“稀疏”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19217个，建议您升级VIP下载更多相关专利

[发明专利]一种大规模MIMO稀疏信道估计方法及相关设备-CN202210826619.2有效
发明人：陈建侨;陈昊;马楠;许晓东;张平 -专利权人：鹏城实验室;北京邮电大学
申请日： 2022-07-14 - 公布日： 2023-06-16 - 主分类号： H04L25/02 文献下载
摘要：本发明公开了一种大规模MIMO稀疏信道估计方法及相关设备，所述方法包括：本地服务器进行离线训练得到信道稀疏度认知神经网络、信道稀疏表示字典和信道稀疏重构神经网络；终端将OFDM信号输入到信道稀疏度认知神经网络中得到信道稀疏度；基站根据信道稀疏度确定下行传输信号中导频序列的长度；基站接收到下行传输信号后，根据信道稀疏度选择相应的信道稀疏表示字典进行信道稀疏表示，并根据信道稀疏重构神经网络一起进行信道稀疏重构。通过终端将OFDM信号输入到信道稀疏度认知神经网络中得到信道稀疏度，基站根据信道稀疏度进行信道稀疏表示，并根据信道稀疏重构神经网络一起进行信道稀疏重构，实现了高精度、低复杂度的信道估计。
一种大规模 mimo 稀疏信道估计方法相关设备

[发明专利]用于神经网络张量处理器的稀疏数据压缩装置及方法-CN202211618646.7在审
发明人：汤梦饶;罗闳訚;周志新;何日辉;尤培坤 -专利权人：厦门壹普智慧科技有限公司
申请日： 2022-12-15 - 公布日： 2023-04-07 - 主分类号： G06N3/082 文献下载
摘要：本发明涉及神经网络张量处理器领域，特别是一种用于神经网络张量处理器的稀疏数据压缩装置及方法。所述方法包括：读取压缩操作的配置数据并配置稀疏数据压缩装置的各模块；根据配置信息，读取稀疏数据；判断并标记稀疏特征点；删除稀疏特征点数据，生成稀疏压缩数据和稀疏映射表；写出稀疏压缩数据；写出稀疏映射表。本方法通过遍历稀疏数据、判断和标记稀疏特征点、删除稀疏特征点并构建稀疏映射表的方式，可以高效的实现稀疏数据的0数据删除和数据重排操作，从而高效实现稀疏数据的压缩，具有压缩计算复杂性低、效率高的优点。
用于神经网络张量处理器稀疏数据压缩装置方法

[发明专利]基于细粒度结构化稀疏的在线训练方法及系统-CN202111666701.5在审
发明人：张蕊;朱时兵;王伟卓;张曦珊 -专利权人：中国科学院计算技术研究所
申请日： 2021-12-31 - 公布日： 2022-05-03 - 主分类号： G06N3/08 文献下载
摘要：本发明提出一种基于细粒度结构化稀疏的在线训练方法和系统，包括：基于预设学习率和权重梯度，训练稠密模型；对该稠密模型的权重进行细粒度结构化稀疏，得到稀疏掩码，并基于该稀疏掩码训练稀疏模型，且在训练该稀疏模型的过程中更新该稀疏掩码和该稀疏模型的模型权重；固定该稀疏模型的网络结构再次训练该稀疏模型，且在再次训练该稀疏模型过程中仅更新该稀疏模型的模型权重，保存完成经过再次训练的稀疏模型的模型权重和稀疏掩码作为在线训练结果。稀疏模型比稠密模型的规模小，比稠密模型的通道数也小。在部署模型时采用稀疏模型，由于稀疏模型规模小，可以有效减少计算量，达到加速模型运行速度的技术效果。
基于细粒度结构稀疏在线训练方法系统

