-
公开(公告)号：CN103023803A
公开(公告)日：2013-04-03
申请号：CN201210537578.1
申请日：2012-12-12
Applicant: 华中科技大学
IPC: H04L12/803 , H04L12/911
Abstract: 本发明公开了一种以太网光纤通道虚拟链路的优化方法，包括：FCoE端点设备产生初始化优先级值，并写入FCoE登录报文，并将该报文单播至同一网络的目标FCoE交换机，FCoE端点设备判断从目标FCoE交换机接收到的是应答报文还是拒绝报文，如果接收到拒绝报文，则FCoE端点设备接收来自用户的请求，根据该请求判断是否需要建立新的虚拟链路，如果不是，则FCoE端点设备判断其中是否存在有虚拟链路，如果有则FCoE端点设备对其中的所有虚拟链路进行监控，以获取每条虚拟链路的数据传输负荷，FCoE端点设备根据所获取的数据传输负荷动态调整每条虚拟链路对应的优先级，并将优先级放置到每条虚拟链路的保持报文中。本发明解决现有方法中存在的虚拟链路处理资源分配不合理的问题。
-
公开(公告)号：CN102035884B
公开(公告)日：2013-01-23
申请号：CN201010572302.8
申请日：2010-12-03
Applicant: 华中科技大学
IPC: H04L29/08
Abstract: 本发明公开了一种云存储系统，用于为用户提供云存储服务，其特征在于，该云存储系统包括：云存储服务提供商（103），一级代理节点（102），二级代理节点和存储云（105），用户发出服务请求，所述一级代理节点根据该请求选择出最佳的云存储服务提供商配置所提供的服务方案，所述二级代理点选择数据存储云中的存储中心，实现云存储服务。本发明还提供了一种云存储系统的数据部署方法，应用在删除、修改或增加用户数据。本发明能够支持多种云存储服务提供商所提供的服务，加快用户使用服务的响应速度，并能够根据用户的特点动态配置底层存储架构，以同时具有主从式与对等式存储架构的优点。
-
公开(公告)号：CN101477803B
公开(公告)日：2010-12-08
申请号：CN200810197557.3
申请日：2008-11-07
Applicant: 华中科技大学
IPC: G11B5/596
Abstract: 本发明属于计算机存储设备技术领域，为一种采用单滑块双读写微磁头的自伺服刻写方法。该方法包括：①在磁盘外径设定时钟参考信号；②根据位于外径上的读磁针读出的时钟参考信号，使内径方向上的写磁针定位在0道并由其刻写0道伺服信息；③前一道伺服信息写完后，磁头臂开始向内侧移动；④当位于外径方向的读磁针读出位于内径方向的写磁针写在上一道上的伺服信息时，磁头臂停止移动，并由位于内径方向的写磁针刻写下一道伺服信息；⑤重复第③步和第④步，直至所有磁道伺服信息刻写完成。本发明方法可提高硬盘生产效率，降低生产成本。本发明方法的数据正常读写操作时间明显减少，双微磁头并行读写还会使寻道次数随之减少，总寻道时间和盘片旋转等待时间减少，故硬盘读写速度随之提高。
-
公开(公告)号：CN101498994A
公开(公告)日：2009-08-05
申请号：CN200910060777.6
申请日：2009-02-16
Applicant: 华中科技大学
Abstract: 一种固态硬盘控制器，属于硬盘存储技术领域。硬盘控制器包括命令队列模块和闪存并行存储模块，命令队列优化模块获取命令地址队列，将其分离为写地址队列和读地址队列，依据写地址队列从硬盘缓冲区提取数据并写入闪存并行存储模块，依据读地址队列从闪存并行存储模块读取数据并输出给硬盘缓冲区。所述闪存并行存储模块包括一个以上的闪存通道，闪存通道内的闪存芯片采用位扩展方式。本发明对写操作和读操作分别进行处理，并通过闪存通道并行结构实现数据并行传输，从而有效提高了固态硬盘读写效率。
-
公开(公告)号：CN1845093A
公开(公告)日：2006-10-11
申请号：CN200610019001.6
申请日：2006-04-30
Applicant: 华中科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种属性可扩展的对象文件系统。系统包括用于设置文件系统基本信息的创建文件系统模块，用于读、设置或写对象属性的对象属性操作模块，用于读取或写入对象数据的对象数据操作模块，用于分配并设置或回收对象索引结点的对象索引结点管理模块和用于对数据区中块的分配和回收的数据区管理模块，以及OSD初始化模块，对象索引结点获取模块，对象可操作性判断模块和对象ID分配模块。本发明具有较好的可靠性和较高效率，对对象索引结点的分配操作只需直接读取簇信息表。本发明对象属性的可扩展性好，可使OSD对数据的组织进行优化，提高效率。也可使OSD更好地了解外部环境，合理的对资源进行预留和分配，来提高Cache的命中率和预取效率。
-
Patent Agency Ranking
公开(公告)号：CN103810497B
公开(公告)日：2017-04-19
