-
公开(公告)号：CN106227696B
公开(公告)日：2020-01-07
申请号：CN201610628003.9
申请日：2016-08-03
Applicant: 桂林电子科技大学
IPC: G06F15/78
Abstract: 本发明公开了一种快速重构高性能目标阵列的方法，包括如下步骤：模型介绍、引入规则、约束定义、逻辑列和目标阵列最大化定义、处理器阵列重构算法和实验分析等，该快速重构高性能目标阵列的方法，而对于HPTA的构建，其等价于在网络中寻找节点不相交路径的最大数目，使得这些节点不相交路径具有上述偏序关系且路径的总花费最小，且具有相同的位置，当重构过程结束后，高性能目标阵列的重构问题可在多项式时间内得到最优解，可以将原宿主阵列中所有相邻集为空的处理单元视为故障处理单元，不仅实现了算法NMHP，同时也实现了算法ALG06和ALG14作为对比实验。对比现有技术的缺点，本发明优势明显，花费较小，其而更加准确，值得以后推广使用。
-
公开(公告)号：CN106201881B
公开(公告)日：2019-02-01
申请号：CN201610543275.9
申请日：2016-07-12
Applicant: 桂林电子科技大学
IPC: G06F11/36
Abstract: 本发明为一种基于ASP的CSP并发系统调试方法，包括以下步骤：步骤1、根据描述CSP并发系统行为特征的ASP规则集，得到实例化性质规则集；步骤2、生成性质成立或不成立的原因；步骤3、生成反例迹并利用反例迹调试系统错误；步骤4、通过性质成立的原因生成ASP规则L，表示系统中使该性质成立的部分系统结构，分析系统修改后对已验证性质的影响，如果新系统满足规则L，性质依然成立，否则性质需要重新验证。本方法采用基于ASP的CSP并发系统的性质验证框架仅需两层模型即可完成性质验证，且两层模型间的差异较小；利用性质不成立时的反例迹实现针对CSP并发系统错误的调试，避免系统部分改变后，对仍成立的性质重复验证。
-
公开(公告)号：CN105260295B
公开(公告)日：2018-09-25
申请号：CN201510581206.2
申请日：2015-09-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种时间多栈下推网络的静态转换方法，首先，为了描述实时系统中并发递归机制，以及线程之间的交互，在MPDN的基础上引入时钟，提出TMPDN模型，并给出其语法及操作语义。其次，利用时钟域等价的优化技术，通过静态转换方法，将连续时间的TMPDN模型转换成离散的MPDN模型。本发明能够实现同时实现实时并发系统的实时性和并发性的描述，并能为实时并发程序的形式化验证提供保证。
-
公开(公告)号：CN104267936B
公开(公告)日：2017-10-17
申请号：CN201410470378.8
申请日：2014-09-16
Applicant: 桂林电子科技大学
IPC: G06F9/44
Abstract: 基于树语义的异步动态下推网络可达性分析方法属于软件安全、可靠性技术领域，其特征在于将树语义引入到异步动态下推网络中，通过构建一个中间模型模拟模型的树语义，并采用上下文限界方法使模型的可达性为可判定，计算有限的k次上下文执行内的可达格局集合，通过计算可达格局集合与目标格局集合的交集是否为空，判断出目标格局集合是否可达，从而确定程序的抽象模型中是否存在设计错误或漏洞，保证模型的正确与可靠。
-
公开(公告)号：CN106201881A
公开(公告)日：2016-12-07
申请号：CN201610543275.9
申请日：2016-07-12
Applicant: 桂林电子科技大学
IPC: G06F11/36
CPC classification number: G06F11/3604 , G06F11/362
Abstract: 本发明为一种基于ASP的CSP并发系统调试方法，包括以下步骤：步骤1、根据描述CSP并发系统行为特征的ASP规则集，得到实例化性质规则集；步骤2、生成性质成立或不成立的原因；步骤3、生成反例迹并利用反例迹调试系统错误；步骤4、通过性质成立的原因生成ASP规则L，表示系统中使该性质成立的部分系统结构，分析系统修改后对已验证性质的影响，如果新系统满足规则L，性质依然成立，否则性质需要重新验证。本方法采用基于ASP的CSP并发系统的性质验证框架仅需两层模型即可完成性质验证，且两层模型间的差异较小；利用性质不成立时的反例迹实现针对CSP并发系统错误的调试，避免系统部分改变后，对仍成立的性质重复验证。
-
Patent Agency Ranking
公开(公告)号：CN118135240A
公开(公告)日：2024-06-04
申请号：CN202410075206.4
