公开(公告)号：CN116382864A

公开(公告)日：2023-07-04

申请号：CN202310265784.X

申请日：2023-03-20

Applicant: 湖南大学 ,  中国船舶集团有限公司第七〇九研究所

Inventor： 唐卓 ,  安振宇 ,  李肯立 ,  高毅 ,  肖雄 ,  夏静 ,  唐哲浩 ,  吴优

IPC: G06F9/48 ,  G06F9/50

Abstract: 本发明公开了一种基于联邦调度的异构处理器调度方法，其首先获取运行在实时系统中异构处理器平台上的多个任务的运行特征以及每个处理器的工作负载，利用DAG任务模型对任务进行分析，以得到每个任务的截止日期，然后根据每个任务的截止日期获取该任务在异构处理器平台中每个处理器上的运行速度，随后根据每个任务在每个处理器上的运行速度对该处理器进行评估，以得到不同类型的处理器对于实时系统中异构处理器平台上的所有任务的偏好程度。本发明能解决现有的调度方法由于无法对实时系统中的计算任务在任务完成前进行准确的判断，导致其灵活性较差的技术问题。

公开(公告)号：CN116340513A

公开(公告)日：2023-06-27

申请号：CN202310207001.2

申请日：2023-03-07

Applicant: 湖南大学

Inventor： 唐卓 ,  吴优 ,  李肯立 ,  肖雄 ,  唐哲浩 ,  安振宇 ,  曹丽婷 ,  严霖

IPC: G06F16/35 ,  G06F40/284 ,  G06F40/169 ,  G06N3/0499 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于标签与文本交互的多标签情感分类方法，包括：获取待分析的文本，对获取的待分析本文进行数据清洗处理，以得到带有注释标记的预处理文本，对带有注释标记的预处理文本进行数据格式规范化处理，以得到id列表和掩码模板，将id列表和掩码模板输入预先训练好的基于标签与文本交互的多标签情感分类模型中，以得到该文本对应的情感标签。本发明能够解决现有基于深度学习的情感分类方法由于忽略了情感分类这个特定领域太多的潜在信息，导致句子语义学习不够深入的技术问题；以及由于对情绪进行独立分类处理从而忽略了情绪的共存性和关联性，导致多标签情感分类任务精度不高的技术问题。

公开(公告)号：CN116126543A

公开(公告)日：2023-05-16

申请号：CN202310232281.2

申请日：2023-03-13

Applicant: 湖南大学

Inventor： 唐卓 ,  唐哲浩 ,  李肯立 ,  肖雄 ,  吴优 ,  安振宇 ,  邓源 ,  刘梦涵

IPC: G06F9/50 ,  G06F9/48

Abstract: 本发明公开了一种基于异构处理器并行调度的负载均衡方法，包括：主节点接收用户发送的应用程序，并对该应用程序进行解析，以得到表征多个分布式数据集之间关系的依赖关系、以及有向无环图，主节点根据数据集间的依赖关系对有向无环图进行解析，以得到多个有先后依赖顺序的执行阶段，主节点对多个执行阶段进行划分，以得到多个可并发执行的任务集合，从节点从主节点获取任务集合，并将该任务集合映射为异构处理器任务集合，从节点将异构处理器任务集合动态分配到各个异构处理器上并行执行，并动态调整各个异构处理器的工作负载，以得到各个异构处理器并行执行的任务的执行结果，从节点将多个异构处理器并行执行的任务的执行结果进行整合。

公开(公告)号：CN117763336A

公开(公告)日：2024-03-26

申请号：CN202311824734.7

申请日：2023-12-27

Applicant: 湖南大学

Inventor： 唐卓 ,  吴优 ,  李肯立 ,  肖雄 ,  张嘉鹏 ,  陈长建 ,  唐哲浩 ,  安振宇

IPC: G06F18/213 ,  G06F18/20

Abstract: 本发明公开了一种基于稀疏注意力的动态图链接预测方法，包括：获取待分析的、包括源节点和目标节点的节点对的节点对信息，从获取的待分析的节点对的节点对信息进行邻居采样处理，以得到节点对的邻域信息列表集合，对节点对的邻域信息列表集合进行数据格式规范化处理，以得到规范化后的节点对的邻域子图信息列表集合，将规范化后的节点对的邻域子图信息列表集合输入预先训练好的基于稀疏注意力的动态图链接预测模型中，以得到节点对的链接预测结果。本发明能够解决现有基于时间随机游走的动态图链接预测方法的时间随机游走采样过程的时间复杂度与游走次数和深度成正比，导致较为低效的训练效率的技术问题。

公开(公告)号：CN116523131A

公开(公告)日：2023-08-01

申请号：CN202310485095.X

申请日：2023-05-04

Applicant: 湖南大学

Inventor： 唐卓 ,  曹丽婷 ,  李肯立 ,  程欣威 ,  邓源 ,  高梓文 ,  刘梦涵 ,  安振宇

IPC: G06Q10/04 ,  G06Q50/04 ,  G06F30/27 ,  G06F18/241 ,  G06F18/214 ,  G06N3/045 ,  G06N3/088 ,  G06N3/0985 ,  G06F111/06

