-
公开(公告)号：CN115114000A
公开(公告)日：2022-09-27
申请号：CN202210751147.9
申请日：2022-06-28
Applicant: 重庆大学
Abstract: 本申请提供一种边缘计算中多任务并行计算实现方法,具体步骤如下：1)将多个计算任务请求基于RPC的方式下发到边缘管控平台的汇聚节点及多个基础计算节点中，基础计算节点将任务标签压入线程队列中并进行计算；2)单轮计算完毕后将多个基础计算节点的参数通过消息应答队列进行发送，汇聚节点在收到全部节点参数后进行参数融合处理；3)将融合后的结果重新下发给多个基础计算节点，供基础节点进行接续计算，直到训练轮数达到预设阈值时，得到计算结果。本申请通过将计算结果融合的方式，使得原本不具备某些计算样本的基础计算节点也能识别出其他节点探测到的数据信息，实现了数据共享、打破数据孤岛。
-
公开(公告)号：CN114360641A
公开(公告)日：2022-04-15
申请号：CN202210035654.2
申请日：2022-01-13
Applicant: 重庆大学
Abstract: 本发明提供一种基于变分贝叶斯的基因调控网络结构辨识方法，根据不完整和有噪声的基因表达时间序列数据中考虑基因调控网络GRN的结构推断，用含有未知噪声信息的随机非线性状态空间模型，描述了基因表达数据中的动态行为，采用变分贝叶斯VB框架来同时估计参数和基因表达水平，通过生成预测值，可以很容易地处理缺失的观测值；考虑到GRN的稀疏性，利用极端梯度增强树对平滑后的基因数据进行建模，并通过树模型中的重要性得分来识别基因间的调控相互作用。该方法能在观测值缺失的情况下，有效地恢复GRN的调控相互作用，并优于现有的GRN识别方法。
-
公开(公告)号：CN113553707A
公开(公告)日：2021-10-26
申请号：CN202110826872.3
申请日：2021-07-21
Applicant: 中国人民解放军63798部队 , 重庆大学
IPC: G06F30/20 , G06F17/11 , G06F111/10 , G06F119/08
Abstract: 本发明涉及一种基于能量和质量守恒的整流罩温湿度建模方法，属于温湿度预测技术领域。在温湿度建模方面，利用能量守恒建立整流罩内温度变化数学方程式，利用物质守恒建立以焓值为空气状态变化指标的热平衡方程，联合构建了温湿度预测模型，解决了传统温湿度预测模型温湿度耦合严重，致使预测精确度低的问题。
-
公开(公告)号：CN112488386A
公开(公告)日：2021-03-12
申请号：CN202011370056.8
申请日：2020-11-30
Applicant: 重庆大学
Abstract: 本发明公开了一种基于分布熵多目标粒子群的物流车辆配送规划方法及系统，步骤如下：1)获取待配送目的地数量M，第i个目的地的配送货物的重量为qi(i＝1,2,...,M)，采集待配送目的编号信息、地理坐标信息及相互之间的距离信息；2)以若干物流车辆完成M个客户配送为条件，以配送时间、运输成本为优化目标，构建多目标粒子群的物流车辆配送路径规划模型；3)基于分布熵寻找多目标粒子群的物流车辆配送路径规划模型的全局最优解，得出最优的物流车辆配送路径；本发明通过基于分布熵多目标粒子群算法对物流车辆路径进行规划，求解出更好的路径规划，能够减少物流成本以及缩短配送时间。
-
公开(公告)号：CN111669150A
公开(公告)日：2020-09-15
申请号：CN202010619840.1
申请日：2020-06-30
Applicant: 重庆大学
IPC: H03H21/00
Abstract: 本发明公开了一种基于采样点调整的无迹卡尔曼滤波方法，步骤如下：一：建立系统基本方程，并进行滤波初始化；二：得到系统保持三阶精度的充分条件；三：选取Sigma采样点类型，通过优化求参形成Sigma点集；四：对系统进行时间更新和迭代变量更新；五：计算卡尔曼增益，对系统进行状态更新和协方差更新；六：重复步骤三至六，直至滤波结束。通过上述步骤，本发明通过对Sigma采样点数量和位置的调整，新得到的无迹卡尔曼滤波方法在保证无迹转换后得到的均值和协方差精度仍保持三阶精度的条件下，同时考虑改变Sigma点的数量和位置，并对其权重和方向进行优化，能够有效提高状态量的估计精度并降低计算复杂度，可以显著提高滤波器的性能。
-
Patent Agency Ranking
公开(公告)号：CN119720095A
公开(公告)日：2025-03-28
申请号：CN202411861928.9
申请日：2024-12-17
Applicant: 重庆大学
IPC: G06F18/25 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F17/18 , G01M13/04
