“并行优化”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523961个，建议您升级VIP下载更多相关专利

[发明专利]一种区块零知识证明并行优化方法、设备及存储介质-CN202210977271.7在审
发明人：何正军;王志文;吴思进 -专利权人：杭州复杂美科技有限公司
申请日： 2022-08-15 - 公布日： 2022-11-08 - 主分类号： G06F16/27 文献下载
摘要：本发明属于计算机技术领域，尤其涉及一种区块零知识证明并行优化方法、设备及存储介质，本发明所提供的区块零知识证明并行优化方法，提出了利用将为不同的高度生成对应的默克尔账户树，然后采用状态信息与默克尔账户树结合的方式快速地生成认证信息计算中的输入信息，从而使得认证信息的计算可以并行化，有效提升见证信息的计算效率，同时见证信息计算在链下计算，不会占用区块链Tps，生成见证信息后上链并计算零知识证明所需计算量少，有效提升区块链的处理吞吐能力。
一种区块知识证明并行优化方法设备存储介质

[发明专利]用于并行设计和工艺优化的方法及系统-CN202211594588.9在审
发明人：刘志宏;马玉涛 -专利权人：上海概伦电子股份有限公司
申请日： 2022-12-13 - 公布日： 2023-08-22 - 主分类号： G06F30/367 文献下载
摘要：本申请公开了用于并行设计和工艺优化的方法和系统。所公开的方法使得能够实现高效的并行设计和工艺优化(PDTO)，并且允许设计者签署技术开发或利用设计分析工具找到最佳设计点。从制造技术过程生成基线SPICE模型；将基线SPICE模型扩展到电路设计过程中的技术规范窗口的相应描述，其中，技术规范窗口描述器件模型参数的扩展范围；使用技术规范窗口提取目标SPICE模型；通过与制造技术过程并行地操作的电路设计过程使用目标
用于并行设计工艺优化方法系统

[发明专利]一种基于FPGA的雷达成像并行化方法-CN201310738571.0无效
发明人：潘红兵;鲁亚楠;李丽;何书专;鲁恒亚;李伟;沙金 -专利权人：南京大学
申请日： 2013-12-30 - 公布日： 2014-05-21 - 主分类号： G01S13/90 文献下载
摘要：本发明涉及一种基于FPGA的雷达成像并行化方法，包括图像并行化、数据并行化以及流水并行化，对于相互独立的成像点：通过图像级的并行化处理，将成像任务平均分配到若干个芯片中并行执行；对于单个芯片中的成像任务，通过脉冲级的并行化处理，对各个像素点对应的图像源数据进行反投影运算，并将得到的反投影值输出；对于BP算法中反投影运算部分，通过流水级的并行化处理，将目标图像的像素点按行划分，从而完成像素点的反投影运算有益效果为：采用混合并行化的方法，结合硬件资源条件，将图像域并行化、脉冲域并行化与流水级并行化相结合，并充分利用FPGA高速运行的优势，在运算单元内部采用流水线的并行化方法，使运算单元得到更充分的优化。
一种基于 fpga 雷达成像并行方法

[发明专利]适用于广域网的分布式交通大数据并行聚类方法-CN201811176056.7在审
发明人：洪月华 -专利权人：洪月华
申请日： 2018-10-10 - 公布日： 2019-02-19 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了适用于广域网的分布式交通大数据并行聚类方法，分布式大数据的并行聚类运算按时序周期分为历史全量阶段和多个周期增量阶段持续执行，首先用最大最小距离法优化k‑means聚类算法；其次构建适用于广域网的基于MapReduce的分布式并行聚类计算框架，在该框架里再次优化改进的聚类算法实现了在广域网内分布式的并行执行，然后用该算法实现对历史全量大数据的分布式并行聚类运算，从中挖掘出特征群体及其行为模式；最后定期用多个周期增量大数据的聚类运算不断地校正历史全量大数据的聚类结果
大数据广域网聚类运算并行聚类聚类算法周期增量分布式计算最小距离法并行执行动态更新聚类结果数据移动算法实现特征群体行为模式运算效率构建拷贝校正新类优化交通挖掘移动重复改进