Abstract: 本发明公开了一种基于DBN的集成电路工艺参数优化方法，包括：每隔一段时间间隔从集成电路流水线获取每台设备的多个工艺参数，并按集成电路流水线的生产批次对获取的多个工艺参数进行分类，将同一生产批次下的多个工艺参数与该生产批次下的产品质量指标为一个样本，从而得到样本集，采用敏感度分析算法对样本集进行分析，以获得样本集中各个工艺结果参数对批次合格率的影响权重，将得到的影响权重中大于预设阈值的影响权重所对应的工艺结果参数记为关键工艺参数，针对关键工艺参数而言，采用遗传算法对深度信念网络DBN模型进行寻优。本发明能够解决现有工艺参数优化方法存在的无法保证所设工艺参数为真正的最优参数的技术问题。

公开(公告)号：CN117215794A

公开(公告)日：2023-12-12

申请号：CN202311262021.6

申请日：2023-09-27

Applicant: 湖南大学

Inventor： 唐卓 ,  严霖 ,  张嘉鹏 ,  肖雄 ,  唐哲浩 ,  安振宇 ,  吴优 ,  曹丽婷

IPC: G06F9/50 ,  G06F11/34 ,  G06F11/30 ,  G06F18/22 ,  G06F18/232

Abstract: 本发明公开了一种基于算力网络的智能化算力度量方法，包括：利用熵权法对算力网络中每个算力节点的静态指标进行分析，以获取该算力节点的静态性能得分，使用获取的每个算力节点的静态性能得分构建初始样本集D＝{F1,F2,…Fm}，然后使用具有噪声的基于密度的聚类方法DBSCAN对样本集进行聚类，以获取该算力节点的静态性能得分的分段，从每个算力节点的静态性能得分的分段中选择符合业务要求的段，分析段内每个计算节点的动态指标，以构建每个算力节点的动态性能向量与用户任务所需动态性能向量，并利用加权n维欧式距离计算每个算力节点的动态性能向量与用户任务所需动态性能向量的距离，并从中获取最短距离对应的算力节点作为最符合用户任务需求的算力节点。

公开(公告)号：CN117155847A

公开(公告)日：2023-12-01

申请号：CN202311244683.0

申请日：2023-09-26

Applicant: 湖南大学

Inventor： 唐卓 ,  安振宇 ,  张嘉鹏 ,  李肯立 ,  邓源 ,  唐哲浩 ,  严霖

IPC: H04L45/121 ,  H04L45/12 ,  H04L45/00 ,  H04L45/02

Abstract: 本发明公开了一种基于算力网络的高效算力路由方法，其首先将算力网络划分为不同的算力区域，然后从不同的算力区域中随机选取一个网络节点作为关键节点，通过这些关键节点分别收集各自算力区域内部的算力资源信息与网络指标信息，接着利用集中式路由决策方法决定将用户业务分配到哪个算力区域，然后根据关键节点收集的各自算力区域内部的算力资源信息与网络指标信息计算得到每个算力区域内部的算力服务路由表项，最后根据算力服务路由表项将用户业务转发到区域内部最终的算力节点，从而得到最优的算力路由方案。本发明能够解决现有分布式路由决策方法针对算力编排与网络控制等方面的工作还未完成标准化，容易导致业务流量被篡改和攻击的技术问题。

公开(公告)号：CN116740572A

公开(公告)日：2023-09-12

申请号：CN202310745572.1

申请日：2023-06-25

Applicant: 湖南大学

Inventor： 唐卓 ,  刘梦涵 ,  李肯立 ,  曹丽婷 ,  邓源 ,  翁纯仪 ,  安振宇 ,  唐哲浩

IPC: G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06T5/00

Abstract: 本发明公开了一种基于改进YOLOX的海上船舰目标检测方法，包括：通过感知传感器获取待检测的海上船舰图像，对待检测的海上船舰图像进行数据预处理，以得到数据预处理后的海上船舰图像，对数据预处理后的海上船舰图像进行图像去雾处理，以得到图像去雾处理后的海上船舰图像，将图像去雾处理后的海上船舰图像输入预先训练好的基于改进YOLOX的海上船舰目标检测网络中，以得到最终的船舰检测结果。本发明能够解决现有两阶段目标检测算法需要大量的计算资源、检测速度慢的技术问题，以及现有单阶段目标检测算法检测目标的数量有限，如果海上图像中存在大量密集船舰目标，在提取特征时易丢失特征信息、检测精度低、易产生漏检误检的技术问题。

公开(公告)号：CN116520780A

公开(公告)日：2023-08-01

申请号：CN202310458311.1

申请日：2023-04-26

Applicant: 湖南大学

Inventor： 唐卓 ,  邓源 ,  李肯立 ,  程欣威 ,  曹丽婷 ,  刘梦涵 ,  安振宇 ,  唐哲浩

IPC: G05B19/418

Abstract: 本发明公开了一种基于径向基神经网络的验证线质量管控方法，包括：获取一段时间范围内质量管控验证线上设备的工艺特征数据，对该工艺特征数据进行预处理，以得到预处理后的工艺特征数据，将预处理后的工艺特征数据输入预先训练好的径向基神经网络，以得到最终的质量管控结果。本发明能够解决现有基于SPC的验证线管控方法在处理非线性和复杂生产过程中的适应性较差，对于快速变化的生产环境反应不够敏捷的技术问题，以及现有基于ANN的验证线管控方法由于在参数选择和网络结构上存在问题，导致训练速度慢和过拟合现象的技术问题，以及现有基于SVM的验证线管控方法在处理大规模数据和多维特征时，计算复杂度较高，实时性和可扩展性有限的技术问题。