[发明专利]流量重构方法、装置、设备及存储介质-CN202111205270.2有效
发明人：樊学宝;李秀峰;朱海玲;黄智勇;罗艳珍;陈懿 -专利权人：中国联合网络通信集团有限公司
申请日： 2021-10-15 - 公布日： 2023-05-09 - 主分类号： H04W28/10 文献下载
摘要：该方法包括：根据采集的多个时段对应的流量数据确定对应的流量特征数据；根据流量特征数据以及流量数据确定稀疏基，并根据稀疏基确定稀疏表示；确定多个时段对应的流量数据中最新相邻时段对应的流量数据对应的相似度，根据相似度确定稀疏基是否可用；若稀疏基可用，则根据相似度优化稀疏表示，将稀疏基和优化的稀疏表示发送至输出端，以使输出端根据稀疏基和优化的稀疏表示重构对应的流量数据。本申请的方法，在流量数据重构前确认稀疏基是否可用，若稀疏基可用，说明稀疏基能够很好的进行稀疏表示，并对稀疏表示进行优化，根据稀疏基和优化的稀疏表示可更好的重构流量数据，减少重构误差。
流量方法装置设备存储介质

[发明专利]稀疏加速单元、计算方法及稀疏神经网络硬件加速系统-CN202310439341.8有效
发明人：伍元聪;罗敏;西贝与非;金正权 -专利权人：成都甄识科技有限公司
申请日： 2023-04-23 - 公布日： 2023-07-21 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种稀疏加速单元、计算方法及稀疏神经网络硬件加速系统。所述稀疏加速单元，包括N个计算单元和i级稀疏加法树，所述计算单元为乘法器结构，所述稀疏加法树采用二叉树结构连接，即：上一级稀疏加法树的稀疏加法器数量是下一级的两倍，上一级的每两个稀疏加法器同时连接下一级的一个稀疏加法器；第一级稀疏加法树的稀疏加法器数量为N/2；各级稀疏加法树的稀疏加法器数据位宽依次递增1bit。所述稀疏神经网络硬件加速系统，包括多个所述稀疏加速单元，可兼容多种稀疏神经网络算法模型。本发明还公开了一种稀疏加速计算方法，基于稀疏加速单元硬件架构解决了稀疏矩阵不规则计算问题，同时在不损失效率下兼容密集型矩阵运算加速。
稀疏加速单元计算方法神经网络硬件加速系统

[发明专利]一种获取稀疏微波成像雷达信噪比和采样比的方法-CN201410019317.X有效
发明人：吴一戎;洪文;赵曜;张冰尘 -专利权人：中国科学院电子学研究所
申请日： 2014-01-16 - 公布日： 2014-04-02 - 主分类号： G01S7/41 文献下载
摘要：本发明提供一种获取稀疏微波成像雷达信噪比和采样比的方法，包括步骤如下：步骤S1：建立稀疏微波成像雷达回波模型；步骤S2：依据回波模型中的稀疏目标信号的稀疏度，构建稀疏微波成像雷达采样比模型；步骤S3：依据场景稀疏度和采样比，构建所需的稀疏微波成像雷达信噪比模型；步骤S4：依据信噪比模型，得到稀疏重建的正则化参数；步骤S5：根据稀疏微波成像雷达回波模型和设定的参数范围，利用L1正则化算法，对稀疏目标信号进行稀疏重建，得到稀疏重建的稀疏目标信号
一种获取稀疏微波成像雷达采样方法

[发明专利]一种基于能级跳跃的全局最优稀疏表示方法-CN201710446315.2在审
发明人：王天荆;刘国庆;朱晓梅;姜华;程浩 -专利权人：南京工业大学
申请日： 2017-06-14 - 公布日： 2018-01-09 - 主分类号： G06F17/15 文献下载
摘要：本发明提供了一种基于能级跳跃的全局最优稀疏表示方法，步骤包括由初始点出发根据AST的迭代公式计算局部最优稀疏解；吸收能量使得局部最优稀疏解跳到非稀疏解；利用同伦曲线获取一个与非稀疏解能量值相等的非稀疏解；从更新点出发，根据AST的迭代公式计算下一个局部最优稀疏解；输出全局最优稀疏解为，利用全局最优稀疏解进行稀疏表示。该全局最优稀疏表示方法将一个局部最优稀疏解因吸收能量而被激发，它可跳出当前的吸引盆而进入具有更低能级的吸引盆，从而搜索更优的稀疏解，直至达到最低能级而获得全局最优稀疏解，从而可以方便地应用于现有的各类稀疏表示算法
一种基于能级跳跃全局最优稀疏表示方法

