Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 杭州格是汇创科技有限公司孙奇获国家专利权

杭州格是汇创科技有限公司孙奇获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉杭州格是汇创科技有限公司申请的专利一种基于人工智能芯片的数据处理方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120448095B

龙图腾网通过国家知识产权局官网在2025-12-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510437834.7,技术领域涉及:G06F9/50;该发明授权一种基于人工智能芯片的数据处理方法是由孙奇设计研发完成,并于2025-04-09向国家知识产权局提交的专利申请。

一种基于人工智能芯片的数据处理方法在说明书摘要公布了:本发明公开了一种基于人工智能芯片的数据处理方法,包括以下步骤:S1、实时监测输入数据流的复杂度参数;S2、利用强化学习算法动态调整芯片中各计算单元的算力分配比例;S3、采用注意力机制对视觉、语音、文本等多模态数据进行时空对齐;S4、基于长短时记忆网络预测任务执行时间;S5、自动切换计算精度模式;S6、在数据预处理阶段嵌入联邦学习框架。本发明通过强化学习算法动态调整算力分配比例,实时适配数据流复杂度,使芯片资源利用率提升,并且结合结合长短时记忆网络预测任务执行时间,调度策略将平均等待时间优化,较传统FCFS算法大幅减少延迟,并且有效过滤环境减少冗余信息的干扰。

本发明授权一种基于人工智能芯片的数据处理方法在权利要求书中公布了:1.一种基于人工智能芯片的数据处理方法,其特征在于,包括以下步骤: S1、实时监测输入数据流的复杂度参数,包括数据维度D、特征稀疏度S和计算密集度C,所述特征稀疏度S的计算公式为其中,Nzeros表示特征向量中零元素的数量,Ntotal表示特征向量的总元素数量;所述计算密集度C的计算公式为其中,Nops表示完成计算所需的操作数量,Ndata表示参与计算的数据量; S2、利用强化学习算法动态调整芯片中各计算单元的算力分配比例,所述强化学习算法采用近端策略优化,所述近端策略优化包括以下步骤:定义状态空间Sstate={D,S,C},定义动作空间Aaction为各计算单元算力分配比例的集合,比例范围为1:3至3:1,定义奖励函数R为R=α×E-β×T,其中E为算力分配效率,通过公式计算,Ncompleted为在一定时间内完成的计算任务数量,Ntotal为总计算任务数量;T为任务完成时间;α和β为加权系数,且α+β=1; S3、采用注意力机制对视觉、语音和文本多模态数据进行时空对齐,所述注意力机制包含多头自注意力层和跨模态注意力层,所述多头自注意力层头数h可动态调整,范围为4-16头; S4、基于长短时记忆网络预测任务执行时间,长短时记忆网络单元的输入为任务的历史执行时间序列Thistory=[t1,t2,…,tn],输出为预测的任务执行时间 S5、当检测到芯片温度Tchip超过75℃时,自动切换计算精度模式FP32→FP16→INT8,通过片上神经网络预测不同模式下的精度损失率,片上神经网络的输入为芯片的当前运行参数,输出为不同计算精度模式下的精度损失率∈,片上神经网络的训练数据来自芯片历史运行日志,包含106+条不同工况下的能耗-精度数据对; S6、在数据预处理阶段嵌入联邦学习框架,采用异步更新策略,本地设备在本地数据集上训练模型,得到本地模型参数θlocal,本地模型参数更新周期为50-200个训练批次,全局服务器聚合多个本地设备的本地模型参数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人杭州格是汇创科技有限公司,其通讯地址为:310023 浙江省杭州市西湖区西溪路525号C楼5586室(自主申报);或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。