买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉翼华科技(北京)有限公司申请的专利DDR参数评估模型的构建方法、装置及服务器获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120950976B 。

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511102886.5，技术领域涉及：G06F11/22；该发明授权DDR参数评估模型的构建方法、装置及服务器是由周志雄;吴云国;汪仁;严鸿亮设计研发完成，并于2025-08-07向国家知识产权局提交的专利申请。

本DDR参数评估模型的构建方法、装置及服务器在说明书摘要公布了：本发明提供了一种DDR参数评估模型的构建方法、装置及服务器，涉及参数评估的技术领域，包括：获取芯片DDR模块中的时序参数集合，其中，时序参数集合包括：显性时序参数和隐性时序参数；分别对显性时序参数和隐性时序参数进行编码处理，得到目标训练数据集合；通过基于注意力机制的深度学习网络和CNN网络双流特征提取的深度学习网络，对目标训练数据集合进行向量特征编码处理，得到特征编码向量；将特征编码向量输入至深度学习网络进行模型训练，得到DDR参数评估模型，其中，DDR参数评估模型用于对芯片的DDR参数进行评估。本发明可以显著提升DDR参数的评估效率以及评估精确度。

本发明授权DDR参数评估模型的构建方法、装置及服务器在权利要求书中公布了：1.一种DDR参数评估模型的构建方法，其特征在于，所述方法包括： 获取芯片DDR模块中的时序参数集合，其中，所述时序参数集合包括：显性时序参数和隐性时序参数； 分别对所述显性时序参数和所述隐性时序参数进行编码处理，得到目标训练数据集合； 通过基于注意力机制的深度学习网络和CNN网络双流特征提取的深度学习网络，对所述目标训练数据集合进行向量特征编码处理，得到特征编码向量； 将所述特征编码向量输入至深度学习网络进行模型训练，得到DDR参数评估模型，其中，所述DDR参数评估模型用于对芯片的DDR参数进行评估； 其中，所述分别对所述显性时序参数和所述隐性时序参数进行编码处理，得到目标训练数据集合的步骤，包括：通过自动化脚本对所述时序参数集合进行数据标注调整处理，得到训练数据集合；分别对所述训练数据集合中的所述显性时序参数和所述隐性时序参数进行编码处理，将所述显性时序参数和所述隐性时序参数的维度统一，得到目标训练数据集合； 其中，所述分别对所述训练数据集合中的所述显性时序参数和所述隐性时序参数进行编码处理，将所述显性时序参数和所述隐性时序参数的维度统一，得到目标训练数据集合的步骤，包括：分别获取所述显性时序参数和所述隐性时序参数对应的第一向量维度和第二向量维度，以及各项参数对应的内存时钟周期；分别利用所述第一向量维度和所述第二向量维度，对所述显性时序参数和所述隐性时序参数进行参数向量编码处理，并基于所述内存时钟周期，对编码后的参数进行归一化处理，得到所述目标训练数据集合； 其中，分别利用第一向量维度和第二向量维度，对显性时序参数和隐性时序参数进行参数向量编码处理的的步骤，包括：对训练数据集合中收集的数据以参数向量的形式进行编码，将每个显性时序参数编码为一个150维的一维向量，参数对应的one-hot位置上包含以MEMCLK为单位进行归一化后的参数值；将对隐性时序参数编码为20维的向量，向量的第0个维度值为参数归一化后的数值，第1至第19个维度值依次使用数值1标记，并依次循环以记录隐性时序参数之间的位置关系； 其中，所述通过基于注意力机制的深度学习网络和CNN网络双流特征提取的深度学习网络，对所述目标训练数据集合进行向量特征编码处理，得到特征编码向量的步骤，包括：通过基于注意力机制的深度学习网络，对所述目标训练数据集合中的显性时序参数进行编码处理，得到第一编码结果；通过CNN网络双流特征提取的深度学习网络，对所述目标训练数据集合中的隐性时序参数进行编码处理，得到第二编码结果；利用全连接神经网络对所述第一编码结果和所述第二编码结果进行解码处理，得到所述特征编码向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人翼华科技(北京)有限公司，其通讯地址为：102627 北京市大兴区盛坊路5号院6号楼2层201-1；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。