申请日：2024-01-18
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种面向边缘环境的深度学习模型压缩方法，该方法是先收集边缘环境的图像数据，归集为数据集；对数据集进行图像增强处理，选择一个强大的教师模型对数据集进行预训练；再选择一个较小模型作为学生模型，利用经过预训练的教师模型进行知识蒸馏来训练学生模型，在学生模型训练过程中，添加跨层蒸馏损失函数，采用最邻近上采样方法，将教师模型的深层特征以及学生模型的深层特征进行向上的特征融合，以此增强浅层特征的注意力，使教师模型在浅层特征也能转移更多的知识，提升学生模型性能的效果；将经过知识蒸馏的学生模型部署到边缘环境进行图像识别工作。该方法仅对原始特征图进行处理，无需额外的辅助网络或对知识进行浓缩处理。
-
公开(公告)号：CN113591674B
公开(公告)日：2023-09-22
申请号：CN202110856044.4
申请日：2021-07-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种面向实时视频流的边缘环境行为识别系统，包括视频流获取模块、视频流存储模块、视频流预处理模块、缓存模块、滑窗定位模块、行为识别模块和用户界面模块；滑窗定位模块基于弹性跳跃滑窗的动作启动在线检测方法通过定位动作发生的位置节省了大量的计算资源，同时，并没有因为放弃滑动窗口的逐帧滑动致使原本性能优良的模型的检测性能产生较大的损失，在一定程度上实现了模型轻量化效果，避免大量无效数据送入行为识别模块，提高了行为识别的效率，提高了识别的实时性，通过数据本地化处理，更好得保护了敏感场景下边缘设备获取到的数据的隐私安全问题，该系统相较于普遍基于云中心的行为识别服务更有利于资源受限的边缘设备使用。
-
公开(公告)号：CN114675887A
公开(公告)日：2022-06-28
申请号：CN202210323665.0
申请日：2022-03-29
Applicant: 桂林电子科技大学
Abstract: 本发明属于智能设备技术领域，公开了一种多智能体系统的冲突消解策略方法，包括，获取智能体系设备，通过控制模块依次与各个智能体系中设备相连接，通过显示模块显示智能体系中多个设备的运行状态，并获取多个设备的运行数据同时上传至储存模块；获取数据管理模块数据，通过PC端输入，确定数据管理模块具备数据添加、删除、更新、导入、导出处理功能；通过冲突学习模块的设置，可使得智能体系运行时自行学习冲突数据，并且冲突学习模块与湖相连相通，可以不断更新和学习新的冲突数据，一旦当冲突学习模块检测的冲突数据后，即可自行将其冲突数据消除，使用自动化程度较高，使得智能体系运转非常稳定。
-
公开(公告)号：CN111092755B
公开(公告)日：2022-05-03
申请号：CN201911232481.8
申请日：2019-12-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于资源占用的边缘服务迁移仿真方法，通过对创建的边缘节点及其上的边缘服务进行边缘服务迁移仿真，并在边缘服务仿真过程中获得不同边缘节点服务迁移的最优阈值，从而指导实际生产中边缘服务迁移算法的部署与实施。本发明能够实时的收集获取边缘节点以及边缘服务对资源的利用情况并利用边缘服务迁移算法实时动态的迁移边缘服务，使得边缘节点上的边缘服务为用户提供优质的体验以及动态的了解边缘节点，边缘服务的资源利用情况可以用于开发不同的边缘服务迁移算法。利用该系统完成了边缘节点以及服务的资源监控，根据资源的消耗动态的迁移边缘服务。
-
公开(公告)号：CN111260121B
公开(公告)日：2022-04-29
申请号：CN202010028983.5
申请日：2020-01-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于深度瓶颈残差网络的城市范围的人流量预测方法，步骤为：1）获取原始的交通流数据；2）构建BRBM数据重构机制，将获取的原始交通流数据输入BRBM数据重构机制中，对进行降维和数据重构，获得BRBM重构后的交通流数据；3）构建协同预测机制，将获得BRBM重构后的交通流数据作为协同预测机制的输入数据，经过协同预测机制后，获得预测结果XR；4）构建辅助预测机制，采用辅助预测机制对影响人流量的外部因素进行处理，获得预测结果XE；5）将获得的预测结果XR与XE进行融合，得到最终的人流量预测结果。该方法不仅大大降低了人流量预测模型的计算复杂性和减少了模型训练的时间，而且也提高了人流量的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.022 seconds)
