产品介绍 深度学习智能车搭载Intel-i5高性能处理器，以深度学习框架为基础，板载超声波、近红外、陀螺仪、地磁、蓝牙等传感器、双摄像头配置，可实现数据采集、模型构建、车道线、人行道、限速标志、弯道待转等交通标识，系统涵盖深度学习及无人驾驶视觉算法知识点应用。同时是中国机器人及人工智能大赛的参赛平台。

本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。

研发阶段/n主要研究设计可扩展至1024 核的众核智能处理器架构。研究面向智能处理的 存储一致性模型；研究异构智能处理器的非对称片上网络；研究超大规模智能任务 的核间分割；研究多智能处理任务的动态调度；研究众核智能处理器的层次化物理 设计；研究存算一体化的众核智能芯片结构；研究智能处理器芯片的异构并行；研 究多智能芯片的高速片间互联。到2020年，以实现人工神经网络智能计算速度和能 效的指数性增长为目标，取得超大规模人工神经网络芯片架构、智能芯片指令集、 新型智能编程语言及编译器、自主智能算法等方面

重点运用深度学习的算法，为股票市场的交易价格做出客户化的未来预测参考和量化操作指导。 一、项目进展 已注册公司运营 二、企业信息 企业名称 上海沃添信息科技有限公司 企业法人 张朴平 注册时间 2017.6 注册所在省市 上海 组织机构代码 91310116MA1J8QJ959 经营范围 信息平台 企业咨询 企业地址 上海市金山区寺坪南路 获投资情况 250万 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 张朴平 计算机 2015.9/2019.7 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 邹宗峰 信息管理 教授 信息技术 熊励 信息管理 教授 信息技术 五、项目简介 重点运用深度学习的算法，为股票市场的交易价格做出客户化的未来预测参考和量化操作指导。

一、项目简介 智能计算MR成像主要是基于脉冲序列设计、成像、重建、处理与分析的全链路优化思想，利用人工智能领域的深度学习与大数据方法，研究新体制智能计算成像理论、方法与应用，突破现有系统将成像与分析分治难以兼顾的不足，从而为医学临床和科研提供新的、更快的成像手段、更好的成像质量以及更符合实际需求的成像模式。 二、前期研究基础 无 三、应用技术成果1）基于深度学习的信息保持压缩感知重建（左图为填零重建、右图为所提方法）

膜识别技术的应用 1.基于深度学习的虹膜识别算法性能达到国际先进水平； 2. 虹膜图像采集采用全自动自适应技术，可以自动寻找虹膜，自动聚焦，在中远距离范围实现了高用户友好性。 系统的性能远高于市场同类产品； 3. 整套系统成本很低，远低于市场同类产品，非常适合大规模应用 。

已有样品/n重点突破智能终端深度学习处理器芯片设计，研发并改进CNN、RNN 等深度学 习算法和技术，设计并研发Alex、Caffe、Torch等常用的深度学习架构。深度学习 处理器芯片支持CNN/DNN/MLP等主流深度学习神经网络算法，基于深度学习处理器 芯片的智能设备可运行手写数字识别等任务；深度学习处理器芯片处理imagenet测 试集图像分类任务达到30帧/s，芯片面积不超过60平方毫米，单芯片功耗不超过 20W，所研发的芯片性能功耗比超过目前智能终端所使用的主流CPU的100倍。最终 在

基于深度学习的图像识别云端服务平台，能够 通过云计算框架训练深度学习算法模型，对图像进行目标检测 和识别。平台拟采用云端 API 的形式，为其他客户端的提供简 单易用的图像识别服务，将目标识别应用到互联网及移动应用 场景中，推动移动互联网的进步。 该平台实现如下功能：1.模型训练：平台能够基于用户给 定的不同行业的数据，训练相应的精细化分类模型。2. 图像识 别：平台能够根据预先训练好的识别模型，对用户

突破性地采用了参考多维度工作方法。这些多维度特征具体包括四大项：1.程序实体的覆盖信息（coverage information），即程序实体在运行失败或成功的测试用例中是否被覆盖到的信息，一般来说被失败测试用例覆盖越多的程序实体更有出错的可能性；2. 程序变异信息(mutation information)， 即当原程序被改变形成的变异体（mut

光学领域顶尖期刊《自然·光子学》报道了浙江大学信息与电子工程学院陈红胜教授课题组的一项最新研究：在国际上率先实现基于深度学习的新一代智能隐身器件。在不依赖任何人为操控的情况下，快速地动态适应变化的背景环境，从而与背景电磁环境特征融为一体，实现自适应隐身。论文审稿专家认为：“这是一项激动人心的、及时而杰出的工作，它连接了变换光学、电磁超材料和人工智能等领域，为智能光子材料和器件这个新兴领域树立了很好的标杆，也将大大促进其他智能电磁器件的发展。”自然界存在两种“隐身”策略。一种是在变色龙和章鱼生物中常见的拟态隐身，使自己融于周边环境；另一种是透明隐身，即光透过物体时不产生任何散射，例如海樽和水母。科学家近年来提出的变换光学隐身方法则区别于上述两种策略，它利用坐标变换的方法来控制电磁波，使其绕过被隐身的区域，按照原来的方向传播，从而使物体完全隐形。与自然界的“隐身衣”相比，人类的“隐身衣”多数只能工作在单一的环境背景和既定的入射波条件。如果稍加改变外界环境或者入射波，隐身效果便会大幅度降低。“理想的隐身衣应该和章鱼和变色龙一样，能够快速自动地适应于变化的外界刺激和背景环境。”陈红胜说。如何才能实现这一点？“章鱼有色素细胞，我们有可重构的新型人工电磁材料单元；章鱼有中枢神经，我们有深度学习方法；章鱼有光敏细胞，我们可以搭建电磁波和环境探测器。”论文第一作者、课题组成员钱超说。当前，深度学习已经开始渗入电磁材料领域，但是主要偏重于理论上设计优化人工电磁材料。如何在实验上实现新型的智能电磁材料、构建新一代智能隐身系统并实现快速有效的自适应隐身，是一个极具挑战的课题，在此之前还未见成功实验的报道。经过三年多的不懈努力，陈红胜研究团队组在充分研究隐身领域关键技术瓶颈的基础上，在微波段成功实现了智能自适应隐身器件。研究团队设计了一项小车智能隐身实验——小车身披一层超薄的可重构的超表面隐身材料，这件“隐身衣”由智能芯片控制，集成了训练好的深度学习模型，能够根据输入的电磁信息快速做出决策，改变“隐身衣”的电磁响应。探测雷达随机改变着入射波的频率、极化和入射角，而小车的任务就是动态适应变化的探测信号，对雷达“隐身”。当环境发生变化，变色龙大约需要6秒时间过度到环境色；而当电磁环境发生变化时，披着智能隐身衣的小车只需要15毫秒就能自动地实时“换装”。陈红胜教授表示，智能隐身成功地融合了新型电磁材料和人工智能等领域，其采用硬件手段实现用于隐身调控的深度学习模型，在应用中只需单次前向计算即可做出合理的决策，大大地缩短了响应时间，这一方法对于实时性要求很高的其他应用也有很好的借鉴意义