-
公开(公告)号：CN102496679A
公开(公告)日：2012-06-13
申请号：CN201110343982.0
申请日：2011-11-03
Applicant: 上海交通大学
CPC classification number: Y02E40/69
Abstract: 超导限流器液氮低温系统，属于低温工程与低温技术领域。包括液氮容器、液氮阀、液氮加注阀、安全阀、阀盖、试验杜瓦、保温层、爆破片、放气阀、流量计、真空测量规管、压差传感器、压力传感器、支撑件、抽空阀、真空泵、超导限流器、控制电路、温度传感器和放气管。该系统以液氮为冷却工质，用于试验的超导限流器放置于试验杜瓦中。由控制电路实现超导限流器超导态与失超态的切换。压力传感器、压差传感器、温度传感器测得的压力、压差、温度以及流量计测得的超导失超时气化的氮气质量流量，均输入计算机，用于评估超导限流器低温系统的制冷损耗以及研究超导限流器失超时产生气泡对低温系统压强影响。该低温系统结构简单，经济性和安全性良好。
-
Patent Agency Ranking
公开(公告)号：CN109284776B
公开(公告)日：2022-05-03
申请号：CN201810974270.0
申请日：2018-08-24
Abstract: 本发明提供一种用于防沉迷系统的基于随机森林的自训练学习系统及方法，所述方法包括：对至少一个已标记的游戏特征序列进行PCA训练获得游戏特征序列训练集；基于随机森林的分类器对未标记的游戏特征序列进行识别，将置信度最高的未标记的游戏特征序列添加到所述游戏特征序列训练集；重新对所述游戏特征序列训练集的数据进行PCA训练，直至达到预设循环次数或所述游戏特征序列训练集不再增大；利用所述游戏特征序列训练集对输入的测试游戏特征序列进行识别。本发明提供的基于随机森林的自学习方法，用于解决防沉迷系统中大量游戏序列数据无标记的问题，通过利用大量的未标记游戏序列数据和少量的标记游戏序列数据共同构建更好的分类器。
-
公开(公告)号：CN109214444B
公开(公告)日：2022-01-07
申请号：CN201810974944.7
申请日：2018-08-24
Abstract: 本发明提供一种基于孪生神经网络和GMM的游戏防沉迷判定系统及方法，所述方法包括：利用孪生神经网络模型对游戏用户的游戏数据进行特征提取，并对不同类别的游戏用户的特征进行差异性学习训练，使得沉迷游戏用户的用户特征和未沉迷游戏用户的用户特征具有区别距离；利用高斯混合模型对游戏用户的用户特征进行学习训练，学习沉迷游戏用户的用户特征和未沉迷游戏用户的用户特征的特征向量的概率分布；利用训练后的孪生神经网络模型提取待判定用户的游戏数据的特征向量，利用训练后的高斯混合模型计算待判定用户的游戏数据的特征向量的似然度，并根据似然度确定待判定用户是否为沉迷游戏的用户。本发明利用模型对用户是否沉迷与游戏进行判定。
-
公开(公告)号：CN109214444A
公开(公告)日：2019-01-15
申请号：CN201810974944.7
申请日：2018-08-24
Abstract: 本发明提供一种基于孪生神经网络和GMM的游戏防沉迷判定系统及方法，所述方法包括：利用孪生神经网络模型对游戏用户的游戏数据进行特征提取，并对不同类别的游戏用户的特征进行差异性学习训练，使得沉迷游戏用户的用户特征和未沉迷游戏用户的用户特征具有区别距离；利用高斯混合模型对游戏用户的用户特征进行学习训练，学习沉迷游戏用户的用户特征和未沉迷游戏用户的用户特征的特征向量的概率分布；利用训练后的孪生神经网络模型提取待判定用户的游戏数据的特征向量，利用训练后的高斯混合模型计算待判定用户的游戏数据的特征向量的似然度，并根据似然度确定待判定用户是否为沉迷游戏的用户。本发明利用模型对用户是否沉迷与游戏进行判定。
-
公开(公告)号：CN118585286A
公开(公告)日：2024-09-03
申请号：CN202410631666.0
申请日：2024-05-21
Applicant: 上海交通大学
Abstract: 本发明提供了一种微内核架构下的操作系统服务端资源隔离方法及系统，包括：应用程序端向内核端发起服务请求；以使所述内核端将所述服务请求转发至操作系统服务端；以使操作系统服务端处理来自应用程序的服务请求；其中，所述服务请求中携带执行请求、信息以及预设资源；所述内核端基于所述应用程序端发起的服务请求配置操作系统服务的执行环境，确保操作系统服务能够在不同应用程序间实现有效隔离。本发明通过引入ServerContext内核对象，确保了系统服务资源的严格隔离；这种隔离不仅限于运行时环境，还扩展到了数据访问和权限管理，从而在系统服务端有效避免了一个应用程序的行为影响到另一个应用程序。
-
公开(公告)号：CN109284776A
公开(公告)日：2019-01-29
申请号：CN201810974270.0
申请日：2018-08-24
Abstract: 本发明提供一种用于防沉迷系统的基于随机森林的自训练学习系统及方法，所述方法包括：对至少一个已标记的游戏特征序列进行PCA训练获得游戏特征序列训练集；基于随机森林的分类器对未标记的游戏特征序列进行识别，将置信度最高的未标记的游戏特征序列添加到所述游戏特征序列训练集；重新对所述游戏特征序列训练集的数据进行PCA训练，直至达到预设循环次数或所述游戏特征序列训练集不再增大；利用所述游戏特征序列训练集对输入的测试游戏特征序列进行识别。本发明提供的基于随机森林的自学习方法，用于解决防沉迷系统中大量游戏序列数据无标记的问题，通过利用大量的未标记游戏序列数据和少量的标记游戏序列数据共同构建更好的分类器。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
