郭崎

作品数：11被引量：26H指数：3
导出分析报告
供职机构：中国科学院计算技术研究所更多>>
发文主题：神经网络加速器智能处理器多核心系统性能更多>>
发文领域：自动化与计算机技术文化科学经济管理电子电信更多>>
发文期刊：《高技术通讯》《中国科学：信息科学》《计算机学报》《哈尔滨工业大学学报》更多>>
所获基金：国家自然科学基金国家高技术研究发展计划北京市自然科学基金中国科学院战略性先导科技专项更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于真值表的函数自动生成的神经网络模型
《高技术通讯》2024年第3期265-274,共10页贺文凯 支天 胡杏 张曦珊 张蕊 杜子东 郭崎 
国家重点研发计划(2020AAA0103802);国家自然科学基金(61925208,U20A20227,62002338,61906179,62102399,U19B2019,61732020);北京智源人工智能研究院以及北京市科技新星计划(Z191100001119093);中国科学院稳定支持基础研究领域青年团队计划(YSBR-029);中国科学院青年创新促进会资助项目。
作为目前最常见的程序综合问题,示例编程通过用户提供的输入/输出示例生成程序,为编程能力不足的开发者提供了便利。近年来,示例编程已经被应用于Microsoft Office Excel办公软件的自动编程,以及勘探、测井、航空航天等领域。鉴于目前...
关键词：真值表 神经网络 序列模型 示例编程 程序综合 
AI for Technology:技术智能在高技术领域的应用实践与未来展望被引量：6
《中国科学院院刊》2024年第1期34-40,共7页陈云霁 郭崎 
国家自然科学基金(61925208、U22A2028);中国科学院稳定支持基础研究领域青年团队计划(YSBR-029);科学探索奖。
以智能化科研(AI for Science)为核心的第五科研范式已经在多个自然科学和高技术领域得到了广泛应用。与人工智能(AI)在自然科学领域的应用强调发现新原理、新机理和新规律不同,高技术领域更强调用AI技术来发明创造新方案、新工具和新产...
关键词：技术智能 智能化科研 发明创造 CPU设计 
硬件感知的高效特征融合网络搜索被引量：1
《计算机学报》2022年第11期2420-2432,共13页郭家明 张蕊 支天 何得园 黄迪 常明 张曦珊 郭崎 
国家重点研发计划(2017YFA0700900);国家自然科学基金(61925208,62102399,61906179,61732020,U20A20227);中国科学院战略性先导科技专项(XDB32050200);中国科学院稳定支持基础研究领域青年团队计划(YSBR-029);科学探索奖资助.
特征融合网络通过融合多尺度特征来提高目标检测精度,是深度学习目标检测框架中的关键部分.已有的研究工作通过优化融合网络的拓扑结构来提高结果精度,忽略了所需的硬件资源开销以及特征选择和特征融合操作对结果的影响.本文提出了支持...
关键词：目标检测 神经结构搜索 硬件开销 
面向机器学习系统的张量中间表示
《中国科学：信息科学》2022年第6期1040-1052,共13页庄毅敏 文渊博 李威 郭崎 
国家自然科学基金(批准号:61925208);北京市自然科学基金(批准号:JQ18013);中国科学院战略性先导科技专项(批准号:XDB32050200);中国科学院稳定支持基础研究领域青年团队计划(批准号:YSBR-029)和中国科学院青年创新促进会资助项目。
随着各类机器学习算法的广泛应用,高能效地定制机器学习系统受到越来越多的关注.定制机器学习系统高效部署的关键在于其编程与编译环境.中间表示是编程与编译环境的核心,用于连接上层编程语言和底层硬件指令.当前的中间表示或是面向上...
关键词：机器学习系统 编程与编译 张量处理 中间表示 编程效率 
Chip Learning:从芯片设计到芯片学习被引量：3
《中国科学院院刊》2022年第1期15-23,共9页陈云霁 杜子东 郭崎 李威 谭懿峻 
国家重点研发计划(2017YFA0700902、2018AAA0103300);国家自然科学基金(61925208、61906179、62002338、62102399);北京市自然科学基金(JQ18013);北京智源人工智能研究院及北京市科技新星计划项目(Z191100001119093);中国科学院稳定支持基础研究领域青年团队计划(YSBR-029);中国科学院青年创新促进会(2019105),“科学探索奖”。
芯片是现代信息社会的关键基础设施,未来人机物三元融合的智能万物互联时代将需要大量不同种类的专用体系结构芯片。然而,芯片设计本身代价很高,具有设计周期长、过程非常复杂、专业门槛高的特点。因此,智能万物互联时代芯片需求多和芯...
