-
公开(公告)号：CN115693157A
公开(公告)日：2023-02-03
申请号：CN202211267181.5
申请日：2022-10-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于AI的相控阵天线校准方法、系统、设备及存储介质，方法包括：收集每个辐射单元在不同相位时对应的辐射功率的原始数据；对所述的原始数据进行处理，得到用于训练模型的数据集；构造基于AI的机器学习模型；利用数据集对所构造的机器学习模型进行训练，得到训练好的模型；对给定的相控阵天线进行测量，获得用于输入训练好的模型的数据；将测量数据输入训练好的模型，输出辐射单元的预测馈电相位；计算预测馈电相位与所设置相位的差值，并求误差的平均值，将该平均值视为应当校准至的初始相位，至此相控阵天线校准完成。本发明运用基于AI的机器学习模型，减少制造误差与噪声对波束赋形的影响，实现精度较高的相控阵天线校准。
-
公开(公告)号：CN115082181A
公开(公告)日：2022-09-20
申请号：CN202210534485.7
申请日：2022-05-17
Applicant: 华南理工大学
IPC: G06Q40/02
Abstract: 本发明公开了一种基于区间直觉模糊信息的信贷评估方法及装置，方法包括：获取待评估企业的金融特征集数据；使用隶属度函数将金融特征集数据转化为隶属度矩阵和非隶属度矩阵；使用合成算子将隶属度矩阵与非隶属度矩阵合成为基于区间直觉模糊数的决策矩阵；基于相容度和满意度建立目标优化模型，利用目标优化模型计算得出各个特征的权重，该权重代表了当前特征集合中各个特征的权重大小；使用加权算子和特征权重对决策矩阵进行合成运算得到综合评价矩阵；使用得分函数和精确函数计算每个代评估企业的综合评价值，该综合评价值综合表征了企业还款能力与信贷风险。本发明解决了未知特征权重信息下进行信贷评估的问题，具有较好的可靠性、准确性。
-
公开(公告)号：CN114944998A
公开(公告)日：2022-08-26
申请号：CN202210246390.5
申请日：2022-03-14
Applicant: 华南理工大学
Abstract: 本发明公开的一种基于模拟器的物联网系统测试方法及装置，方法包括下述步骤：根据用户需要将待模拟的物联网设备信息存入设备数据库；利用JMeter的大规模并发能力生成相应数量的能够模拟真实设备与物联网系统通信的模拟器，同时在生成时读取设备数据库的信息作为参数使得生成的模拟器各不相同且与用户需求一一对应；通过分布式压测方式将模拟器生成任务分配给多台压测机。本发明基于大规模模拟器仿真大量真实物联网设备，实现物联网系统的大规模并发数据采集和处理的性能测试，解决了传统性能测试中步骤繁杂的问题，能快速找到物联网系统的性能瓶颈，且降低了在测试时需要使用大量真实设备而产生的成本。
-
公开(公告)号：CN114841368A
公开(公告)日：2022-08-02
申请号：CN202210426304.9
申请日：2022-04-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种面向不稳定联邦学习场景的客户端选择优化方法及装置，方法包括下述步骤：分析不稳定联邦学习的不稳定因素，所述不稳定因素包括客户端集合、客户端本地数据和客户端本地训练状态；建模客户端集合、客户端本地数据和客户端本地训练状态对模型训练性能的影响；建模客户端选择问题，即建模不稳定客户端集合、不稳定客户端本地数据和不稳定客户端本地训练状态对客户端选择的影响；提出一种基于上界置信区间和贪婪选择的客户端选择方法，选择最优的客户端组合。本发明能够有效适应学习环境的不稳定性，同时加速模型的收敛速度、提升模型的训练效果。
-
公开(公告)号：CN114547275A
公开(公告)日：2022-05-27
申请号：CN202210022627.1
申请日：2022-01-10
Applicant: 华南理工大学
IPC: G06F16/335 , G06F16/34 , G06F16/36 , G06N3/04
Abstract: 本发明公开了一种基于学者研究兴趣知识图谱的学者推荐方法、系统及介质，涉及文本挖掘、数据挖掘与推荐系统领域。本发明所涉及的主要流程包括：学者学术成果数据的采集与处理；学者研究兴趣标签数据的采集与处理；学者研究兴趣标签识别模型的训练与存储；基于学者研究兴趣知识图谱图神经网络的需求学者推荐。本发明提出的方法为一种基于知识图谱和图神经网络的学者推荐方法，可以在学术大数据背景下挖掘实际需求文本中的深度知识需求和学者学术知识间的关联，实现面向实际需求且符合深度需求知识关联模式的学者智能推荐。
-
Patent Agency Ranking
公开(公告)号：CN111737078B