[发明专利]基于GPU集群的三维重建算法并行化方法-CN202010704955.0在审
发明人：黄方;彭书颖;杨浩;铁博;陈胤杰 -专利权人：电子科技大学
申请日： 2020-07-21 - 公布日： 2020-11-20 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于GPU集群的三维重建算法并行化方法，涉及计算机视觉技术领域。研究无人机影像三维重建技术流程，同时针对无人机三维稠密重建处理耗时这一问题，采用GPU集群作为处理平台，具体地，基于SFM_MVS相关理论，掌握基于图片序列的实景三维重建相关流程，同时分别采用了MPI并行编程技术和GPU并行编程技术对三维重建流程部分环节进行优化加速研究工作，其中利用集群进行稀疏重建算法算子替换有效解决了无人机航拍影像数据量大、计算耗时的问题，稠密重建算法粗粒度数据并行与稠密匹配算法特征提取环节的细粒度并行及优化有效加速了三维重建后期稠密点云重建流程
基于 gpu 集群三维重建算法并行方法

[发明专利]基于多层网格的LBM并行优化方法-CN202110433267.X在审
发明人：张武;逄宗扬;其他发明人请求不公开姓名 -专利权人：苏州流场信息技术有限公司
申请日： 2021-04-22 - 公布日： 2021-06-01 - 主分类号： G06F30/28 文献下载
摘要：本发明涉及一种基于异构众核的LBM并行优化方法，其包括以下步骤：根据上述发明构思，本文发明一种针对多层网格的LBM并行优化方法包括以下步骤：步骤一，根据LBM并行运算特性改变多层网格下的计算流程；步骤二，在进程任务划分上，采取二维划分策略，同时根据划分情况设计相应的通信策略；步骤三，根据LBM并行运算特性设计通信缓冲区大小以及安排所需数据进行通信。具体优点有：根据LBM并行运算的特点，减少了通信同步的次数，从而降低CPU空置的比重；在任务进程划分上采取了二维划分策略，在保证正确的基础上使得计算域边界可以根据计算量大小灵活调整，不需要整齐对应；只需要部分数据通信即可保证计算正确
基于多层网格 lbm 并行优化方法

[发明专利]一种基于集群的脉冲星并行搜索优化方法及系统-CN202311176454.X在审
发明人：李明辉;张幸楠;潘之辰;张立云 -专利权人：贵州大学
申请日： 2023-09-13 - 公布日： 2023-10-24 - 主分类号： G06F16/903 文献下载
摘要：本发明提供了一种基于集群的脉冲星并行搜索优化方法及系统，所述脉冲星并行搜索优化方法包括以下步骤：S1：将从FAST申请到的原始数据按照预设划分方式进行划分，获得若干分块数据；S2：将集群资源按照预设满足条件进行申请，获得一个主节点和若干计算节点；S3：将若干分块数据分别对应分配若干计算节点，进行并行脉冲星并行搜索计算；S4：将S3中计算结果进行资源释放，汇总至主节点；S5：将主节点中的结果进行合并处理，获取最终的搜索结果，本发明旨在提高脉冲星搜索的计算速度和精度，本发明通过一种高效、可靠的并行计算方式，解决了大规模数据情况下的瓶颈问题，保证了整体计算的可行性和效率。
一种基于集群脉冲并行搜索优化方法系统