[发明专利]用于神经网络张量处理器的稀疏数据解压缩装置及方法-CN202211618647.1在审
发明人：汤梦饶;罗闳訚;周志新;何日辉;尤培坤 -专利权人：厦门壹普智慧科技有限公司
申请日： 2022-12-15 - 公布日： 2023-04-07 - 主分类号： G06N3/082 文献下载
摘要：本发明涉及神经网络张量处理器领域，公开了一种用于神经网络张量处理器的稀疏数据解压缩装置和方法。所述方法包括：读取解压缩操作的配置数据，并配置稀疏数据解压缩装置的各模块；根据配置信息，读取稀疏映射表：根据配置信息和稀疏映射表，读取稀疏压缩数据；解压缩，生成稀疏数据；写出稀疏数据。本发明提出的稀疏压缩数据把0维全部16个数据的值都为0的情况表达为可被解压缩填充的稀疏特征点，并通过稀疏映射表来发达稀疏特征点的分布情况。通过遍历稀疏映射表的方式可以直接识别稀疏特征点，通过在稀疏特征点填0并插入写出的方式，可以高效实现稀疏数据的解压缩，具有解压缩计算复杂性低、效率高的优点。
用于神经网络张量处理器稀疏数据解压缩装置方法

[发明专利]用于神经网络张量处理器的稀疏数据计算装置及方法-CN202211618438.7在审
发明人：汤梦饶;罗闳訚;周志新;何日辉;尤培坤 -专利权人：厦门壹普智慧科技有限公司
申请日： 2022-12-15 - 公布日： 2023-05-30 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及神经网络张量处理器领域，公开了一种用于神经网络张量处理器的稀疏数据计算装置及方法。所述方法包括：读取计算所需的配置数据，并配置稀疏数据计算装置的各模块；根据配置信息，读取输入特征稀疏映射表和参数稀疏映射表；根据配置信息和输入特征稀疏映射表读取输入特征稀疏压缩数据，根据配置信息和参数稀疏映射表读取参数稀疏压缩数据；计算获得加法稀疏映射表或乘法稀疏映射表；根据16比特加法稀疏映射表或16比特乘法稀疏映射表的值，选择性的执行加法或乘法运算操作；写出稀疏压缩数据；写出稀疏映射表。本发明所提出的稀疏数据计算装置与方法，可以节省数据存储空间、降低神经网络计算的操作数，从而提高计算效率。
用于神经网络张量处理器稀疏数据计算装置方法

[发明专利]一种用于处理器内存访问的数据方法及装置-CN202310586308.8在审
发明人：李胜国;董德尊;张一尘;郑思;雷斐 -专利权人：中国人民解放军国防科技大学
申请日： 2023-05-23 - 公布日： 2023-08-22 - 主分类号： G06F17/16 文献下载
摘要：本发明公开了一种用于处理器内存访问的数据方法及装置，该方法包括：访问处理器的内存获取目标稀疏矩阵；对目标稀疏矩阵进行分区处理，得到稀疏子矩阵信息；稀疏子矩阵信息包括第一稀疏子矩阵、第二稀疏子矩阵和对角矩阵；第一稀疏子矩阵和第二稀疏子矩阵以稀疏矩阵形式存储于处理器的内存；对角矩阵以向量形式存储于处理器的内存；对稀疏子矩阵信息进行分段计算处理，得到目标稀疏向量。可见，本发明有利于减少对稀疏矩阵的内存访问，从而显着减少内存开销。
一种用于处理器内存访问数据方法装置

[发明专利]一种声信号随机稀疏压缩采样方法及装置-CN201810386587.2有效
发明人：刘志红;刘尊民;仪垂杰;赵玉贵;宿元亮;李贺 -专利权人：青岛理工大学
申请日： 2018-04-26 - 公布日： 2022-05-27 - 主分类号： H03M7/30 文献下载
摘要：本发明公开了一种声信号随机稀疏压缩采样方法及装置，该方法包括：采集模拟量声信号，对模拟量声信号进行稀疏表示和稀疏分解，得到信号稀疏向量、稀疏度及A/D转换稀疏系数；根据稀疏采样、基主分量和随机高斯矩阵构建出测量矩阵，将信号稀疏向量在测量矩阵上进行自适应投影；并利用等距性条件检验测量矩阵的有效性；根据稀疏度确定稀疏采样的平均采样频率和采样率，完成稀疏压缩采样。本发明将声信号的稀疏性与随机压缩采样进行结合，实现远低于经典奈奎斯特采样频率的压缩采样。
一种信号随机稀疏压缩采样方法装置

