-
公开(公告)号:CN106789160A
公开(公告)日:2017-05-31
申请号:CN201611051368.6
申请日:2016-11-24
Applicant: 吉林大学
IPC: H04L12/24
Abstract: 本发明公开了一种基于时间序列的复杂网络链接预测方法,包括如下步骤:步骤一、使用静态方法对任意两个节点的链接概率进行评分;步骤二、使用时间序列的方法,获取最近不相连的任意两节点的链接出现概率;步骤三、对于使用静态方法计算出的链接出现概率序列p1,p2,…pk,计算其权值:W(i)=α(pi‑pi‑1)+(1‑α)W(i‑1)i=2…k;W(1)=1,得到最终的链接出现的概率pk=W(k)pk+1;步骤四、对步骤三中计算得到的结果进行排序,输出预测的链接。本发明提供的基于时间序列的复杂网络链接预测方法,通过加权算法,使预测结果更为精确。
-
公开(公告)号:CN118278283A
公开(公告)日:2024-07-02
申请号:CN202410445362.5
申请日:2024-04-15
Applicant: 吉林大学
Abstract: 本发明提供一种基于波动方程的动态大气关联图生成方法,涉及气象预测领域。所述用于大气关联图生成的基于波动方程的动态图生成方法能够有效利用时序气候模式的丰富数据,基于图顶点间余弦相似性的思想,时序数据融合波动函数求解计算边权重,捕获大气运动中的模式特征从而生成包含大气隐含关联以及物理学指导的图结构,用于图神经网络的训练,以此提升地区天气的预测准确性。本发明,通过结合计算机深度学习相关知识,设计了适用于基于物理学中的波动方程的动态大气关联图生成模型,一定程度的提高了地区天气的预测准确性,同时保持了图神经网络方法高效的预测能力。
-
公开(公告)号:CN118211641A
公开(公告)日:2024-06-18
申请号:CN202410440346.7
申请日:2024-04-12
Applicant: 吉林大学
IPC: G06N3/098 , G06N3/042 , G06N3/0464 , G06N3/084 , G06F18/24 , G06F18/214
Abstract: 本发明提供一种针对分布式图神经网络的历史嵌入管理系统,在基于历史嵌入的数据并行图神经网络训练过程中,待训练图中的节点在同一时刻或相近时刻可能被多个不同采样器生成的小批量。所述用于分布式图神经网络的历史嵌入管理系统是一个分布式存储系统,可以做到充分利用不同机器上产生的历史嵌入与机器间的通信带宽,并使训练系统在使用其他机器上产生的历史嵌入与本地逻辑上保持一致。本发明,通过结合分布式图神经网络的历史嵌入维护算法,设计了分布式图神经网络的历史嵌入管理系统使训练系统,在使用其他机器上产生的历史嵌入与本地逻辑上保持一致,并优化了机器间的通信带宽,提高分布式图神经网络的运行性能。
-
公开(公告)号:CN117032963A
公开(公告)日:2023-11-10
申请号:CN202310992975.6
申请日:2023-08-08
Applicant: 吉林大学
Abstract: 本申请公开了一种气候模拟计算任务分配方法、装置、设备及存储介质,涉及气候、气象预测领域,包括:获取对目标气候模拟模型的待模拟空间进行区域划分的当前划分参数;基于当前划分参数对任务执行总时长进行预测,以得到当前预测总时长;基于通信时间以及计算时间确定雅各比矩阵和黑塞矩阵,根据雅各比矩阵和黑塞矩阵基于牛顿法对当前划分参数进行更新;利用更新后划分参数预测气候模拟计算任务的任务执行总时长,基于更新后预测总时长与当前预测总时长之间的大小关系确定目标划分参数;根据目标划分参数进行区域划分,生成气候模拟计算子任务,对气候模拟计算子任务进行分配。由此,本申请能够解决跨节点通信时间长以及性能建模预测的问题。
-
公开(公告)号:CN116467172A
公开(公告)日:2023-07-21
申请号:CN202310247897.7
申请日:2023-03-15
Applicant: 吉林大学
IPC: G06F11/36 , G06F18/214 , G06F18/241
Abstract: 本发明公开了一种识别指令软错误类型的方法、装置、设备及介质;本方案在识别目标程序中指令软错误类型时,并不需要对目标程序执行大量的注错实验,只需要通过少量的注错实验得到的结果构建指令识别模型,即可利用该指令识别模型自动识别目标程序中各指令发生软错误的错误类型,可以很大程度上降低容错分析的开销;并且,这种分析方式不需要依赖人工识别,可以提高指令识别的效率和准确度。
-
公开(公告)号:CN112291729B
公开(公告)日:2021-08-27
申请号:CN202011185898.6
申请日:2020-10-30
