-
公开(公告)号：CN110782009A
公开(公告)日：2020-02-11
申请号：CN201910986292.3
申请日：2019-10-17
Applicant: 湖南大学
Abstract: 本发明公开了一种基于ARMv8体系的计算内核优化方法。本发明针对寄存器使用情况，使用了所有32个寄存器，能够更好更完整地调用硬件资源，节省卷积过程中进行矩阵计算时的矩阵分块时间，从而提升整体的计算效率，帮助我们得到更高的工程效率应用在卷积神经网络中的卷积过程里，能有效加速其在ARMv8体系结构的运算时间。
-
公开(公告)号：CN105808337B
公开(公告)日：2019-10-25
申请号：CN201610131668.9
申请日：2016-03-09
Applicant: 湖南大学
Abstract: 本发明公开一种禁忌搜索调度算法的异构多核处理器，有至少八个核心的异构多核处理器，用于线程调度、资源协同管理和性能统计的上层框架，用于记录两个线程在两个处理器上的最佳调度方案的禁忌表，用于提高异构多核处理器系统性能和节能的禁忌搜索调度算法。本发明由于提出一种禁忌搜索调度算法的异构多核处理器，它有效的减少了线程迁移次数和采样次数。弥补了以前的设计中只考虑时间和能量有效率的问题，有效的提高了处理器芯片的全局性性能和降低了能耗。
-
公开(公告)号：CN105808337A
公开(公告)日：2016-07-27
申请号：CN201610131668.9
申请日：2016-03-09
Applicant: 湖南大学
Abstract: 本发明公开一种禁忌搜索调度算法的异构多核处理器，有至少八个核心的异构多核处理器，用于线程调度、资源协同管理和性能统计的上层框架，用于记录两个线程在两个处理器上的最佳调度方案的禁忌表，用于提高异构多核处理器系统性能和节能的禁忌搜索调度算法。本发明由于提出一种禁忌搜索调度算法的异构多核处理器，它有效的减少了线程迁移次数和采样次数。弥补了以前的设计中只考虑时间和能量有效率的问题，有效的提高了处理器芯片的全局性性能和降低了能耗。
-
公开(公告)号：CN116909542B
公开(公告)日：2024-05-17
申请号：CN202310775195.6
申请日：2023-06-28
Applicant: 湖南大学重庆研究院
Abstract: 本发明涉及软件工程技术领域，具体公开了一种汽车软件模块划分系统、方法及存储介质，其中方法包括如下内容：S1、导入汽车软件的项目配置文件夹和目录结构，从目录结构中获取模块组件对应关系；通过解析项目配置文件获得架构中端口信息；S2、对端口进行预处理，根据端口和软件组件的发送、接收对应关系创建边集，遍历边集获得软件组件之间的交互关系，根据交互关系得到软件组件的依赖矩阵；S3、对依赖矩阵进行处理作为社区发现算法的输入，采用不同社区发现算法对组件进行模块划分，计算划分后的模块度；S4、对比不同社区发现算法得到的模块度和模块数，得出推荐的划分结果。采用本发明的技术方案能够有效的降低组件耦合，提高模块的内聚性。
-
公开(公告)号：CN111190735B
公开(公告)日：2024-02-23
申请号：CN201911392013.7
申请日：2019-12-30
Applicant: 湖南大学
Abstract: 本发明公开一种基于Linux的片上CPU/GPU流水化计算方法计算机系统，包括步骤：对任务按照流水线最大利用率进行重排序；在对所述缓存发起写请求任务完成后进行缓存刷新；在所述GPU计算核心空闲时，将所述任务中的所述并行计算型任务派发给所述GPU计算核心；在所述CPU计算核心空闲时，将所述任务中的所述串行、IO或者逻辑型任务派发给所述CPU计算核心；将任务数据规约到对应的发起CPU中，由CPU进行后续数据处理。从而使得片上异构多核计算系统同时兼顾CPU和GPU核心的不同计算特性并且能充分利用设备中各部分计算结构，具有性能高、计算利用率高的优点。
-
