述目标海森矩阵进行求解，获得若干个子矩阵；根据所述若干个子矩阵进行加速计算，获得雅可比矩阵以及残差矩阵，所述雅可比矩阵为用于表征视觉惯性融合系统的状态信息的矩阵，所述残差矩阵为用于优化变量参数的矩阵；根据所述雅可比矩阵与所述残差矩阵对所述环境数据和所述运动数据进行计算，获得所述目标对象的定位信息。
目标对象定位方法系统装置电子设备存储介质

[发明专利]一种频响函数计算中的矩阵分解奇异值取舍方法-CN201510553141.0有效
发明人：陈吉清;莫愁;兰凤崇 -专利权人：华南理工大学
申请日： 2015-08-31 - 公布日： 2018-06-29 - 主分类号： G06F17/16 文献下载
摘要：本发明公开了一种频响函数计算中的矩阵分解奇异值取舍方法，包括以下步骤：1、对测试所得激励矩阵进行奇异值分解；步骤2、使用二八法则对分解所得奇异值进行取舍，确定最优奇异值矩阵；步骤3、应用最优奇异值矩阵和响应矩阵计算频响函数本发明取80％响应信号组成矩阵进行奇异值分解；逐个去除分解所得较小奇异值，将去除部分奇异值的矩阵与取80％响应信号组成的矩阵相乘得到频响函数矩阵；将所得频响函数矩阵与剩余20％激励信号组成的矩阵相乘得到评估响应矩阵；将所得评估响应矩阵取平均值与剩余的20％响应信号平均值比较误差，误差最小时对应的频响函数矩阵为最优矩阵。
频响矩阵函数矩阵响应矩阵响应信号奇异值分解奇异值矩阵函数计算矩阵分解矩阵相乘去除应用范围广分解激励信号最优矩阵评估测试应用

[发明专利]数据处理装置以及消除干扰的方法-CN201210225077.X有效
发明人：刘念 -专利权人：中兴通讯股份有限公司
申请日： 2012-07-02 - 公布日： 2014-01-22 - 主分类号： H04L25/03 文献下载
摘要：本发明提供了一种数据处理装置以及消除干扰的方法，其中，该数据处理装置包括：分解模块，用于将噪声相关矩阵Rn分解为一个下三角矩阵L乘一个对角矩阵D再乘矩阵L的共轭转置矩阵的形式；计算模块，用于对矩阵L进行求逆计算；求逆模块，用于通过对矩阵L的共轭转置矩阵、矩阵D以及矩阵L的逆矩阵计算得到噪声相关矩阵Rn的逆矩阵。本发明解决了相关技术中矩阵求逆的时延大，硬件资源开销大的问题，从而有效地减少了矩阵求逆在逻辑电路中所需的时间，节省了硬件资源开销，有助于提高硬件运算的效率。
数据处理装置以及消除干扰方法

[发明专利]一种电网风险检测方法、装置和设备-CN202210612771.0有效
发明人：麦俊佳;张纪宾;任欣元;曾懿辉;张虎;黄丰 -专利权人：广东电网有限责任公司佛山供电局
申请日： 2022-06-01 - 公布日： 2022-08-19 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种电网风险检测方法、装置和设备，包括：获取电网信息，按照电网信息构建电网矩阵；当获取到停电线路清单时，根据停电线路清单对电网矩阵进行筛选，确定受影响变电站矩阵和通电线路矩阵；采用受影响变电站矩阵和通电线路矩阵，构建电网风险矩阵；分别计算电网风险矩阵中各矩阵列的矩阵列和值，根据各个矩阵列和值与预设失压阈值的比较结果选取失压矩阵元素；基于失压矩阵元素在所处矩阵行中对应的矩阵元素数量，确定对应输电线路的风险等级并生成风险输电线路清单
一种电网风险检测方法装置设备

