-
公开(公告)号：CN103927269A
公开(公告)日：2014-07-16
申请号：CN201410167086.7
申请日：2014-04-23
Applicant: 东南大学
IPC: G06F12/08
Abstract: 本发明公开了一种基于块匹配的可重构配置信息缓存系统，包括配置信息解析单元、配置信息压缩单元、配置信息缓存单元及配置信息解压缩单元；所述配置信息缓存单元包括L1层配置信息缓存以及若干L2层配置信息缓存，所述L1层配置信息缓存用于存储多个可重构阵列的共享配置信息，所述每个L2层配置信息缓存对应一个可重构阵列，并且用于存储该可重构阵列的局部配置信息。所述缓存系统及其压缩方法提高了粗粒度动态可重构系统中配置信息缓存的资源利用率，使得在相同容量的配置信息缓存中，可以存储更多的配置信息，从而减少了粗粒度动态可重构系统的硬件开销。
-
公开(公告)号：CN115762199B
公开(公告)日：2023-09-29
申请号：CN202211145915.2
申请日：2022-09-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度强化学习和逆强化学习的交通灯控制方法，首先建立交通灯控制系统的马尔科夫决策模型，并依据现有深度网络模型，搭建基于深度强化学习的交通灯控制框架。本发明的创新点在于引入了相对熵逆强化学习算法以优化奖励函数设计。根据专家决策生成的系统状态转移轨迹，通过逆强化学习算法提取专家内含的决策逻辑，即隐藏奖励函数，实现了对专家经验的有效利用，算法对专家轨迹中的噪声具有较好的鲁棒性。本发明能够在单个交叉路口的均衡车流和非均衡车流场景下，取得优于传统控制方案的效果，并进一步提升深度强化学习算法的控制性能。
-
公开(公告)号：CN116429992A
公开(公告)日：2023-07-14
申请号：CN202310195577.1
申请日：2023-03-03
Applicant: 东南大学
IPC: G01N33/15
Abstract: 本发明公开了一种经鼻药物制剂递送性能的表征方法，涉及药物性能表征技术领域，解决了经鼻药物制剂递送性能的表征方法不够明确的技术问题，其技术方案要点是该测试方法可以得到组成理想鼻腔模型每个不同组件所代表的不同鼻腔部位的药物递送量，以此反映制剂在鼻腔内沉积位置的真实情况；该方法采用恒定流速及模拟流速对雾化装置的实际使用工况进行评价，能够实现对主动和被动式制剂进行评价；提供了明确的鼻用产品的递送性能的表征方法，提供了对不同的鼻用产品类型的标准化的测试方法和流程。
-
公开(公告)号：CN116137103A
公开(公告)日：2023-05-19
申请号：CN202310135757.0
申请日：2023-02-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于图元学习和深度强化学习的大规模交通灯信号控制方法，使用交通灯的相位和进入车道的队列长度作为状态值，交通灯的相位作为输出值，将交通路网建模成图结构数据，每个交通灯都为一个节点，并对该路网中每个节点提取多跳邻居节点形成以该节点为中心的子图，再使用基于局部子图的图元学习方法进行深度强化学习训练，使智能体能够根据路网实时状况，进行智能信号控制；本发明适用于一千个以上交通灯的大规模场景，利用基于局部子图的图元学习的优势，将小规模路网中训练的模型迁移至大规模交通灯的场景，减小了大规模路网的训练难度，提高了训练效率。
-
公开(公告)号：CN115762199A
公开(公告)日：2023-03-07
申请号：CN202211145915.2
申请日：2022-09-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度强化学习和逆强化学习的交通灯控制方法，首先建立交通灯控制系统的马尔科夫决策模型，并依据现有深度网络模型，搭建基于深度强化学习的交通灯控制框架。本发明的创新点在于引入了相对熵逆强化学习算法以优化奖励函数设计。根据专家决策生成的系统状态转移轨迹，通过逆强化学习算法提取专家内含的决策逻辑，即隐藏奖励函数，实现了对专家经验的有效利用，算法对专家轨迹中的噪声具有较好的鲁棒性。本发明能够在单个交叉路口的均衡车流和非均衡车流场景下，取得优于传统控制方案的效果，并进一步提升深度强化学习算法的控制性能。
-
Patent Agency Ranking
公开(公告)号：CN107659989A
公开(公告)日：2018-02-02
申请号：CN201711000765.5
申请日：2017-10-24
Applicant: 东南大学