Patent Agency Ranking
公开(公告)号：CN116909542A
公开(公告)日：2023-10-20
申请号：CN202310775195.6
申请日：2023-06-28
Applicant: 湖南大学重庆研究院
Abstract: 本发明涉及软件工程技术领域，具体公开了一种汽车软件模块划分系统、方法及存储介质，其中方法包括如下内容：S1、导入汽车软件的项目配置文件夹和目录结构，从目录结构中获取模块组件对应关系；通过解析项目配置文件获得架构中端口信息；S2、对端口进行预处理，根据端口和软件组件的发送、接收对应关系创建边集，遍历边集获得软件组件之间的交互关系，根据交互关系得到软件组件的依赖矩阵；S3、对依赖矩阵进行处理作为社区发现算法的输入，采用不同社区发现算法对组件进行模块划分，计算划分后的模块度；S4、对比不同社区发现算法得到的模块度和模块数，得出推荐的划分结果。采用本发明的技术方案能够有效的降低组件耦合，提高模块的内聚性。
-
公开(公告)号：CN113362167B
公开(公告)日：2023-08-25
申请号：CN202110820804.6
申请日：2021-07-20
Applicant: 湖南大学
IPC: G06Q40/03 , G06F18/2413
Abstract: 本发明公开了一种基于类边界的重采样集成学习模型的信用风险评估方法，包括：对训练集中的数据样本采用KNN分类算法对所述样本数据的进行分类，将所述训练集的中数据样本划分为类边界样本集与非边界样本集；分别把类边界样本集与非边界样本集的多数类与少数类分开，设置k个不同的百分比，每次分别从边界样本集和非边界样本集中分别随机抽取多数类与少数类，进行合并成k个不平衡集，根据不平衡集的不平衡比，用CTGAN来生成少数类使训练集平衡；用Bagging集成学习k个平衡样本集，用投票法表决最终结果。本发明解决了现有信用风险评估中因为数据类别不平衡导致的少数类用户的预测的准确率低问题。
-
公开(公告)号：CN109033738B
公开(公告)日：2022-01-11
申请号：CN201810742486.4
申请日：2018-07-09
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度学习的药物活性预测方法。本发明使用RDkit开源库用于计算给定分子中每个原子的基本特征，包括原子类型，化合价，形式电荷等，只计算原子特征大大减少时间耗费。本发明是结合了图卷积和LSTM两种模型(长短期记忆网络)的预测模型，对于图卷积模型，通过将原子视为节点并将键作为无向图中的边来将所有分子特征化为图，提取分子结构特征，使用图卷积神经网络可以减少时间耗费的同时获取传统方法无法得到的特征。LSTM通过在证据和查询分子之间交换信息来学习复杂的度量。从而达到在低数据量下较高的预测准确度。
-
-
公开(公告)号：CN112541536A
公开(公告)日：2021-03-23
申请号：CN202011427138.1
申请日：2020-12-09
Abstract: 本发明提供用于信用评分的欠采样分类集成方法、设备及存储介质。包括步骤：获取用户训练集，将训练集中的样本数据分为多数类数据集与少数类数据集；利用欠采样算法从多数类数据集中随机欠采样出k个多数类数据子集，每个多数类数据子集包含n个第一数据样本的多数类数据子集，每次欠采样剩下的m‑n个第一数据样本形成k个纯多数类数据子集；将k个多数类数据子集与少数类数据集中的第二数据样本混合形成k个平衡数据子集；利用k个平衡数据子集学习出k个CART树二分类基分类器；利用k个纯多数类数据子集学习出k个OneClassSVM一分类基分类器；通过bagging算法集成基分类器输出最终结果。本发明解决信用评分中数据不平衡问题，充分利用数据样本提高分类性能。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.028 seconds)