关键词：芯片设计 人工智能 芯片学习 设计自动化 
CPU和DRAM加速任务划分方法:大数据处理中Hash Joins的加速实例被引量：3
《计算机研究与发展》2018年第2期289-304,共16页吴林阳 罗蓉 郭雪婷 郭崎 
国家重点研发计划项目(2017YFB1003101);国家自然科学基金项目(61472396;61432016;61473275;61522211;61532016;61521092;61502446;61672491;61602441;61602446;61732002;61702478);北京市科技计划项目(Z151100000915072);中科院STS计划项目;国家"九七三"重点基础研究发展计划基金项目(2015CB358800)~~
硬件加速器能够有效地提高当前计算机系统的能效.然而,传统的硬件加速器(如GPU,FPGA和定制的加速器)和内存是相互分离的,加速器和内存之间的数据移动难以避免,这使得如何降低加速器和内存之间数据移动的开销成为极具挑战性的问题.随着...
关键词：3D堆叠内存 加速器 大数据 HASH joins RADIX joins算法的优化版本 hash分区加速器 
基于模型树的多核设计空间探索技术被引量：2
《计算机辅助设计与图形学学报》2012年第6期710-720,共11页郭崎 陈天石 陈云霁 
国家"核高基"科技重大专项(2009ZX01028-002-003;2009ZX01029-001-003);国家自然科学基金(61003064;61050002;61100163;61173001;61173006);国家"八六三"高技术研究发展计划(2012AA011002);中国科学院战略性先导科技专项(XDA06010400)
处理器设计面临的重要挑战是如何在庞大的设计空间中高效地找到满足约束的设计结构,而预测模型方法是探索复杂设计空间的重要方法.为了提高预测模型的实用性,提出一种基于模型树的多核设计空间探索技术.首先对整个设计空间中部分设计结...
关键词：设计空间探索 多核处理器 预测模型 模型树 
处理器验证激励在线筛选技术
《计算机辅助设计与图形学学报》2012年第5期690-698,共9页郭崎 
国家"核高基"科技重大专项(2009ZX01028-002-003;2009ZX01029-001-003);国家自然科学基金(61003064;61050002;61100163;61173001);国家"八六三"高技术研究发展计划(2012AA011002);中国科学院战略性先导科技专项(XPA06010400)
如何生成高质量的验证激励是功能验证中的核心问题之一.随着功能验证的不断进行,验证激励的有效性也随之降低.为了提高验证激励的质量,提出一种在线筛选技术来处理验证激励.该技术采用单分类支持向量机来在线地构建分类器,以对新生成的...
关键词：功能验证 激励生成 在线学习 功能覆盖率 核函数 
使用支持向量机的微处理器验证向量优化方法被引量：1
《高技术通讯》2010年第1期68-74,共7页王朋宇 郭崎 沈海华 陈云霁 张珩 
国家自然科学基金(60603049,60673146);863计划(2007AA01Z112,2008AA110901);973计划(2005CB321600);北京市自然科学基金(4072024)资助项目
为了解决微处理器仿真验证中随机验证向量质量不高的问题,提出了一种基于支持向量机(SVM)的验证向量优化方法。该方法将已仿真运行的验证向量及其覆盖率信息作为支持向量机的样本进行有监督学习,得到验证向量关于功能覆盖点的分类器。...
关键词：支持向量机(SVM) 功能覆盖率模型 微处理器验证 仿真验证 验证向量优化 
基于遗传算法的全芯片级覆盖率驱动随机验证技术被引量：5
《计算机研究与发展》2009年第10期1612-1625,共14页沈海华 王朋宇 卫文丽 郭崎 
国家"九七三"重点基础研究发展计划基金项目(2005CB321600);国家"八六三"高技术研究发展计划基金项目(2008AA110901;2007AA01Z112);国家自然科学基金项目(60603049;60803029);北京市自然科学基金项目(4072024)~~
随机测试生成技术是当今大规模集成电路仿真验证流程中的重要支撑技术.覆盖率驱动的随机测试生成方法是目前该领域研究的热点.遗传算法具有部分优化问题的黑盒特性,不需要了解问题的太多先验知识,适合处理黑盒优化问题.因此,将遗传算法...
关键词：验证 大规模集成电路 随机测试生成 覆盖率驱动的测试生成 遗传算法 
全选清除导出
共2页<12>
检索报告 对象比较 聚类工具 使用帮助 返回顶部