Abstract: 本发明涉及轴承故障诊断技术领域，特别涉及一种基于知识特征融合的轴承故障诊断评估方法。所述方法包括：提取历史故障特征数据；训练故障诊断模型；以训练数据在故障诊断模型特征层的输出，引入中心损失函数训练嵌入层网络模型；以嵌入层网络模型对型特征数据进行映射；将映射数据和基于数据的知识特征进行加权融合；计算临近数据的局部密度分布情况；计算诊断结果的置信度。本发明通过融合故障诊断模型诊断过程中提取到的特征和故障数据本身的特征，在嵌入空间中根据样本局部密度分布估计出模型诊断结果的置信度情况，解决了故障诊断模型置信度评估困难、一般评估过程可解释性差的难题，能够获得复杂模型及复杂数据下的置信度评估结果。
-
公开(公告)号：CN119358401A
公开(公告)日：2025-01-24
申请号：CN202411465701.2
申请日：2024-10-21
Applicant: 重庆大学
IPC: G06F30/27 , G06N3/0499 , G06N3/08 , G06F119/14 , G06F119/12 , G06F111/04
Abstract: 本发明公开了一种复杂动态系统建模方法、应用方法及相关装置，涉及自动化领域，建模方法包括：构建实际物理复杂动态系统；确定实际物理复杂动态系统的解算子；对实际物理复杂动态系统进行时间离散化；基于解算子和离散化后的实际物理复杂动态系统，构建深度神经网络；融合深度神经网络与常微分方程的残差，构建物理方程与数据融合驱动的深度神经网络模型；获取实际数据集，并构建数据残差损失函数和常微分方程残差损失函数，通过加权求和计算得到总损失函数；通过最小化总损失函数，确定深度神经网络和常微分方程的残差之间的最优共享参数，得到最优的物理方程与数据融合驱动的深度神经网络模型。本发明可实现机理模型与数据模型深度融合与互补。
-
公开(公告)号：CN118821068A
公开(公告)日：2024-10-22
申请号：CN202410900103.7
申请日：2024-07-05
Applicant: 重庆大学
Abstract: 本发明涉及化工加注过程温度建模领域，特别涉及一种基于自适应随机变分贝叶斯的低温推进剂加注过程温度模型建立方法。包括：采集低温推进剂加注系统的加注流量以及温度；建立NARX有源非线性自回归模型；以自适应随机变分贝叶斯算法优化NARX有源非线性自回归模型。本发明采用自适应随机变分贝叶斯方法，解决大规模数据下的非线性模型辨识问题。与传统变分贝叶斯方法相比，所用方法通过使用比例采样的梯度计算方式，大大减小了计算量；与随机变分贝叶斯方法相比，本发明所用方法通过平滑梯度和自适应学习率，在保持计算复杂度优势的同时，加快了收敛速度，也即时间减少。
-
公开(公告)号：CN118170495A
公开(公告)日：2024-06-11
申请号：CN202410371665.7
申请日：2024-03-29
Applicant: 重庆大学
Abstract: 本发明涉及云计算技术领域，特别涉及一种基于分布式计算的深度学习任务处理方法及系统。包括：1、深度学习模型推理服务容器化；2、分发待处理深度学习任务；3、部署容器化深度学习模型推理服务到分发了深度学习任务的计算节点；4、监控并汇总计算节点处理深度学习任务的进程；5、更新容器化的深度学习模型推理服务。本发明提供了一种先进的、高度可定制的分布式模型推理服务部署方法及系统，可以有效降低应用模型推理服务的难度，提高系统的资源利用率，并且服务部署较为轻便，能够适用于各种规模的机器学习模型。
-
公开(公告)号：CN118113312A
公开(公告)日：2024-05-31
申请号：CN202410288812.4
申请日：2024-03-14
Applicant: 重庆大学
IPC: G06F8/61 , G06F8/76 , G06F9/455 , G06F3/0481 , G06N3/08
Abstract: 本发明涉及计算机技术领域，特别涉及一种基于容器技术的深度学习算法库部署方法及装置。包括：1)算法调用，通过主函数确定一系列信息，从而调用相应的算法部署子函数；2)前后端交互，利用flask为算法调用流程创建一个服务端，实现与前端的高效交互，用户能够通过前端界面选择算法、数据增强技术和模型架构等参数；3)容器化部署，将整个程序打包成Docker镜像，用户可以在任何设备上轻松部署程序，无需配置复杂的环境。本发明通过边缘计算中基于容器的方法对深度学习算法库进行部署，通过实现算法封装、前后端交互和容器化部署，在提升边缘计算环境下深度学习算法的部署效率和灵活性方面具有显著的创新和实际应用价值。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.018 seconds)
