-
公开(公告)号：CN110336694B
公开(公告)日：2022-02-18
申请号：CN201910520647.X
申请日：2019-06-17
Applicant: 桂林电子科技大学
IPC: H04L41/14 , H04L43/08 , H04L45/02 , H04L45/121 , G06N3/00
Abstract: 本发明公开一种基于Petri网与IFA的3D NoC测试调度方法，其一方面根据测试调度过程中各IP核测试流程相似、TAM选择随机、路由过程繁琐等特点，将Petri网模型分为上下两层，简化了建模过程，并通过着色思想减少模型元素，压缩了网规模，使3D NoC中IP核的测试调度过程、资源约束、优先级等特性得到精确的刻画；另一方面，对模型中的路由计算变迁进行改进，从而实现系统测试时间在调度组合方面与路由过程方面的双重优化；另外，在模型中嵌入IFA，为模型求解提供了有力的算法支持，从而能够高效求得最佳测试调度方案，且测试时间较其他方法大约缩短了8.94％，有效提升了测试效率。
-
公开(公告)号：CN111314167A
公开(公告)日：2020-06-19
申请号：CN202010042847.1
申请日：2020-01-15
Applicant: 桂林电子科技大学
IPC: H04L12/26 , H04L12/721 , H04L12/751
Abstract: 本发明公开了一种片上网络中基于超立方体拓扑结构的测试规划系统及方法，包括IP核提取模组、IP核编码模组、输入端口分配模组、路径算法模组、输出端口分配模组和数据分析模组，IP核提取模组提取待测电路中的测试IP核以及测试所需参数，通过IP核编码模组用超立方结构对IP核进行编码与映射，测试向量由输入端口分配模组分配到指定端口，然后路径算法模组用具有部分自适应能力的E-cube算法规划路径，对IP核进行测试，测试结果再由具有部分自适应能力的E-cube算法规划送到输出端口分配模组。通过减少测试过程中经过的路由器个数、IP核之间的距离以及数据传输过程中路由节点选择的多样性，减少IP核的测试时间，提高测试效率。
-
公开(公告)号：CN107612767B
公开(公告)日：2020-05-22
申请号：CN201710685262.X
申请日：2017-08-11
Applicant: 桂林电子科技大学
IPC: H04L12/26
Abstract: 本发明公开一种基于正弦余弦算法的NoC测试规划方法，采用专用TAM的并行测试方法，在满足功耗、引脚约束的条件下，建立测试规划模型，对NoC进行测试。通过群体围绕最优解进行正弦、余弦的波动，以及多个随机算子和自适应变量进行寻优，达到最小化测试时间的目的。在ITC’02test benchmarks测试集上进行对比实验，结果表明相比粒子群(PSO)算法，提出的算法能够获得更短的测试时间。
-
公开(公告)号：CN110336694A
公开(公告)日：2019-10-15
申请号：CN201910520647.X
申请日：2019-06-17
Applicant: 桂林电子科技大学
IPC: H04L12/24 , H04L12/26 , H04L12/727 , H04L12/751 , G06N3/00
Abstract: 本发明公开一种基于Petri网与IFA的3D NoC测试调度方法，其一方面根据测试调度过程中各IP核测试流程相似、TAM选择随机、路由过程繁琐等特点，将Petri网模型分为上下两层，简化了建模过程，并通过着色思想减少模型元素，压缩了网规模，使3D NoC中IP核的测试调度过程、资源约束、优先级等特性得到精确的刻画；另一方面，对模型中的路由计算变迁进行改进，从而实现系统测试时间在调度组合方面与路由过程方面的双重优化；另外，在模型中嵌入IFA，为模型求解提供了有力的算法支持，从而能够高效求得最佳测试调度方案，且测试时间较其他方法大约缩短了8.94％，有效提升了测试效率。
-
公开(公告)号：CN109829488A
公开(公告)日：2019-05-31
申请号：CN201910042418.1
申请日：2019-01-17
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明提出一种头颈部癌症局部复发预测装置，包括：数据采集模块，用于采集数据构成训练样本；分组模块，用于将所述训练样本分组为训练集和测试集；特征提取模块，用于对所述训练集进行特征提取；第一训练模块，用于接收所述特征提取模块提取的特征进行随机森林训练，得到第一随机森林分类器；第一测试模块，用于将所述测试集输入至所述第一随机森林分类器；第二训练模块，用于将所述第一随机森林分类器的输出作为输入进行随机森林训练，得到第二随机森林分类器；第二测试模块，用于将所述测试集输入至所述第二随机森林分类器。
-
Patent Agency Ranking
-
公开(公告)号：CN109102062A
公开(公告)日：2018-12-28
申请号：CN201810927745.0
申请日：2018-08-15
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于Petri网与混沌差分萤火虫算法的3D NoC测试规划方法，首先通过在原型Petri网的基础之上增加时延与带抑止弧的概念，能有效描述测试规划中的IP核调度问题、简化模型；模型建立后，为了在Petri网的变迁发生序列集合中实施高效寻优，对基本萤火虫算法进行了两处改进，即分别采用单维结合多维的混沌优化方法，使基本萤火虫算法具备精细的局部寻优能力，采用与差分进化算法之间的信息共享机制，增强基本萤火虫算法的全局寻优能力。将实验结果与其他测试方法的实验结果进行比较，结果显示本发明测试方法在测试时间与程序运行时间方面都展现出较明显的优势。
-
公开(公告)号：CN108614884A
公开(公告)日：2018-10-02
申请号：CN201810412863.8
申请日：2018-05-03
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于卷积神经网络的服装图像检索方法,该检索方法包括以下步骤：S1对图像进行预处理，提取感兴趣的服装区域；S2采用卷积神经网络Inception-v3模型作为预训练模型，将预处理后的图像信息输入到预训练模型中提取特征向量；S3采用K-means聚类算法对数据库图像库的进行预分类，得到与目标服装属于同一类别的图像簇；S4计算目标服装与图像库服装的相似度，根据相似度的值输出检索结果。该方法能够提高检索效率和准确率。
-
公开(公告)号：CN109948667A
公开(公告)日：2019-06-28
申请号：CN201910155118.4
申请日：2019-03-01
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种用于对头颈部癌症远端转移预测的图像分类方法，包括：采集医学影像数据，其中所述医学影像数据包括肺部CT数据和头颈部CT数据；对所述医学影像数据进行预处理；根据预处理后的医学影像数据构建第一分类器模型和第二分类器模型，基于临床变量构建第三分类器模型，其中，所述第一分类器模型为基于卷积神经网络的影像组学分类器，所述第二分类器模型为基于特征工程影像组学的分类器，所述第三分类器为基于临床信息的分类器；将所述第一分类器模型、第二分类器模型、第三分类器模型通过加权平均的方法进行集成，构成最终的分类模型；将医学图像及临床信息输入到所述最终的分类模型中，对所述医学图像进行分类。
-
公开(公告)号：CN106526450A
公开(公告)日：2017-03-22
申请号：CN201610949113.5
申请日：2016-10-27
Applicant: 桂林电子科技大学
IPC: G01R31/28
CPC classification number: G01R31/2851
Abstract: 本发明公开一种多目标NoC测试规划优化方法，采用重用NoC作为测试存取机制的并行测试方法，对NoC中的IP核进行测试，节省测试资源，提高测试效率。在量子多目标进化算法的基础上，采用多进制概率角编码替代二进制概率幅编码，更好的适应NoC测试规划问题；采用调和距离替代拥挤距离能更好的衡量拥挤程度；采用混沌策略动态更新旋转角，能很好地兼顾了算法的探索和发掘能力。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.049 seconds)