Abstract: 本发明公开了无线传感器网络节点分布式测量休眠和目标跟踪方法。首先确定无线传感器网络中的节点数量、目标运动方程、节点通信半径和测量半径，初始化各节点的后验协方差矩阵和状态估计值；每个节点接收邻居节点的后验协方差矩阵和状态估计值，各节点利用最小迹原则更新协同协方差和协同估计状态值；每个节点按照预设的事件触发条件判断是否对目标进行测量；根据节点是否测量目标更新后验协方差和后验状态估计。本发明能够在保证目标跟踪系统性能的条件下，显著减少系统能量消耗，从而延长网络的生命周期保证网络的稳定性。
-
公开(公告)号：CN104035903B
公开(公告)日：2017-06-16
申请号：CN201410313092.9
申请日：2014-07-02
Applicant: 东南大学
IPC: G06F13/38
Abstract: 该发明提供了一种基于可重构技术的二维数据访问动态自适应方法。该方法所涉及的硬件包括由外部数据传输单元、数据输入缓存、数据输出缓存构成的可重构处理单元，外部存储器接口和外部存储器构成的一个外部访存接口系统。具体过程为在读或写数据情况下，可重构阵列外部数据传输单元根据可重构处理单元当前的数据访问请求将其转换为以目标位为单位的数据访问或写数据操作，然后将转换后的数据访问或写数据请求提交给外部存储器接口，最后经由外部数据传输单元将其从外部存储器接口返回的目标位数据中抽取所需要的部分，提交给可重构处理单元使用。通过该大大提高可重构处理单元与外部存储之间的访存效率。
-
公开(公告)号：CN103914404B
公开(公告)日：2017-05-17
申请号：CN201410177912.6
申请日：2014-04-29
Applicant: 东南大学
IPC: G06F12/0893
Abstract: 本发明公开了一种面向粗粒度可重构系统高存储利用率的配置信息缓存装置。其特征在于，包括配置信息输入接口、配置信息输出接口、配置信息存储单元、配置信息查找表和配置信息解析模块。其中，配置信息查找表用于标记所有当前缓存在配置信息缓存中的配置信息内核对应的索引编号；配置信息解析模块用于解析配置信息群组中所包含的配置信息内核的索引编号，并判断该索引编号是否已经存在于当前配置信息缓存的查找表中。配置信息缓存的存储和访问，分别以配置信息内核和配置信息群组为基本操作单位。并提供了相应的压缩存储方法，对于重复的配置信息内核在配置信息缓存中仅保留一份，消除了配置信息的存储冗余，从而提高了配置信息缓存的存储利用率。
-
公开(公告)号：CN119862998A
公开(公告)日：2025-04-22
申请号：CN202510067545.2
申请日：2025-01-16
Applicant: 东南大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/214 , G06F18/21 , G06N3/042 , G06N3/0464 , G06N3/045 , G06F18/23213 , G06F18/22 , G06N20/20
Abstract: 本发明公开了一种基于图和序列分解技术包含虚拟站点的集成水位预测方法，包括：对水位监测站点数据进行预处理，并划分为训练集和测试集；构建图和序列分解模块(GSD)，并采用训练集和测试集训练图和序列分解模块GSD；构建虚拟站点水位预测模块(VS‑WLP)，并采用训练集和测试集训练虚拟站点水位预测模块VS‑WLP；基于训练好的图和序列分解模块GSD和虚拟站点水位预测模块VS‑WLP，实现水位预测；基于训练好的江湖水位预测模型采用层次集成化方法，实现集成水位预测。本发明有效提高预测模型的鲁棒性和适用性。创新性的水位预测模块可用于无监测站区域的水位估算，弥补传统水文监测系统在空间分布上的不足。
-
公开(公告)号：CN119599225A
公开(公告)日：2025-03-11
申请号：CN202411481829.8
申请日：2024-10-22
Applicant: 银江技术股份有限公司 , 东南大学
IPC: G06Q10/047 , G06Q50/14 , G06N3/0464 , G06N3/0455 , G06N3/042 , G06N3/092 , G06N3/094 , G06F18/214
Abstract: 本申请涉及一种起讫点路线推断及旅行时间估算方法，通过结合主动学习机制的对抗性逆强化网络，可以在尽可能减少数据标注量的前提下，推断生成结合用户偏好的起讫点间个性化行驶路线；进一步地，通过AdaBoost算法将融合图卷积网络和Transformer网络的多个弱学习器集成，图卷积网络可以获取交通网络的高维时空特征，从而辅助Transformer网络更好的捕获个性化行驶路线对应的长短期依赖关系；结合多个弱学习器的学习结果，得到更丰富全面的个性化行驶路线的时序特征表示，最后，利用该时序特征表示得到路线对应的旅行时间，实现准确的起讫点旅行时间估计。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.026 seconds)
