-
公开(公告)号：CN113115136A
公开(公告)日：2021-07-13
申请号：CN202110284642.9
申请日：2021-03-17
Applicant: 桂林电子科技大学
IPC: H04Q11/00
Abstract: 本发明公开了一种基于单故障模型的光路由器桥接故障定位方法，包括如下步骤：初始化光路由器每个输入端口和输出端口的具体属性，并将所述光路由器中的微环谐振器进行分类，分为入口谐振器和出口谐振器；将所述入口谐振器根据所连的所述输入端口进行分组，并根据所述入口谐振器在所述输入端口处输入与入口谐振器对应的测试信号；待测试信号输入后，获取所述光路由器的各所述输出端口检测到的第一信号，将所述第一信号与无故障状态下所述光路由器的各所述输出端口标准输出信号对比，若所述第一信号与各所述输出端口标准输出信号不相符，则根据输出信号的不同确定出现桥接故障的所述微环谐振器。
-
公开(公告)号：CN112751611A
公开(公告)日：2021-05-04
申请号：CN202110002657.1
申请日：2021-01-04
Applicant: 桂林电子科技大学
IPC: H04B10/079
Abstract: 本发明公开了一种基于单故障模型的光路由器桥接故障数量检测方法，首先，对输入端口和输出端口属性进行初始化，并对所述输入端口和所述输出端口属性对应的多个出口谐振器进行统计；接着，根据所述输入端口和所述输出端口的标识符是否一致，建立三种寻找结构，其中，三种所述寻找结构包括直通光路、单谐振光路和多谐振光路；然后，根据所述直通光路、所述单谐振光路和所述多谐振光路顺序进行故障查找；最后，计算每条路径下的所有微环谐振器的组合方式，并采用累加的方式，得到所有的单个桥接故障数量，提高故障查找率。
-
公开(公告)号：CN109102062B
公开(公告)日：2020-03-13
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：CN108363146B
公开(公告)日：2020-02-04
申请号：CN201810210662.X
申请日：2018-03-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种低插入损耗的五端口光学路由器，包括12个微环谐振器、6条光波导、5个输入口、5个输出口和2个终端结点。第一端输入口到第二端输出口为第一光波导；第二端输入口到第一端输出口为第二光波导；第三端输入口到第五端输出口为第三光波导；第五端输入口到第三端输出口为第四光波导；第四端输入口到第一终端结点为第五光波导；第二终端结点到第四端输出口为第六光波导。本发明利用微环谐振器对特定波长的谐振特性，将微环谐振器和光波导巧妙组合，实现了五个双向端口的无阻塞路由交换，其不仅精简了光路由器结构，提高了器件的利用率，减小了光路由器的面积，降低了成本，而且降低了插入损耗和能耗，增强了光互连网络的可扩展性。
-
公开(公告)号：CN110544523A
公开(公告)日：2019-12-06
申请号：CN201910799705.7
申请日：2019-08-28
Applicant: 桂林电子科技大学
Abstract: 本发明专利提出一种属于医学影像和医学图像处理领域，本发明是一种用于卷积神经网络训练的假彩色医学图像合成方法，获取医学数字成像和通信文件中的数据值；将所述数据值进行前期预处理，得到体重摄取值；将至少一个体重摄取值的值区间映射至0-255灰阶，得到第一数量组值区间，所述体重摄取值计算后的值位于0-40，所述体重摄取值得到第一数量组映射值；选取第二数量组所述映射值赋值到RGB颜色系统，所得映射值放入RGB颜色系统得到假彩色图像，所得假彩色图像就能用于卷积神经网络训练。
-
Patent Agency Ranking
公开(公告)号：CN106503333A
公开(公告)日：2017-03-15
申请号：CN201610918068.7
申请日：2016-10-20
Applicant: 桂林电子科技大学
CPC classification number: G06F17/5013 , G06F11/3684