申请号：CN201410037374.0
申请日：2014-01-26
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于忆阻器的图像识别系统及方法。所述系统包括图像信号提取模块、多个基于忆阻器的神经网络模块和识别模块；所述识别模块其输入端与多个神经网络模块的输出端相连；每个神经网络模块的输出端与识别模块的输入端相连，其输入端与信号提取模块的输出端相连。所述方法包括以下步骤：（1）获取待识别灰度图像的特征向量并输入各神经网络模型；（2）各神经网络模型根据其图像模型对所述特征向量分别进行打分并进行识别；（3）计算各神经网络分值与训练时获取标准值之差值，根据所述差值判断待识别图像类别。所述系统扩展性好，集成密度高，功耗低；所述方法，时间复杂度低，识别精度较高。
-
公开(公告)号：CN103634230B
公开(公告)日：2016-09-07
申请号：CN201310628565.X
申请日：2013-11-29
Applicant: 华中科技大学
IPC: H04L12/861 , G06F9/50
CPC classification number: Y02D50/10
Abstract: 本发明公开了一种基于动态预测的网络驱动层数据包接收方法，包括：建立空白链表和循环队列，并创建内核线程和内核定时器，接收网络设备中断，执行中断处理程序，并在进入中断处理程序后立即停止接收网络设备中断，判断网络设备中断指令的类型是接收指令还是错误指令，如果是接收指令，则判断接收指令的接收描述符中数据到达位是否为0，如果不是则判断空白链表中数据包缓存的数量是否低于阈值，如果不是则从空白链表中获取一个新数据包缓存，判断是否成功获取，如果不是则统计当前接收描述符对应的数据包缓存中有效数据的长度，并丢弃有效数据。本发明能够计算预分配数据包缓存的数量，以适应网络流量的变化，防止在数据流量较低时耗费过多内存。
-
公开(公告)号：CN103455843B
公开(公告)日：2016-03-02
申请号：CN201310358885.8
申请日：2013-08-16
Applicant: 华中科技大学
IPC: G06N3/02
Abstract: 本发明公开了一种反馈型人工神经网络训练方法及计算系统,属于神经网络计算领域。一种人工神经网络训练方法，突触权重根据神经突出两端的前馈信号和反馈信号调整，当神经突出两端分别为兴奋前馈信号和兴奋反馈信号时，该突出权重调整到最大值，当神经突出两端分别为静息前馈信号和兴奋反馈信号时，该突出权重调整到最小值；一种反馈型人工神经网络计算系统，节点电路包括计算模块、前馈模块和反馈模块，节点电路通过忆阻器模拟的神经突出相连，采用一系列脉冲信号实现所述反馈型人工神经网络训练方法。本发明提供的人工神经网络收敛速度快，人工神经网络计算系统控制元件较少，能耗低，可应用于数据挖掘、模式识别、图像识别等方面。
-
公开(公告)号：CN104124961A
公开(公告)日：2014-10-29
申请号：CN201410359201.0
申请日：2012-07-09
Applicant: 华中科技大学
IPC: H03K19/20
Abstract: 本发明公开了一种基于忆阻器的逻辑非门电路；包括：第六忆阻器、第七忆阻器、三态门、第三电阻；所述第六忆阻器的输入端作为所述非门电路的输入端；所述第七忆阻器的输入端连接电源电压；所述三态门的使能端连接至所述第六忆阻器的输出端，所述三态门的输入端连接至所述第七忆阻器的输出端，所述三态门的输出端通过所述第三电阻接地；所述第七忆阻器的输出端作为所述非门电路的输出端。本发明能实现现有门电路的逻辑处理功能，提高了电子设备的可靠性和灵活性，同时降低了成本，还在集成度、功耗、速度等方面优于传统的基于COMS的逻辑门电路，实现了信息的存储和处理的统一，有利于克服当今计算机系统结构中信息处理与存储分离造成的瓶颈问题。
-
公开(公告)号：CN103810497A
公开(公告)日：2014-05-21
申请号：CN201410037374.0
申请日：2014-01-26
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于忆阻器的图像识别系统及方法。所述系统包括图像信号提取模块、多个基于忆阻器的神经网络模块和识别模块；所述识别模块其输入端与多个神经网络模块的输出端相连；每个神经网络模块的输出端与识别模块的输入端相连，其输入端与信号提取模块的输出端相连。所述方法包括以下步骤：（1）获取待识别灰度图像的特征向量并输入各神经网络模型；（2）各神经网络模型根据其图像模型对所述特征向量分别进行打分并进行识别；（3）计算各神经网络分值与训练时获取标准值之差值，根据所述差值判断待识别图像类别。所述系统扩展性好，集成密度高，功耗低；所述方法，时间复杂度低，识别精度较高。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.025 seconds)