公开(公告)日：2021-11-23
申请号：CN202010396546.9
申请日：2020-05-12
Applicant: 华南理工大学
Abstract: 本发明涉及一种基于负载类型感知的自适应云服务器能耗测算方法、系统及设备，方法包括：采集服务器监控数据并进行分析和清洗，得到一个离线的负载数据集和一个实时更新的负载数据集；基于离线的负载数据集，使用K‑Means聚类算法进行聚类，得到具有类簇边界的4个负载类型簇；根据类簇边界计算出每个负载类型的资源阈值区间；同时，基于实时的负载数据集，使用ARIMA算法进行预测；将资源阈值区间作为分类判定条件，进行负载类型的分类判别；根据分类判别结果设置负载能耗模型中的参数，实时计算此负载下的云服务器的能耗。本发明可以有效地在实际的云环境中测算各种工作负载所消耗的能耗，对服务器负载做出准确的能耗评估。
-
公开(公告)号：CN113344202A
公开(公告)日：2021-09-03
申请号：CN202110717161.2
申请日：2021-06-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种新的深度多核学习网络模型训练方法、系统及介质，该方法包括：确定网络的基础核函数种类；随机生成m个网络拓扑结构互不相同，每一层由n个基础核函数组成的网络M；生成m个带网络连接权重的网络Mw；通过遗传算法优化网络连接权重W，得到m个带最优连接权重的网络Mbest_w；通过遗传算法对Mbest_w进行网络拓扑结构优化，找出针对当前所解决问题的带最优网络拓扑结构的网络Mbest_c；迭代优化得出最优深度多核学习网络模型。本发明在确保深度学习网络的识别和泛化性能的同时，通过对网络模型进行基因编码并通过遗传算法对模型的各参数进行自动优化，解决神经网络的拓扑结构只能通过人工调参以及复杂神经网络的调参人工成本过高的问题。
-
公开(公告)号：CN113075995A
公开(公告)日：2021-07-06
申请号：CN202110463857.7
申请日：2021-04-26
Abstract: 本发明公开了一种基于混合群智能的虚拟机节能整合方法、系统和存储介质，包括下述步骤：资源监视器收集数据中心服务器的资源占用信息，虚拟机的资源请求信息及服务器与虚拟机之间的映射信息；根据不同型号服务器峰值效能比下的CPU利用率检测出超载服务器；根据迁移价值比从超载服务器中选出待迁移虚拟机迁出；利用混合差分进化粒子群优化算法重新放置待迁移虚拟机；根据集群的CPU负载均值选出欠载服务器进行关断，并利用混合差分粒子群优化算法重新放置欠载服务器中的虚拟机。本发明的虚拟机整合方法，能够通过多阶段的虚拟机调度有效降低集群的实时功耗，减少数据中心的活跃服务器数量和虚拟机迁移次数，并保证数据中心的服务质量。
-
公开(公告)号：CN112685162A
公开(公告)日：2021-04-20
申请号：CN202110012674.3
申请日：2021-01-06
Applicant: 华南理工大学
Abstract: 本发明公开了一种边缘服务器异构计算资源的高效能调度方法、系统及介质，方法包括下述步骤：通过先验计算，将计算任务归纳为n种任务类型；对边缘服务器每种服务器的状态进行初始化；在终端与边缘服务器的传输计算任务过程中增加一个缓存区域，对传输给边缘服务器的计算任务进行排队、分析；以当前缓存通道的计算任务W，服务器的当前的运行与存储状态作为输入，构建IPQC问题，然后用粒子群优化方法来求出最优解。本发明实现了边缘服务器的异构计算资源的高效能调度方法，能够利用边缘服务器有限的异构计算资源，大大提高边缘服务器计算资源的利用率，同时加速边缘服务器的处理速度，更加高效地完成从终端传输给边缘服务器的计算任务。
-
公开(公告)号：CN107656851B
公开(公告)日：2021-01-19
申请号：CN201710924039.6
申请日：2017-09-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于部件能耗模型的云服务器能耗测算方法及系统。所述方法包括步骤：系统中的硬件检测模块采集服务器硬件信息；模型匹配模块根据所获取的硬件信息与内建硬件模型数据库匹配，找到相应的能耗参数，并写入能耗模型配置文件；数据采集模块采集资源利用率；功耗估算模块根据适配得到的信息和资源利用率，使用对应部件的能耗模型进行系统或进程实的时能耗测算；系统对测算到的服务器能耗信息进行两种方式的持久化存储；系统能将服务器硬件信息、历史和实时能耗数据和传送至统计端程序。通过本发明，用户可以实时查看和监控当前服务器的能耗信息，为数据中心负载调度提供能耗参考。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.029 seconds)
