-
公开(公告)号：CN107969030B
公开(公告)日：2020-11-06
申请号：CN201711186231.6
申请日：2017-11-23
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种无线体域网共存的博弈论功率控制方法，包括如下步骤：建立网络共存分布模型、建立节点网络连通度函数、建立效用函数及进行迭代计算。在网络连通度和网络共存之间干扰关系的基础上，结合非合作博弈论的基本原理，提出了一种基于网络连通度的博弈论功率控制方法。通过仿真图3表明，在选取合适的常数因子的情况下，传输功率可以在6~8次迭代即达到收敛。本发明是在保证节点的信干燥比满足的情况下，尽量减少传输功率，从而节省节点的能量消耗，延长网络的生命周期。
-
公开(公告)号：CN110755069B
公开(公告)日：2020-10-16
申请号：CN201911027439.2
申请日：2019-10-25
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0452
Abstract: 一种跳跃突变噪声的动态心电信号基线漂移校正方法，通过准确检测心电信号中包含的跳跃突变区域，并分段单独处理，可以改善传统滤波方法处理该类区域时基线提取不准确导致的心电信号变形问题。适用于各种含有基线漂移的心电信号的基线漂移校正处理，尤其是可穿戴式的动态心电信号。得到的基线漂移校正信号的波形明显优于其他方法。
-
公开(公告)号：CN111709059A
公开(公告)日：2020-09-25
申请号：CN202010566430.5
申请日：2020-06-19
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了基于国密算法的终端认证信息生成方法及系统，包括：从硬件指纹信息中读取并解密序列号；从硬件指纹信息中读取并解密校验信息；从硬件指纹信息中读取并解密数据段数据；计算数据段校验值并进行验证，验证计算得到的校验值与存储的校验值是否一致，如果是就进入下一步，如果否，就将错误信息写入文件，结束；解密数据段，从文件中提取序列号、硬件指纹信息、信息生成时间和CPU信息；进行数据一致性验证，如果计算得到的值与存储的值一致，则验证成功，就进入下一步，如果否，就将错误信息写入文件，结束；生成随机数；基于随机数与文件校验值，生成数据段信息，将信息段和数据段信息写入文件，结束。
-
公开(公告)号：CN107426026B
公开(公告)日：2020-05-22
申请号：CN201710635754.8
申请日：2017-07-31
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于EEMD‑ARIMA的云计算服务器负载短期预测方法，首先针对负载数据，建立训练集；然后对负载数据进行EEMD分解得到多个IMF分量和余项；再计算每个IMF分量和余项的信息熵、相关系数和能量因子，进而建立有效评价因子选择有效的IMF分量和余项；最后对有效的分量分别进行ARIMA预测并求和得到最终预测结果，实现了对云计算服务器负载的精确短期预测。本发明方法适用于云计算服务器非稳定负载的预测，特别是公有云，用户资源需求具有随机突发性、短时间内可能会造成服务器负载呈现非平稳状态情形的预测，适用于云计算使用的所有负载类型，不受单一负载类型的限制。
-
公开(公告)号：CN109620210B
公开(公告)日：2019-10-25
申请号：CN201910080223.6
申请日：2019-01-28
Applicant: 山东科技大学 , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402 , A61B5/00
Abstract: 一种基于自编码模式的CNN与GRU结合的心电信号分类方法，通过提取出原始信号中最具有代表性的特征，运用CNN+GRU进行特征提取，节省了空间，节省了很多训练空间，其中采用的GRU（门控循环单元）一方面解决了由于RNN训练时出现的梯度消失和梯度爆炸的问题，另一方面它比LSTM少一个门，更易于计算，能够提高训练效率，GRU优点在于当训练样本少时，可以使用防止过拟合，当训练样本多时，也可以节省很多的训练时间，能够提高网络的学习效率和心电信号识别的精度。
-
Patent Agency Ranking
公开(公告)号：CN110309850A
公开(公告)日：2019-10-08
申请号：CN201910407218.1
申请日：2019-05-15
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开公开了基于语言先验问题识别和缓解的视觉问答预测方法及系统，包括：测试步骤：将测试集的测试图像、测试语言问题和测试语言答案，均输入到初步训练好的视觉问答模型中，对初步训练好的视觉问答模型进行测试；在测试的过程中，根据模型输出的语言答案的准确率计算语言先验得分；如果语言先验得分超过设定阈值，表示当前模型存在语言先验问题，则重新对视觉问答模型进行训练；如果语言先验得分低于设定阈值，表示当前模型不存在语言先验问题，即当前模型即为训练好的视觉问答模型；预测步骤：将待预测的图像和语言问题，输入到训练好的视觉问答模型中，输出最终的预测语言答案。
-
公开(公告)号：CN110263684A
公开(公告)日：2019-09-20
申请号：CN201910489830.8
申请日：2019-06-06
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于轻量级神经网络的心电图分类方法，通过单导联心电图数据和轻量级神经网络模型实现心律失常自动分类的方法。首先，肢体II导联心电信号蕴含足够的信息；其次，使用卷积核大小为1的卷积层和全局平均池化层压缩特征维度；最后使用流线型的深度可分离卷积快速提取特征。利用单导联数据集和轻量级神经网络模型可以在保证模型准确率的基础上大幅度提高模型运算速度。
-
公开(公告)号：CN110251120A
公开(公告)日：2019-09-20
申请号：CN201910489829.5
申请日：2019-06-06
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402
Abstract: 一种基于注意力机制的深度残差神经网络的心电图分类方法，通过多导联心电图数据和基于注意力机制的深层残差神经网络模型实现心律失常自动分类，首先多导联心电图较单导联心电图蕴含更多心电信息，其次深度残差网络可以更高的学习模型的特征，有助于模型收敛，最后注意力机制模块自动增强特征图，提高模型泛化能力，提高网络的学习效率和心电图识别的精度。
-
公开(公告)号：CN110179453A
公开(公告)日：2019-08-30
申请号：CN201810555347.0
申请日：2018-06-01
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/0402
Abstract: 一种基于卷积神经网络和长短期记忆网络的心电图分类方法，通过多导联心电图数据和卷积神经网络和长短期记忆网络（CNN-LSTM）组合模型实现心律失常自动分类的方法。一方面多导联心电图较单导联心电图蕴含更多信息，另一方面CNN-LSTM组合模型结合CNN和LSTM的优点，在学习空间数据结构和时间序列结构方面有着独特优势，利用多导联心电图数据训练CNN-LSTM能够提高网络的学习效率和心电图识别的精度。
-
公开(公告)号：CN105848284B
公开(公告)日：2019-05-07
申请号：CN201610286648.9
申请日：2016-05-03
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明提供一种无线传感网络高精度定位系统，其特征在于，包括初始化模块：设置一组锚节点，并选择适当的位置作为坐标原点o，建立原点坐标系xoz,计算各个锚节点相对于坐标原点o的相对极坐标(r,δ)，每个锚节点上设置有一组红外摄像头，计算各个红外摄像头的方向信息，将各个相对极坐标和红外摄像头方向信息录入对应的锚节点主控模块，被测节点上设置两个红外发光模块。本方法对无线传感网定位参考坐标获取这一核心为题提供低成本高精度的解决方案，对于无线传感网机近距离无线通信高精度定位系统研究具有重要的参考价值。
-
-
-
-
-
-
-
-
-
Search Results
207
records
(took 0.047 seconds)