[发明专利]一种基于卷积神经网络的混合波束形成方法-CN202110503100.6有效
发明人：杨绿溪;张天怡;徐佩钦;周鑫;李春国;黄永明 -专利权人：东南大学
申请日： 2021-05-10 - 公布日： 2022-07-19 - 主分类号： H04B7/06 文献下载
摘要：本发明公开了一种基于卷积神经网络的混合波束形成方法，包括以下步骤，仿真产生信道状态信息，求解每条信道状态信息下对应的最佳的模拟波束合成矩阵，数字波束合成矩阵、模拟波束形成矩阵和数字波束形成矩阵，以此生成数据集；搭建模拟波束合成矩阵估计网络模型，初始化模拟波束合成矩阵估计网络的参数；针对模拟波束合成矩阵估计任务对网络进行训练，并保存训练后的模拟波束合成矩阵估计网络模型；将信道矩阵输入模拟波束合成矩阵估计网络中，输出模拟波束合成矩阵，得到数字波束合成矩阵、模拟波束形成矩阵和数字波束形成矩阵。本发明直接利用信道状态信息通过卷积神经网络输出最佳的模拟波束合成矩阵，降低了波束形成的复杂度。
一种基于卷积神经网络混合波束形成方法

[发明专利]一种干扰抑制方法及装置-CN202010067657.5有效
发明人：肖晶成 -专利权人：大唐移动通信设备有限公司
申请日： 2020-01-20 - 公布日： 2022-07-01 - 主分类号： H04J11/00 文献下载
摘要：本发明实施例提供一种干扰抑制方法及装置，用于实现减少干扰抑制过程的耗时，该方法中，基站获取配对的n个终端设备的赋形系数向量，根据n个赋形系数确定赋形向量矩阵，并根据赋形向量矩阵，计算所述n个终端设备的信道相关矩阵；基站根据信道相关矩阵，确定信道相关逆矩阵；基站对信道相关逆矩阵进行流功率调整处理，得到信道相关逆矩阵调整矩阵，再根据赋形向量矩阵和信道相关逆矩阵调整矩阵，得到干扰抑制矩阵；基站根据干扰抑制矩阵对所述n该方法将干扰抑制矩阵的流功率处理过程放在逆矩阵之后，大大减少了干扰抑制处理过程的计算量，从而减少了系统执行干扰抑制的耗时，提高了系统的性能。
一种干扰抑制方法装置

[发明专利]基于随机矩阵的图像处理方法及装置-CN202110545916.5有效
发明人：不公告发明人 -专利权人：上海壁仞智能科技有限公司
申请日： 2021-05-19 - 公布日： 2022-11-25 - 主分类号： G06T5/50 文献下载
摘要：本发明提供一种基于随机矩阵的图像处理方法及装置，所述方法包括：将待处理图像输入至图像处理模型，得到图像处理模型输出的图像处理结果；其中，图像处理模型为层级结构的自注意力深度模型，图像处理模型中各层级的初始计算矩阵以低维等效矩阵代替，低维等效矩阵是基于各层级初始计算矩阵对应的随机矩阵确定的，随机矩阵的列数小于初始计算矩阵的列数，且大于初始计算矩阵的有效秩。本发明基于各层级初始计算矩阵对应的随机矩阵，确定低维等效矩阵，并以低维等效矩阵代替初始计算矩阵计算对应的中间变量，从而降低自注意力模型的尺度，并减少模型的矩阵运算量，提高图像处理的效率。
基于随机矩阵图像处理方法装置

[发明专利]一种桥梁监测数据模态识别方法及装置-CN201910557141.6有效
发明人：刘祥磊;王培培;黄祎萌;王辉;姜孟卓 -专利权人：北京建筑大学
申请日： 2019-06-25 - 公布日： 2022-12-20 - 主分类号： G06F30/13 文献下载
摘要：本发明实施例提供一种桥梁监测数据模态识别方法及装置，该方法包括：对原始汉克尔矩阵进行化简处理，得到简化后的汉克尔矩阵；根据所述简化后的汉克尔矩阵创建自相关矩阵；根据所述自相关矩阵确定模态阶数；根据所述简化后的汉克尔矩阵计算投影矩阵，对所述投影矩阵进行加权，得到加权投影矩阵；对所述加权投影矩阵进行奇异值分解和所述模态阶数得到可观测矩阵；根据所述可观测矩阵识别模态参数。通过简化后的汉克尔矩阵创建自相关矩阵，利用自相关矩阵特征值之间的相对差异来精确选取模型阶数，消除了估计结果中不重要模态，避免了噪声和计算误差引起的伪模干扰。
一种桥梁监测数据识别方法装置

