复杂网络多元结构模式表征与发现方法

    公开(公告)号:CN102682050A

    公开(公告)日:2012-09-19

    申请号:CN201110358417.1

    申请日:2011-11-14

    Applicant: 吉林大学

    Inventor: 杨博 刘大有

    Abstract: 一种复杂网络多元结构模式表征和发现方法,包括下列主要步骤:构造多粒度随机分块模型;基于模块和模块耦合关系定义各种结构模式及它们之间的重叠和嵌套关系;基于多粒度随机分块模型构建复杂网络的异构层次结构;从下至上依次抽取各层次上的结构模式。该方法具有如下优点:(1)能够以简单、一致的方式定义社区、中枢、权威、边缘、二分、多分和领结等常见的复杂网络结构模式,以及模式之间的各种复杂关系。(2)能够正确的发现共存于网络中的多种结构模式以及它们之间的各种复杂关系。(3)本发明提供的多元结构模式分析方法是对现有网络结构模式分析方法的重要推广,具有更加广泛的适用范围,更加适合于探索结构未知的真实网络。

    一种汽车风洞模型吊装与支撑通用装置

    公开(公告)号:CN101825515B

    公开(公告)日:2011-11-23

    申请号:CN201010146791.0

    申请日:2010-04-15

    Applicant: 吉林大学

    Abstract: 本发明涉及一种汽车风洞模型吊装与支撑装置,属于汽车风洞实验设备。该装置包括前支撑和后支撑两个部分,所述的前支撑采用一整根长梁(1)与一个口字形的接触面I(2)通过焊接相连,接触面I(2)上设有与试验模型紧密连接的定位孔I(3),长梁(1)两端设有与天平支架定位与连接用的螺纹孔I(5);所述的后支撑采用两根吊装梁(6)分别与双口字形的接触面II(7)通过焊接相连而成,接触面II(7)的中间为支撑钢板(9),定位孔II(10)设在支撑钢板(9)上,螺纹孔II(11)设在吊装梁(6)的两端。本发明克服了试验模型吊装到试验段后支撑装置的连接发生干涉,确保试验模型吊装、支撑顺利进行。

    一种小样本细粒度图像分类方法及系统

    公开(公告)号:CN118279675B

    公开(公告)日:2024-09-27

    申请号:CN202410691981.2

    申请日:2024-05-31

    Applicant: 吉林大学

    Abstract: 本发明适用于图像分类技术领域,提供了一种小样本细粒度图像分类方法及系统,分类方法包括以下步骤:对支持图像和查询图像进行特征提取;运用自注意力机制进行特征的自我重构;利用支持特征重建查询特征,并利用查询特征重建支持特征;计算查询样本与支持样本之间的距离。本发明在Stanford Dogs、Stanford Cars及CUB‑200‑2011数据集上相较于现有技术显著提升;同时通过消融实验也证实了特征增强模块和类间类内感知模块的互补性以及双向重构策略的有效性。本发明应用于小样本细粒度图像分类任务具有切实的实际意义,在增加类间方差的同时减少了类内方差。

    基于常微分方程和超网络的事件预测方法

    公开(公告)号:CN116796173A

    公开(公告)日:2023-09-22

    申请号:CN202310792186.8

    申请日:2023-06-30

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于常微分方程和超网络的事件预测方法,旨在克服现有技术对节点间的持续相互作用以及节点嵌入通道间的交互考虑不足、事件独特背景信息对事件预测任务的作用等问题,该方法的步骤为:1.由数据处理模块对数据集中所有事件数据进行处理;2.获取并处理同一时间发生的所有事件的相关数据;3.利用基于图神经网络的常微分方程建模节点间的信息传递以及节点嵌入通道间的交互;4.利用超网络来捕捉事件的个体特征;5.利用消息传递机制建模网络结构变化时用户嵌入的瞬时变化;6.对数据集中每一个时间点进行步骤2‑5的处理,直至训练集所有数据训练完成。

    一种拓扑可迁移的神经动力学模型

    公开(公告)号:CN115730632A

    公开(公告)日:2023-03-03

    申请号:CN202211555183.4

    申请日:2022-12-06

    Applicant: 吉林大学

    Inventor: 黄晶 杨博 刘冰

    Abstract: 本发明涉及神经动力学模型技术领域,公开了一种拓扑可迁移的复杂网络神经动力学模型,包括所述神经动力学模型为解耦复杂网络神经动力学模型(DNND),该神经动力学模型的输入参数为xi、G、A、G、F,其中G为网络上的一个连续时间动态系统,xi为G中每个节点对应的状态变量,A为G的邻接矩阵,F和G分别为定义在节点和边上的实值函数:解耦复杂网络神经动力学: 本发明通过提出解耦复杂网络神经动力学的神经动力学模型,使得神经动力学模型可以在网络节点特征的原始测量数据上捕获拓扑不变的动态演化规则,可以真实地恢复节点上固有动态的真实形式以及两个耦合节点之间的相互作用。