Abstract: 本发明公开一种三维片上网络测试规划方法，结合3D NoC测试的特点建立一种时间Petri网模型，将变迁激发序列作为并行测试任务规划方案，通过改进的两级递阶蝙蝠算法，在测试路径分配基础上进行顺序调度优化，将测试资源合理有效的分配给各IP核。本发明采用的模型直观的描述了3D NoC测试规划问题，可以有效降低3D NoC测试时间、提高测试效率、保证测试有效性。本发明的测试规划算法在解的质量、收敛速度方面具有一定的优势，能有效提高并行测试的效率，降低测试时间。
-
公开(公告)号：CN103412849A
公开(公告)日：2013-11-27
申请号：CN201310334500.4
申请日：2013-08-02
Applicant: 桂林电子科技大学
IPC: G06F15/173
Abstract: 本发明为ARM处理器的NoC资源网络接口及其驱动方法，本ARM处理器的NoC资源网络接口ARM-RNI，包括建立于FPGA中的AHB总线接口处理模块、发送和接收模块，经数据总线直接与ARM处理器的AHB总线连接。ARM中有Linux系统及其FPGA的设备驱动程序。ARM-RNI与路由节点相连接。本驱动方法为初始化后，发送、接收模块的输入、输出缓冲器的物理地址映射到ARM内核，ARM发送的数据经ARM-RNI的发送模块传送到当地路由节点，片上网络转发的的数据经ARM-RNI的接收模块传送到ARM。本发明实现ARM与FPGA稳定高速的数据通信，减少了FPGA资源的使用，NoC可用功能强大的ARM、拓展其应用，增强NoC的扩展能力和网络通信能力。
-
公开(公告)号：CN103310850A
公开(公告)日：2013-09-18
申请号：CN201310261284.5
申请日：2013-06-27
Applicant: 桂林电子科技大学
IPC: G11C29/12
Abstract: 本发明为片上网络资源节点存储器的内建自测试结构和自测试方法，本内建自测试结构包括建立于FPGA芯片的BIST控制器，还有嵌于相应路由器的资源网络接口和BIST接口、测试图形生成器和测试响应分析器。BIST控制器经外设接口和外部测试设备连接。本方法为：外部测试设备向BIST控制器发送指令启动测试程序；BIST控制器按照March C+测试算法程序向各测试模块发送使能信号和状态选择信号，在每个测试状态下对SRAM各地址进行读写操作，发现故障立即停止。测试结果发送给外部测试设备。本发明测试时间减少一半，复用NoC的路由网络作为测试数据路径，数据传输可靠安全，芯片面积开销小；故障覆盖率较高。
-
公开(公告)号：CN119740077A
公开(公告)日：2025-04-01
申请号：CN202411868577.4
申请日：2024-12-18
Applicant: 桂林电子科技大学
IPC: G06F18/24 , G06F18/10 , G06F18/2131 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/045
Abstract: 本发明公开了一种基于增量学习策略的跨个体脑电信号情感识别方法，首先，导入采集的脑电信号数据并对数据进行预处理和数据增强；其次，对数据集进行划分，将数据集切割为原始训练集、增量训练集和测试集；然后，对生理‑情绪识别模型(后文简称TSN‑LWF)进行训练；最后，基于上述步骤训练完成的TSN‑LWF模型，将测试数据输入，输出得到效价和唤醒维度二分类或多分类任务跨个体脑电信号情感识别结果。
-
公开(公告)号：CN114820308B
公开(公告)日：2024-11-08
申请号：CN202210377676.7
申请日：2022-04-12
IPC: G06T3/4053 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于特征卷积神经网络的太赫兹超分辨重建方法、系统及计算机可读存储介质，特征卷积神经网络包括边缘检测模块、下采样模块和超分辨重构模块，太赫兹超分辨重建方法包括：获取训练样本集，将训练样本集中的缺陷图像集输入边缘检测模块生成二值边缘图像集；将二值边缘图像集输入下采样模块进行下采样处理，得到特征卷积核算子；将训练样本集输入超分辨重构模块，使得超分辨重构模块根据特征卷积核算子对高分辨率图像集以及低分辨率图像集进行训练，生成权重矩阵；根据权重矩阵生成与训练样本集对应的目标缺陷图像。在本发明实施例中,基于特征卷积神经网络实现太赫兹超分辨重建，能够提高太赫兹缺陷轮廓分辨率。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.029 seconds)