Applicant: 吉林大学
Abstract: 本发明公开一种低延迟的水下跨层机会路由方法,其特征在于,包括:步骤一、水下传感器网络中的汇聚节点发出一级探针包和二级探针包将多个水下节点进行两次分层形成邻居表;步骤二、发送节点根据所述邻居表选择多个水下节点作为所述发送节点的下一跳,并通过等待机制选举出转发节点;其中,所述邻居表根据网络拓扑进行更新。本发明通过使用路由信息减少MAC层的控制包,而MAC层的信息可以减少维护节点间邻居信息的消耗进而减少路由阶段的控制包;通过邻居信息和机会路由的方法减少控制包的使用和数据多拷贝情况,进而减少端到端的延迟和网络整体能耗。
-
公开(公告)号:CN118278499A
公开(公告)日:2024-07-02
申请号:CN202410445361.0
申请日:2024-04-15
Applicant: 吉林大学
IPC: G06N3/096 , G06N3/0985 , G06Q10/04 , G06Q50/26 , G06N3/08 , G06N3/0464 , G06N3/045 , G06N3/0442
Abstract: 本发明提供一种用于MJO预测的融合S2S多模式数据的迁移学习方法,涉及气象预测领域。所述用于MJO预测的融合S2S多模式数据的迁移学习方法能够有效利用不同气候模式的丰富数据,基于迁移学习的思想,利用S2S多模式数据进行模型预训练,提前学习了不同气候模式中的运动规律,以此保提升MJO的预测准确性。本发明,通过结合计算机深度学习相关知识,设计了适用于MJO预测的深度时空网络模型,即卷积神经网络与循环神经网络相结合,CNN+LSTM,一定程度的提高了MJO的预测准确率,同时保持了深度学习方法高效的预测能力。
-
公开(公告)号:CN117852647A
公开(公告)日:2024-04-09
申请号:CN202311816302.1
申请日:2023-12-27
Applicant: 吉林大学
IPC: G06N5/04 , G06N3/0464 , G06N3/0455 , G06N3/082 , G06N3/096
Abstract: 本发明公开了一种基于DNN模型分割的端边协同推理部署方法,包括:确定DNN模型的可行分割点及每个可行分割点的可用压缩比范围;随机选择一个可行分割点作为源分割点,并且构建训练集;构建精度预测神经网络模型,并且采用训练集对精度预测神经网络模型进行训练,得到源分割点的精度预测模型;通过迁移学习得到其他可行分割点的精度预测模型;将一个可行分割点及其对应的一个压缩比作为一个分割方案,遍历所有可行分割点及可用压缩比,得到多个分割方案;通过精度预测模型得到每个分割方案对应的DNN模型推理预测精度;选择满足精度约束和内存约束并且总延迟最小的分割方案,作为最优分割方案;将最优分割方案应用于DNN模型,进行端边协同推理任务。
-
公开(公告)号:CN112788701B
公开(公告)日:2022-05-24
申请号:CN202110191331.8
申请日:2021-02-20
Applicant: 吉林大学
Abstract: 本发明公开了一种基于交互信道分配的无冲突水声多信道MAC方法,包括如下步骤:步骤一、将部署网络的水域虚拟划分为多个连续的立方体区域,并将位于同一个立方体区域内的节点作为一个簇;步骤二、按照簇内节点与簇头的距离对节点进行簇内分层;步骤三、以簇头为最内层,内层节点为与其相邻的外层邻居节点进行信道预分配,并通过预分配包将预分配结果发送给对应的外层邻居节点;步骤四、外层节点对为其发送预分配包的内层节点进行反选和确认;步骤五、内层节点根据反选和确认的结果对外层节点进行信道再分配;步骤六、按照信道再分配的结果从外层节点向内层节点逐层发送数据,直到在簇头处汇集所有簇内节点收集到的数据,进行下一轮数据收集。
-
公开(公告)号:CN112788701A
公开(公告)日:2021-05-11
申请号:CN202110191331.8
申请日:2021-02-20
Applicant: 吉林大学
Abstract: 本发明公开了一种基于交互信道分配的无冲突水声多信道MAC方法,包括如下步骤:步骤一、将部署网络的水域虚拟划分为多个连续的立方体区域,并将位于同一个立方体区域内的节点作为一个簇;步骤二、按照簇内节点与簇头的距离对节点进行簇内分层;步骤三、以簇头为最内层,内层节点为与其相邻的外层邻居节点进行信道预分配,并通过预分配包将预分配结果发送给对应的外层邻居节点;步骤四、外层节点对为其发送预分配包的内层节点进行反选和确认;步骤五、内层节点根据反选和确认的结果对外层节点进行信道再分配;步骤六、按照信道再分配的结果从外层节点向内层节点逐层发送数据,直到在簇头处汇集所有簇内节点收集到的数据,进行下一轮数据收集。
-
-
-
-
-
-
-
-
-