-
公开(公告)号：CN111881055B
公开(公告)日：2023-07-14
申请号：CN202010775179.3
申请日：2020-08-03
Applicant: 北京计算机技术及应用研究所
IPC: G06F11/36
Abstract: 本发明涉及一种军用软件评测规范的Simulink模型设计方法，其中，包括：分解出Simulink自带规则检查工具Model Advisor中直接影响代码标准符合性的模型检查项；收集Simulink模型进行成分分析，并使用Model Advisor中直接影响代码标准符合性的模型检查项进行规则检查，将通过规则检查的模型入库；将GJB 8114强制类准则逐项分解为由代码生成器决定和由用户行为决定的两类，利用假设检验方法对该两类准则进行验证；将得到的Model Advisor中直接影响代码标准符合性的模型准则、需谨慎使用的Simulink模块集合、由用户行为决定的模型设计准则、基于Simulink自带的模块库的模型设计准则进行提炼和加工，形成Simulink模型设计准则。
-
公开(公告)号：CN110647353B
公开(公告)日：2023-04-28
申请号：CN201910846500.X
申请日：2019-09-09
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种本发明一种无监督的软件复杂度评估方法，其中，包括：步骤一、针对软件程序复杂度的度量，总结提炼常用的程序复杂度度量元；步骤二、基于高斯混合模型的度量元概率归一化，包括：首先，针对数据中的各个度量元的频率分布，使用无监督的最大期望算法进行高斯混合建模，拟合该度量元的概率密度函数，基于该度量元的概率密度函数计算其累积分布函数，使用累积分布函数的值作为该度量元的归一化处理后的数值；步骤三、评估基于AOV网络的软件复杂度。
-
公开(公告)号：CN110704316A
公开(公告)日：2020-01-17
申请号：CN201910917842.6
申请日：2019-09-26
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明公开了一种国产环境下办公软硬件测试方法，首先在云化服务器上对办公软件集进行模板化分解并建立服务集合库；其次将云化服务器上的服务集合库进行服务组装，形成多个评测场景；然后对于每一个评测场景，使用不同的测试工具集对其进行评测，通过自动化脚本生成器完成不同测试场景所要求的自动化脚本的评测参数设置和数据注入；执行自动化评测脚本；将自动化脚本之后的结果进行收集与比对，输出评测结果。本发明把测试基准移植到国产化操作平台，实现了计算机软硬件系统的并发测试，并将软件细粒度模块组合设计了不同测试场景，使用自动化评测脚本工具增强了评测的自动化程度。
-
公开(公告)号：CN110532557A
公开(公告)日：2019-12-03
申请号：CN201910807636.X
申请日：2019-08-29
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种无监督的文本相似度计算方法，其中，包括：步骤一：进行嵌入层模型预训练，对问题集合中的所有词进行预训练，生成满足模型需要的词向量；步骤二：编码层网络，挖掘句子的语义信息；步骤三：进行基于TFIDF融合的模型改进，包括：在每条问句输入到神经网络的同时，对输入的每条问句进行TFIDF的计算，并将计算好的权值输入到神经网络中，控制最后的句子向量表示，采用了归一化的TFIDF计算方法，并将其融入到编码层和表示层。本发明将深度神经网络模型(Bi-LSTM)用于语料库的无监督训练，得到语言模型，通过无监督的训练方式，可以充分地利用大规模的语料库的信息，从而提高文本匹配的准确率，提升信息检索的精度。
-
公开(公告)号：CN111160535A
公开(公告)日：2020-05-15
申请号：CN201911412304.8
申请日：2019-12-31
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于Hadoop的DGCNN加速方法，其中，包括：利用MapReduce实现训练样本和计算答案初始位置与结束位置的并行化，分布式地存储在Hadoop平台的每个节点上，每个节点都存储一个相同的完整的卷积神经网络，对于各小块中的每一个样本，节点都执行一次前向传播和反向传播计算，得出各个权值和偏置的局部改变量以及位置信息，接着汇总每个权值和偏置的局部改变量从而得到全局改变量，多次用全局改变量更新权值之后，获得最终网络；使用CUDA进行特征矩阵、神经元以及权值的并行化，为每一层的特征矩阵启动一个线程格，线程块中每个线程对应一个神经元，使得神经元并行，在误差反向传播中，用一个线程对应一个权值，计算该权值的局部梯度改变量，使得权值并行。
-
Patent Agency Ranking
公开(公告)号：CN111881055A
公开(公告)日：2020-11-03
申请号：CN202010775179.3
申请日：2020-08-03
Applicant: 北京计算机技术及应用研究所
IPC: G06F11/36