    一种ZrO2陶瓷与金属连接的方法

    公开(公告)号:CN107129316B

    公开(公告)日:2020-06-12

    申请号:CN201710436241.4

    申请日:2017-06-12

    Applicant: 吉林大学

    Abstract: 本发明涉及一种ZrO2陶瓷与金属连接的方法,是将ZrO2陶瓷与金属上下叠放,中间不放任何钎料,置于高温真空炉内的上、下电极间,加热到金属熔点温度Tm的0.7~0.8倍后,利用上下电极对金属/ZrO2陶瓷施加一范围为5~500mA的恒定直流电,通电保温5~60min后冷却到室温,即完成ZrO2陶瓷与金属的连接。本发明与传统的金属‑陶瓷钎焊相比,不需要钎料,也不需对陶瓷表面进行预金属化处理,工艺过程简单易行;相比传统扩散连接不需使用大的压力,且时间短;与场致扩散连接相比,连接过程中的电压小,耗能低,操作安全,具有显著的技术优势。

    一种基于组稀疏贝叶斯学习的网络时空监控方法

    公开(公告)号:CN106845511A

    公开(公告)日:2017-06-13

    申请号:CN201611060599.3

    申请日:2016-11-16

    Applicant: 吉林大学

    Inventor: 杨博 裴红斌

    CPC classification number: G06K9/6278

    Abstract: 本发明公开了一种基于组稀疏贝叶斯学习的网络时空监控方法,其包括以下步骤:其包括基于组稀疏贝叶斯回归模型的网络时空监控步骤与基于组稀疏贝叶斯分类模型的网络时空监控步骤。将连续新数据转化为线性模型,利用组稀疏贝叶斯的回归法完成时空监控网络推断,并结合线性传播模型进行预测;稀疏贝叶斯主要是根据调整先验的方法实现的网络稀疏性,再利用边缘似然等方法对参数和超参进行优化迭代,而对于离散型数据,因为只包含几个离散点,将其转化为非线性数据,利用组稀疏贝叶斯的分类法完成时空监控网络推断,并结合非线性传播模型进行预测,为各种疾病的监控和控制、生态环境等领域提供相应预测范围。

    一种消除内转鼓模拟路面变形的方法及装置

    公开(公告)号:CN103759953A

    公开(公告)日:2014-04-30

    申请号:CN201410054668.4

    申请日:2014-02-18

    Applicant: 吉林大学

    Inventor: 卢荡 徐婷 杨博

    Abstract: 本发明属于轮胎特性测试技术领域,具体涉及一种用于消除重载轮胎特性测试时内转鼓模拟路面变形的方法及装置。其可以解决技术上存在的在内转鼓模拟路面上加载重载轮胎进行轮胎特性测试时易发生变形的问题。本发明消除内转鼓模拟路面变形的方法为:在内转鼓模拟路面的外鼓面上加载一个负载平衡轮胎,通过实时控制负载平衡轮胎施加于外鼓面的作用力来抵消测试轮胎施加于内鼓面的作用力,从而保证内转鼓模拟路面不易发生变形,提高了测试的精度和安全性。本发明还提供了一种实现上述方法的装置,该装置简单合理,通过实时控制加载给负载平衡轮胎的径向变形和侧偏角来实时控制负载平衡轮胎施加到内转鼓模拟路面的外鼓面上的作用力。

    汽车风洞流态显示梳管
    49.
    发明公开

    公开(公告)号:CN101881692A

    公开(公告)日:2010-11-10

    申请号:CN201010217670.0

    申请日:2010-07-02

    Applicant: 吉林大学

    Abstract: 汽车风洞流态显示梳管属汽车风洞实验技术领域,本发明由底座、张紧线II、张紧线I和上部组件组成,其中上部组件经其上的下加强筋与底座固接;张紧线I和张紧线II下端分别固接于底座两侧,张紧线I上端与上部组件的对称翼型包罩一侧上端固接,张紧线II上端与对称翼型包罩另一侧上端固接;底座设有通孔。本发明的风阻系数几乎为零,对流动的阻碍小;能有效降低本装置对汽车风洞流场的干扰;能防止分离,并减少对试验段流场品质的影响;操作方便,且能针对不同比例的汽车,实现从模型到整车进行多点的烟流态显示。

    一种小样本细粒度图像分类方法及系统

    公开(公告)号:CN118279675A

    公开(公告)日:2024-07-02

    申请号:CN202410691981.2

    申请日:2024-05-31

    Applicant: 吉林大学

    Abstract: 本发明适用于图像分类技术领域,提供了一种小样本细粒度图像分类方法及系统,分类方法包括以下步骤:对支持图像和查询图像进行特征提取;运用自注意力机制进行特征的自我重构;利用支持特征重建查询特征,并利用查询特征重建支持特征;计算查询样本与支持样本之间的距离。本发明在Stanford Dogs、Stanford Cars及CUB‑200‑2011数据集上相较于现有技术显著提升;同时通过消融实验也证实了特征增强模块和类间类内感知模块的互补性以及双向重构策略的有效性。本发明应用于小样本细粒度图像分类任务具有切实的实际意义,在增加类间方差的同时减少了类内方差。

Patent Agency Ranking