-
公开(公告)号:CN102449940B
公开(公告)日:2015-01-28
申请号:CN200980159397.6
申请日:2009-11-13
Applicant: 三星电子株式会社
Abstract: 涉及执行节点之间的时间同步的网络同步方法及装置。提供如下的网络同步方法及装置,即,系统启动(start up)之后,若开始节点之间的同步,则通过逐渐增加用于测量传递时间(propagation time measurement)的窗口大小的方法,能够提高抖动(jitter)、漂移(wander)及时间同步的性能。而且,还提供如下的网络同步方法及装置,即,传递时间的测量执行至最大窗口大小之后,在传递时间的平均值计算中采用指数性的加权值,由此能够提高抖动、漂移及时间同步的性能。
-
公开(公告)号:CN102449940A
公开(公告)日:2012-05-09
申请号:CN200980159397.6
申请日:2009-11-13
Applicant: 三星电子株式会社
Abstract: 涉及执行节点之间的时间同步的网络同步方法及装置。提供如下的网络同步方法及装置,即,系统启动(start up)之后,若开始节点之间的同步,则通过逐渐增加用于测量传递时间(propagation time measurement)的窗口大小的方法,能够提高抖动(jitter)、漂移(wander)及时间同步的性能。而且,还提供如下的网络同步方法及装置,即,传递时间的测量执行至最大窗口大小之后,在传递时间的平均值计算中采用指数性的加权值,由此能够提高抖动、漂移及时间同步的性能。
-
公开(公告)号:CN110689109B
公开(公告)日:2024-04-12
申请号:CN201910558887.9
申请日:2019-06-25
Applicant: 三星电子株式会社
IPC: G06N3/0475 , G06N3/048 , G06N3/063
Abstract: 提供了神经网络方法和装置。一种处理器实现的神经网络包括:计算用于更新神经网络的权重的各个个体梯度值;基于通过累积所述各个个体梯度值而获得的累积梯度值和表示所述权重的比特数字来计算残余梯度值;调整所述各个个体梯度值以与所述残余梯度值的比特数字相对应;对经调整的各个个体梯度值、所述残余梯度值以及所述权重进行求和;以及基于所述求和的结果来更新所述权重和所述残余梯度值以训练所述神经网络。
-
-
-
公开(公告)号:CN105279118A
公开(公告)日:2016-01-27
申请号:CN201510316315.1
申请日:2015-06-10
Applicant: 三星电子株式会社
Abstract: 提供了一种接口设备和用户输入处理方法。所述接口设备分组器可对事件生成元件进行分组且基于生成的组事件信号来输出事件发生的组的地址。所述接口设备可包括:分组器,被配置为基于针对多个事件传感器发生的一个或更多个事件,生成与多个事件传感器对应的多个组事件生成元件被分组的组事件信号,并且所述接口设备被配置为基于生成的组事件信号来输出发生一个或更多个事件的多个事件生成元件的组的地址。
-
-
公开(公告)号:CN103858075A
公开(公告)日:2014-06-11
申请号:CN201280050556.0
申请日:2012-10-12
Applicant: 三星电子株式会社
CPC classification number: G06F3/017 , G06F3/0304 , G06K9/00355 , G06K9/4628 , G06T7/20
Abstract: 提供一种利用基于事件的视觉传感器识别动作的设备和方法。根据本发明的一方面的动作识别设备当从视觉传感器输入与移动发生部位对应的事件时利用事件发生频率确定移动的类型,当移动类型确定的结果为小移动时根据移动轨迹确定动作模式,当移动类型确定的结果为大移动时确定对象已移动的移动方向,并且参考确定的动作模式或确定的移动方向控制装置。
-
公开(公告)号:CN115935886A
公开(公告)日:2023-04-07
申请号:CN202210637287.3
申请日:2022-06-07
Applicant: 三星电子株式会社
IPC: G06F30/392 , G06N7/00 , G06F111/08
Abstract: 提供了用于半导体开发的数据探索的方法和设备。处理器实现的用于数据探索的方法包括:设置第一输入数据和第一目标条件;使用对目标函数建模的第一函数来预测与第一输入数据对应的第一输出数据;和使用提供第一输出数据与第一目标条件之间的比较结果的第二函数来确定第二输入数据。
-
公开(公告)号:CN115456932A
公开(公告)日:2022-12-09
申请号:CN202210460554.4
申请日:2022-04-28
Applicant: 三星电子株式会社
Abstract: 提供了一种深度学习设备和包括该设备的系统。深度学习设备包括:处理电路,被配置为使用异常检测模型来确定接收到的图像是否异常;合并从异常检测模型中提取的至少一些向量;将通过主成分分析(PCA)生成的主成分输入到概率近似模型,以检测接收到的图像的数据中是否出现分布外(OOD);存储确定的结果;并且当出现OOD的数据的比率大于或等于阈值时,使用目标标记提取模型来提取出现OOD的至少一些数据作为目标标记,其中,异常检测模型使用目标标记来确定接收到的图像是否异常。
-
-
-
-
-
-
-
-
-