Abstract: 本发明涉及一种军用软件评测规范的Simulink模型设计方法，其中，包括：分解出Simulink自带规则检查工具Model Advisor中直接影响代码标准符合性的模型检查项；收集Simulink模型进行成分分析，并使用Model Advisor中直接影响代码标准符合性的模型检查项进行规则检查，将通过规则检查的模型入库；将GJB 8114强制类准则逐项分解为由代码生成器决定和由用户行为决定的两类，利用假设检验方法对该两类准则进行验证；将得到的Model Advisor中直接影响代码标准符合性的模型准则、需谨慎使用的Simulink模块集合、由用户行为决定的模型设计准则、基于Simulink自带的模块库的模型设计准则进行提炼和加工，形成Simulink模型设计准则。
-
公开(公告)号：CN110597955A
公开(公告)日：2019-12-20
申请号：CN201910846499.0
申请日：2019-09-09
Applicant: 北京计算机技术及应用研究所
IPC: G06F16/33 , G06F16/53 , G06F16/583 , G06F16/538
Abstract: 本发明涉及一种基于TFIDF的文档内图片搜索方法，其中，包括：步骤一、获取路径下所有文档；步骤二、MD5校验与去重；步骤三、处理并获取每个文档中的图片与图片描述；步骤四、为所有图片、图片说明及对应文档建立索引，进行图片搜索，包括：根据解析后的图片说明采用TF-IDF方法计算并获得不同图片的向量表示，抽取用户输入的图片查询语句中的关键词信息，构建用户查询向量；通过余弦相似度计算查询语句与不同图片说明之间的相似性；根据计算结果返回最相似的Top K的图片说明对应的图片。本发明现了基于TFIDF的文档内图片的搜索。
-
公开(公告)号：CN111160535B
公开(公告)日：2024-01-30
申请号：CN201911412304.8
申请日：2019-12-31
Applicant: 北京计算机技术及应用研究所
IPC: G06N3/098 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于Hadoop的DGCNN加速方法，其中，包括：利用MapReduce实现训练样本和计算答案初始位置与结束位置的并行化，分布式地存储在Hadoop平台的每个节点上，每个节点都存储一个相同的完整的卷积神经网络，对于各小块中的每一个样本，节点都执行一次前向传播和反向传播计算，得出各个权值和偏置的局部改变量以及位置信息，接着汇总每个权值和偏置的局部改变量从而得到全局改变量，多次用全局改变量更新权值之后，获得最终网络；使用CUDA进行特征矩阵、神经元以及权值的并行化，为每一层的特征矩阵启动一个线程格，线程块中每个线程对应一个神经元，使得神经元并行，在误差反向传播中，用一个线程对应一个权值，计算该权值的局部梯度改变量，使得权值并行。
-
公开(公告)号：CN110532557B
公开(公告)日：2023-07-28
申请号：CN201910807636.X
申请日：2019-08-29
Applicant: 北京计算机技术及应用研究所
IPC: G06F40/216 , G06F40/30 , G06F18/22 , G06N3/088 , G06N3/0442 , G06N3/045
Abstract: 本发明涉及一种无监督的文本相似度计算方法，其中，包括：步骤一：进行嵌入层模型预训练，对问题集合中的所有词进行预训练，生成满足模型需要的词向量；步骤二：编码层网络，挖掘句子的语义信息；步骤三：进行基于TFIDF融合的模型改进，包括：在每条问句输入到神经网络的同时，对输入的每条问句进行TFIDF的计算，并将计算好的权值输入到神经网络中，控制最后的句子向量表示，采用了归一化的TFIDF计算方法，并将其融入到编码层和表示层。本发明将深度神经网络模型(Bi‑LSTM)用于语料库的无监督训练，得到语言模型，通过无监督的训练方式，可以充分地利用大规模的语料库的信息，从而提高文本匹配的准确率，提升信息检索的精度。
-
公开(公告)号：CN110716875A
公开(公告)日：2020-01-21
申请号：CN201910917182.1
申请日：2019-09-26
Applicant: 北京计算机技术及应用研究所
IPC: G06F11/36
Abstract: 本发明公开了一种国产办公环境下基于反馈机制的并发测试方法，首先建立评测环境，然后构建不同的评测场景，运行被测办公系统和评测工具，采用评测工具收集被测办公系统产生的办公日志，并对收集到的评测日志统计分析，提取热点信息模型；最后在构建出的不同的评测场景中，评测工具开始对办公系统具体测试。本发明考虑了虚拟化分配机制的相关操作，实现了动态压力调整，服务器在将测试用例分发给底层硬件时，根据反馈机制实现多目标优化模型，考虑了测试用例与各类硬件的关联性以及硬件组件之间的负载均衡。这种基于反馈机制的测试方案，流程简单，精准度高，覆盖面全，可以满足未来计算机高速发展的要求。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.209 seconds)
