执行节点之间的时间同步的网络同步方法及装置

    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

    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。

    执行节点之间的时间同步的网络同步方法及装置

    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

    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。

    神经网络方法和装置
    13.
    发明授权

    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

    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。

    神经工作存储装置
    15.
    发明授权

    公开(公告)号:CN103164741B

    公开(公告)日:2017-04-12

    申请号:CN201210528708.5

    申请日:2012-12-10

    CPC classification number: G06N3/06 G06N3/049 G06N3/063

    Abstract: 提供一种神经工作存储装置。一种基于尖峰神经元的工作存储装置包括:输入接口,被构造为将多个输入尖峰信号转换为具有预定形式的各个突发信号,并输出多个突发信号的序列,突发信号以突发结构对应于输入尖峰信号;两个或多个存储单元(ME),被构造为顺序存储分别对应于突发信号的输出序列的特征值,每个ME连续输出分别与存储的特征值对应的尖峰信号。

    接口设备和用户输入处理方法

    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

    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。

    深度学习设备和包括深度学习设备的系统

    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

    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。

Patent Agency Ranking