[发明专利]一种静态哈夫曼并行全编码实现方法-CN201710690814.6有效
发明人：万国春;陈怡;夏子为;唐令怡 -专利权人：同济大学
申请日： 2017-08-14 - 公布日： 2020-06-12 - 主分类号： H03M7/40 文献下载
摘要：一种静态哈夫曼并行全编码实现方法。在排序的同时得到对应权值的码长和编码值，并且在一个时钟周期内对所有变量进行编码，在排序结束的时候即可得到所有变量的码长和编码值。整个过程充分考虑FPGA的并行处理性，采用优化后的并行全比较算法，只需一个时钟周期便可得到所有变量权值的排序，该算法是基于序列中任意两个数并行比较实现，数据之间两两比较统一采用大于等于比较器，任意两个数之间只需要比较一次开始为输入数据并统计权值的模块，输入结束后，再对输入的数据进行优化的并行全比较排序，在得到排序结果的同时对其进行编码。最后编码值的输出采用流水线的方式，可以使输出过程不间断。
一种静态哈夫曼并行编码实现方法

[发明专利]一种针对深度学习超分辨率技术的GPU加速方法-CN201610184129.1有效
发明人：宋利;赵章宗;解蓉 -专利权人：上海交通大学
申请日： 2016-03-28 - 公布日： 2021-04-02 - 主分类号： G06T3/40 文献下载
摘要：本发明公开一种针对深度学习超分辨率技术的GPU加速方法，所述方法将基于深度学习、卷积神经网络的超分辨率技术的所有步骤都并行化，并在GPU运行；所述并行化是对基于深度学习、卷积神经网络的超分辨率技术的卷积进行并行任务划分，将卷积操作划分为数百万个互不相关、能以任意顺序并行执行的微任务，从而使GPU超强并行计算能力得到发挥。进一步的，利用GPU储存器的特性，将卷积核数据和输入图像数据缓存到共享存储器和寄存器，从而大幅优化卷积的计算速度；融合卷积与非线性层；针对不同卷积大小选取最佳优化方法。
一种针对深度学习分辨率技术 gpu 加速方法

[发明专利]一种多路径并行传输系统有效吞吐量的优化方法-CN201610178755.X有效
发明人：陶洋;王振宇;熊炫睿;张家泳;赫前进;李加成;赵芳金;严志军 -专利权人：重庆邮电大学
申请日： 2016-03-24 - 公布日： 2019-05-10 - 主分类号： H04L12/707 文献下载
摘要：本发明涉及一种多路径并行传输系统有效吞吐量的优化方法，属于通信技术领域。该方法包括以下步骤：步骤1)在多路径并行传输系统中，利用卡尔曼滤波算法对各条并发链路上的传播时延进行估计；步骤2)推导出多路径并行传输系统中数据包有序传输约束条件；步骤3)根据推导出的传播时延估计结果和数据包有序传播的约束条件本发明提供的一种多路径并行传输系统有效吞吐量的优化方法，能够根据传播时延估计和数据包有序传播约束条件，自适应地调整各子流的拥塞窗口大小，从而均衡各链路上的负载，减小并发链路间的最大时延差，减少数据包乱序，提高多路径并行传输系统有效吞吐量。
一种路径并行传输系统有效吞吐量优化方法

[发明专利]一种基于事务合并的并行执行方法及设备-CN202111501971.0在审
发明人：孙峰;余院兰;彭青松;刘启春 -专利权人：武汉达梦数据库股份有限公司
申请日： 2021-12-09 - 公布日： 2022-04-08 - 主分类号： G06F9/46 文献下载
摘要：本发明涉及一种基于事务合并的并行执行方法及设备。其方法部分主要包括：表操作信息建立步骤；将单事务合并为多事务且设置多事务的提交LSN、并行LSN以及起始LSN，并将多事务注册到执行线程链表；单事务处理步骤；通过对提交操作的判断、表操作信息的冲突检测、并行LSN的判断以及起始LSN的判断来进入相对应的步骤；线程提交步骤。本发明采用的方法可以进行并行处理方法上的优化，以提升多事务执行的并行度，从而提升数据同步的性能。
一种基于事务合并并行执行方法设备