[发明专利]一种基于场景块稀疏的稀疏微波成像方法-CN201110401550.0有效
发明人：张杰;张冰尘;洪文;吴一戎 -专利权人：中国科学院电子学研究所
申请日： 2011-12-06 - 公布日： 2013-06-12 - 主分类号： G01S13/89 文献下载
摘要：本发明公开了一种基于场景块稀疏的稀疏微波成像方法，涉及雷达成像技术，利用了实际成像场景中目标的几何尺寸远大于高分辨成微波像雷达的空间分辨率，并且通常覆盖多个雷达分辨单元这一事实，采用压缩采样的方式对块稀疏场景进行稀疏观测，基于场景的块稀疏特性进行高效的稀疏图像重构。本发明方法与基于匹配滤波成像的方法不同，稀疏微波成像雷达以稀疏信号处理为基础，通过求解一个优化问题恢复被观测的稀疏或者变换域稀疏场景。本发明方法在同样采样条件下，实现对稀疏成像场景比常规稀疏微波成像更为精确的重构，也可以在保证同样重构性能条件下，实现对稀疏场景更为稀疏的观测，从而进一步降低采样的数据率。
一种基于场景稀疏微波成像方法

[发明专利]用于神经网络的组平衡式稀疏激活和联合激活权重稀疏训练的系统和方法-CN202280005926.2在审
发明人：严恩勖 -专利权人：墨芯国际有限公司
申请日： 2022-08-15 - 公布日： 2023-05-23 - 主分类号： G06N3/084 文献下载
摘要：该方法可包括：在神经网络的当前层的前向传播期间，基于当前层的稀疏输入张量和稀疏权重张量生成密集输出张量，和稀疏化密集输出张量以获得稀疏输出张量；在神经网络的当前层的后向传播期间：基于稀疏输出张量确定第一稀疏导数张量，基于第一稀疏导数张量和当前层的稀疏权重张量获得密集导数张量，和稀疏化密集导数张量以获得第二稀疏导数张量；和基于第一稀疏导数张量和第二稀疏导数张量训练神经网络的权重张量。
用于神经网络平衡稀疏激活联合权重训练系统方法

[发明专利]一种用于神经网络的基于混合粒度的联合稀疏方法-CN202011553635.6有效
发明人：卓成;郭楚亮;尹勋钊 -专利权人：浙江大学
申请日： 2020-12-24 - 公布日： 2021-03-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种用于神经网络的基于混合粒度的联合稀疏方法，该联合稀疏方法包括独立的向量级细粒度稀疏化和块级粗粒度稀疏化，通过对两种稀疏方式独立生成的剪枝蒙版进行按位逻辑与运算，获得最终的剪枝蒙版，进而获得稀疏化后的神经网络的权重矩阵本发明联合稀疏性始终获得介于块稀疏和平衡稀疏模式之间的推理速度，而无需考虑向量级细粒度稀疏化的向量行大小和块级粗粒度稀疏化的向量块大小。用于神经网络卷积层和全连结层的剪枝，具有稀疏粒度可变，通用硬件推理加速，模型推理精度高的优点。
一种用于神经网络基于混合粒度联合稀疏方法

[发明专利]运动目标提取方法及装置-CN201610676633.3在审
发明人：杨晓梅;徐联微;刘凯;张洪斌;徐文;向雨晴;张佳楠;罗月婉;郭朝云 -专利权人：四川大学
申请日： 2016-08-16 - 公布日： 2016-12-21 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种运动目标提取方法及装置，所述方法包括：获取连续的多帧图像，将所述多帧图像用三阶张量进行表示，图像的三阶张量中包括低秩部分和稀疏部分，所述稀疏部分包括第一稀疏部分和第二稀疏部分，所述第二稀疏部分的稀疏性大于所述第一稀疏部分；以分别对应所述图像的三阶张量中的低秩部分、稀疏部分、第一稀疏部分以及第二稀疏部分的四个未知三阶张量建立运动目标提取模型，所述运动目标提取模型为优化问题；利用交替方向乘子法对所述运动目标提取模型迭代求解，获得低秩部分、稀疏部分、第一稀疏部分以及第二稀疏部分的最优值；根据所述第一稀疏部分的最优值获得所述运动目标图像。
运动目标提取方法装置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 19217 条