计算计算机科学与技术研究所,嵌入式计算技术研究所

本文介绍了一种新型的嵌入式计算模式——任务驱动的动态可重构计算,通过虚拟化、动态重构及中间件技术,使计算模式能够适应不同的任务需求和变化的环境条件,实现不同问题阶段的最优效能。此外,还涵盖了高性能智能计算系统原理验证机、高效数据压缩编码技术、SoC软硬件协同视频压缩处理系统等内容。

图像处理与SoC设计

cf03d15058a66f3fd175ff962ac7936f.png

安全打印体系&打印机

70d22d1dd568967a9ad5e26339aef561.png

大幅面彩色扫描仪&绘图机

851e7e0ed587c68b7b865d5573f9ffb6.png

任务驱动的嵌入式动态可重构计算

任务驱动的嵌入式动态可重构计算:通过虚拟化、动态重构、中间件等技术,将传统应用适应结构的计算模式变为以任务为驱动和环境可变的模式,逼近不同问题不同阶段的最优效能解。

06c0d95acc26f065412056d946189908.png

高性能智能计算系统原理验证机

60e9bccd19a9a7564bed5156c7acce32.png

高效数据压缩编码技术

c198c3c2dff5082de6fbb8a107f4d19e.png

SoC软硬件协同视频压缩处理系统

SoC软硬件协同视频压缩处理系统:设计实现了基于视频图像压缩处理的SoC软硬设计平台,完成了1080P分辨率的高清静态图像JPEG压缩和702P分辨率实时视频的H.264压缩处理。

57b65ae0d54dfc4f34edb3a35e0ffce0.png

交通安全意识评估系统

6cadbdf73d93a1f59a54a0422c4fd3f9.png

交互式皮影表演系统

13e31a587b846411823af1d3ee5eb165.png

哈希编码

哈希编码:通过机器学习机制将数据映射成二进制码的形式,能显著减少数据的存储和通信开销,从而有效提高学习系统的效率。

c88b1cb04783662af0bd033b796adbb7.png

异构计算平台高效能管理

eb542222b24173b11bc1dffbd89155d6.png

三维场景重建与理解

三维场景重建与理解:从图像序列恢复场景三维点云模型;采用“先过分割再融合”的思路,完成三维点云数据的语义分割。

61c5f2996c3a4483fac423d6e72ae080.png

大规模高并发的多媒体通信云平台

7c474af3b840389aa3d19ff00bfbfdb5.png

多目标室内定位跟踪与预警系统

fc18d0f96e3c819b0ca0a460e31c1d5f.png

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值