[发明专利]一种面向X86多核处理器的数据流程序调度方法-CN201410185971.8有效
发明人：于俊清;李鹤;唐九飞;何云峰;管涛 -专利权人：华中科技大学
申请日： 2014-05-05 - 公布日： 2017-05-10 - 主分类号： G06F9/48 文献下载
摘要：本发明公开了一种面向多核系统的数据流编译优化方法，包括确定计算任务与处理器核映射的任务划分和构造软件流水线调度；根据所述多核处理器的结构特性和数据流程序在多核处理器上的执行情况做核间缓存(Cache)优化步骤本发明的方法将数据流并行调度与多核架构的缓存结构相关优化结合起来，充分发挥了多核处理器的高并行性，而且针对多核系统的层次性缓存结构和缓存原理，优化了计算任务对通信缓冲区的访问，进一步提高了目标程序的吞吐率
一种面向 x86 多核处理器数据流程序调度方法

[发明专利]一种并行多次门限判别和滤波器结合进行控制的方法-CN202211344278.1在审
发明人：肖鉴;李文强;薛刚;刘艳行;朱新勃 -专利权人：西安电子工程研究所
申请日： 2022-10-31 - 公布日： 2023-02-28 - 主分类号： G05B19/05 文献下载
摘要：本发明涉及一种并行多次门限判别和滤波器结合进行控制的方法，属于控制技术领域。包括：当采样周期到来，采样信号并进行滤波；当控制周期到来，对当时滤波后的信号进行控制；当并行多次门限判别周期到来时，对当时滤波后的信号进行并行多次门限判别处理。本发明方法使用两种方法结合控制，相互增益，达到优化的目的。
一种并行多次门限判别滤波器结合进行控制方法

[发明专利]一种使用Cuda加速大规模BA并行优化方法-CN202210296609.2在审
发明人：吴秋轩;周忠容;曾平良;田杨阳;毛万登;孟秦源;张波涛;袁少光;耿俊成;赵健;吕强;仲朝亮;罗艳斌 -专利权人：杭州电子科技大学;国网河南省电力公司电力科学研究院;国家电网有限公司
申请日： 2022-03-24 - 公布日： 2022-07-05 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种使用Cuda加速大规模BA并行优化方法，包括如下步骤：S1、构建系统的能量残差方程；S2、求解线性方程组；S2‑1对Jl进行QR分解；S2‑2使用QR分解边缘化线性方程组；S3、将求解得到Δxp，Δxl代入原系统方程实现BA优化。上述技术方案，提高了计算的数值稳定性，并允许用单精度浮点数解决大规模束平差问题，使得线性方程组Ax＝b求解具有良好的并行性。这极大的提高了线性方程求解的并行度，有效的提高线性方程组求解效率，从而有效的摆脱现有硬件资源的限制，实现大规模三维场景三维重建过程中的优化，并且极大的提高了优化效率，提高了全局位姿与观测点的优化效率，优化结果能够作为重建出更大规模三维场景稀疏三维点云的基础
一种使用 cuda 加速大规模 ba 并行优化方法

[发明专利]一种基于高阶密码算子在异构平台编译优化方法及系统-CN202310252188.8在审
发明人：裴雪;魏帅;宋克;沈剑良;吕平;于洪;陈艇;李沛杰;张文建;刘文斌 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2023-03-15 - 公布日： 2023-06-23 - 主分类号： G06F8/41 文献下载
摘要：本发明公开一种基于高阶密码算子在异构平台编译优化方法及系统，该方法包括：步骤1：根据领域专用语言，通过对加解密算法的分析，设计实现描述张量运算的领域专用语言，进行算子的提取和分析；步骤2：通过数据的张量化和并行化，重新组织计算高效利用内存层次结构和并行执行硬件；步骤3：通过端到端的编译框架进行高阶算子实现，并将高阶算子映射到异构硬件；步骤4：对映射到硬件的高阶算子进行编译优化，得到编译优化后的高阶算子；步骤5：根据编译优化后的高阶算子，编译得到硬件可执行代码。本发明解决了复杂算子的领域专用语言抽象，内存优化，编译映射，高效地构建高性能加解密领域算法及硬件部署。
一种基于密码算子平台编译优化方法系统