[发明专利]一种基于芯片的PUF结构与方法-CN201880002418.2有效
发明人：李运宁;王文轩;沈健 -专利权人：深圳市汇顶科技股份有限公司
申请日： 2018-11-15 - 公布日： 2023-09-22 - 主分类号： G06F21/73 文献下载
摘要：该结构包括第一电极矩阵和第二电极矩阵；第一电极矩阵设置在芯片封装内；第一电极矩阵和第二电极矩阵之间形成交叠区；第一电极矩阵中的电极与芯片内部电路连接；第二电极矩阵中的电极连接固定电平。另外，本申请还提供一种基于芯片的PUF方法，该方法包括：检测第一电极矩阵与第二电极矩阵之间形成的电容矩阵；由电容矩阵得到芯片的身份信息矩阵。本申请通过设置第一电极矩阵和第二电极矩阵形成电容矩阵的方法，解决了由于环境影响导致的很难得到稳定的芯片身份信息的问题，也解决了芯片身份信息易被电学破解的问题。
一种基于芯片 puf 结构方法

[发明专利]离散余弦变换矩阵分解方法及其装置-CN02813755.8有效
发明人：田中正文 -专利权人：株式会社精密技术
申请日： 2002-03-20 - 公布日： 2004-09-01 - 主分类号： G06F17/14 文献下载
摘要：本发明的课题在于提供分解1维DCT矩阵的DCT矩阵分解方法与DCT装置，以能够仅以加减运算来进行DCT运算。所述方法中包括：利用余弦函数的对称性将N×N的1维DCT矩阵分解为多个子矩阵和零矩阵的第一步骤；将各子矩阵因子分解的第二步骤，该步骤使各子矩阵以其矩阵元素中包含余弦系数值的中间矩阵和以值1、－1或0为矩阵元素的一个或多个第一矩阵之积表示；以及按所需次数反复进行各中间矩阵的因子分解的第三步骤，该步骤使各中间矩阵用由矩阵元素值1、－1或0构成的多个第二矩阵之积表示。
离散余弦变换矩阵分解方法及其装置

[发明专利]预编码矩阵码本的生成方法及装置-CN201080040038.1无效
发明人：王键;田军;吴建明;张元涛 -专利权人：富士通株式会社
申请日： 2010-01-20 - 公布日： 2012-05-30 - 主分类号： H04L1/06 文献下载
摘要：本发明公开了一种预编码矩阵码本的生成方法及装置。一种生成在多天线通信系统中使用的预编码矩阵码本的方法包括：a)确定由L个预编码矩阵构成的初始预编码矩阵码本，b)将信道集合分成与初始预编码矩阵码本中的预编码矩阵分别对应的L个信道组；c)从预编码矩阵集合中选择与每个信道组最匹配的预编码矩阵，以形成新预编码矩阵码本；d)判断所述预编码矩阵码本与所述新预编码矩阵码本是否相同；以及e)如果不同，则将新预编码矩阵码本作为初始预编码矩阵码本，并且跳转至所述步骤b)；以及如果相同，则将新预编码矩阵码本作为要在所述多天线通信系统中使用的预编码矩阵码本
预编矩阵生成方法装置

[发明专利]基于NMF的图像分解方法-CN201810687759.X在审
发明人：江天;彭元喜;彭学锋;宋明辉;舒雷志;张松松;周士杰;李俊;赵健宏 -专利权人：中国人民解放军国防科技大学
申请日： 2018-06-28 - 公布日： 2018-12-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于NMF的图像分解方法，步骤包括：S1：获取待分解的原始数据矩阵，并对获取的原始数据矩阵进行SVD分解，得到奇异值矩阵以及奇异向量矩阵；S2：使用奇异值矩阵、奇异向量矩阵分别对NMF分解中的基矩阵、系数矩阵进行初始化；S3：对初始化后的基矩阵、系数矩阵进行迭代更新，以将原始数据矩阵进行NMF分解，得到基图像与系数矩阵的乘积。
原始数据矩阵分解系数矩阵矩阵奇异值矩阵奇异向量图像分解初始化基矩阵迭代更新基图像