专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果5个,建议您升级VIP下载更多相关专利
  • [发明专利]一种双核可信执行的安全芯片架构-CN202310321125.3在审
  • 陈岳海;叶武剑;刘怡俊;陈少真;陈华润 - 广东工业大学
  • 2023-03-29 - 2023-06-27 - G06F15/163
  • 本发明公开了一种双核可信执行的安全芯片架构,采用了分层总线设计,第一层AHB总线处于完全隔离的安全世界下,将TEE处理器核世界和REE处理器核世界完全隔离,保证了TEE安全核数据的安全性,第二层AHB总线的所有从设备均可被TEE处理器核访问,且REE处理器核可通过IOPMP限制对第二层AHB总线的从设备的访问权限,第三层AHB总线通过安全APB总线和非安全APB总线连接外设IP,同时,TEE处理器核和REE处理器核基于Mailbox通信机制,通过第二层AHB总线进行核间通信,解决了现有的TEE硬件SoC架构难以保证TEE安全核的数据安全和REE计算核的高效运行的技术问题。
  • 一种可信执行安全芯片架构
  • [发明专利]一种基于脉冲神经网络的行人重识别方法及装置-CN202211051135.1在审
  • 刘怡俊;陈华润;叶武剑 - 广东工业大学
  • 2022-08-24 - 2022-11-29 - G06V40/10
  • 本申请公开了一种基于脉冲神经网络的行人重识别方法及装置,本申请提供的方案将基于图像帧的脉冲特征映射为脉冲特征集来表征时序图像的时空多维特征,然后通过卷积将不同深度的脉冲特征集进行融合,来进一步学习更具辨识度的行人步态特征,接着将基于步态图像帧的局部空间维度的脉冲特征和基于脉冲特征集的全局时空维度的脉冲特征集同时映射到更具区分度的条带状特征,最后利用具有更高区分度的条带状特征作为MSSF模型的输入量,以通过模型运算获得更准确的行人重识别结果,通过使用对时空特性敏感的脉冲信号来表征行人更具辨识性的步态特征,从而提高行人重识别准确率。
  • 一种基于脉冲神经网络行人识别方法装置
  • [发明专利]一种自动驾驶场景识别方法、装置和系统-CN202211032500.4在审
  • 叶武剑;陈华润;刘怡俊 - 广东工业大学
  • 2022-08-26 - 2022-11-22 - G06V20/58
  • 本申请公开了一种自动驾驶场景识别方法、装置和系统,其中方法包括:获取车辆驾驶时拍摄的环境图片;将环境图片校正为平面图,得到平面环境图片;将平面环境图片输入至脉冲卷积神经网络硬件平台,得到环境图片对应的场景识别结果,脉冲卷积神经网络硬件平台中搭载的脉冲卷积神经网络是由预设神经元搭建的,预设神经元包括LIF神经元和/或IF神经元;发送场景识别结果至报警器,以使得报警器根据场景识别结果进行对应的报警操作。解决了深度学习在自动驾驶领域上存在着运算速度慢,功耗高的技术问题,使脉冲卷积神经网络满足自动驾驶的使用需求。
  • 一种自动驾驶场景识别方法装置系统
  • [发明专利]一种脉冲卷积神经网络加速器-CN202210987300.8在审
  • 叶武剑;陈岳海;陈华润;刘怡俊 - 广东工业大学
  • 2022-08-17 - 2022-11-11 - G06N3/04
  • 本申请公开了一种脉冲卷积神经网络加速器,控制器在接收到输入图像后,启动图像排序单元对图像进行排序,并在排序完成后,启动PE计算阵列进行卷积和池化计算或启动全连接计算单元进行全连接计算,并将计算产生的结果缓存至内部图像缓冲单元,若当前网络层为输出层,则统计脉冲发放频率,完成图像识别,若当前网络层为非输出层,则启动图像排序单元;其中,PE计算阵列和全连接计算单元均包括采用一阶欧拉方法消除LIF神经元和Izhikevich神经元求解的微分计算得到的优化后的神经元,改善了现有技术存在神经元模型单一,无法支持多个不同的脉冲神经元搭建的SNN,并且计算单元所占用的硬件资源、计算量和功耗很大的技术问题。
  • 一种脉冲卷积神经网络加速器

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top