-
公开(公告)号:CN113971144B
公开(公告)日:2024-04-16
申请号:CN202111254497.6
申请日:2021-10-27
Abstract: 本发明涉及一种用于多处理器优先级仲裁的动态混合彩票方法,包括:彩票产生器动态产生每个主设备的初始彩票数,在设定的区间范围内,该初始彩票数在每个时钟周期内取任意值;根据请求时间的先后次序,计算每个主设备的时间权重f(t);计算每个主设备在考虑时间权重后的彩票持有总数;随机数生成器产生随机数,将该随机数与每个主设备的彩票持有总数进行比较,选中相应的主设备进行输出。本发明既考虑到为较高的优先级的主设备赋予数量较多的彩票数,又考虑到主设备获得的彩票数受到主设备发出请求的时间影响,请求的时间越早,那么彩票数也越多;提出时间权重函数修正了现有的彩票计算方法,使得彩票数计算充分考虑了请求时间的要素。
-
公开(公告)号:CN113971144A
公开(公告)日:2022-01-25
申请号:CN202111254497.6
申请日:2021-10-27
Abstract: 本发明涉及一种用于多处理器优先级仲裁的动态混合彩票方法,包括:彩票产生器动态产生每个主设备的初始彩票数,在设定的区间范围内,该初始彩票数在每个时钟周期内取任意值;根据请求时间的先后次序,计算每个主设备的时间权重f(t);计算每个主设备在考虑时间权重后的彩票持有总数;随机数生成器产生随机数,将该随机数与每个主设备的彩票持有总数进行比较,选中相应的主设备进行输出。本发明既考虑到为较高的优先级的主设备赋予数量较多的彩票数,又考虑到主设备获得的彩票数受到主设备发出请求的时间影响,请求的时间越早,那么彩票数也越多;提出时间权重函数修正了现有的彩票计算方法,使得彩票数计算充分考虑了请求时间的要素。
-
公开(公告)号:CN113970765A
公开(公告)日:2022-01-25
申请号:CN202111255577.3
申请日:2021-10-27
Abstract: 本发明涉及一种多模卫星导航接收机跟踪环路,包括:下变频器,用于将接收到的卫星信号经过下变频为中频信号,作为跟踪环路模块的输入信号;跟踪环路模块,用于对信号进行跟踪,最终获得导航电文,用于后续三维位置、速度、时间的解算;跟踪环路模块包括12个GPS跟踪环路和12个BD跟踪环路,每个跟踪环路均包括用于跟踪信号载波从而实现载波剥离的载波跟踪环,以及用于跟踪扩频码从而实现码剥离的码跟踪环。本发明具有弱信号跟踪能力,可以使跟踪环在弱信号条件下依然保持对信号的准确跟踪;本发明具有较低的功耗,设计了间隔累积、低频工作模式,在保证定位性能的基础上降低了跟踪环路的功耗。
-
公开(公告)号:CN113970765B
公开(公告)日:2025-02-14
申请号:CN202111255577.3
申请日:2021-10-27
Abstract: 本发明涉及一种多模卫星导航接收机跟踪环路,包括:下变频器,用于将接收到的卫星信号经过下变频为中频信号,作为跟踪环路模块的输入信号;跟踪环路模块,用于对信号进行跟踪,最终获得导航电文,用于后续三维位置、速度、时间的解算;跟踪环路模块包括12个GPS跟踪环路和12个BD跟踪环路,每个跟踪环路均包括用于跟踪信号载波从而实现载波剥离的载波跟踪环,以及用于跟踪扩频码从而实现码剥离的码跟踪环。本发明具有弱信号跟踪能力,可以使跟踪环在弱信号条件下依然保持对信号的准确跟踪;本发明具有较低的功耗,设计了间隔累积、低频工作模式,在保证定位性能的基础上降低了跟踪环路的功耗。
-
公开(公告)号:CN117975717A
公开(公告)日:2024-05-03
申请号:CN202311869552.1
申请日:2023-12-29
Applicant: 合肥学院
IPC: G08G1/01 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/042 , G06N3/049 , G06N3/047 , G06N3/082
Abstract: 本发明公开了基于融合Transformer的图卷积循环网络的交通流量预测方法及系统,包括:基于节点自适应参数学习(NAPL)模块、数据自适应图生成(DAGG)模块、GRU模块、Transformer模块构建交通流量预测模型;NAPL模块和DAGG模块的输出连接GRU模块、GRU模块的输出连接Transformer模块;参数修正,基于智能寻优算法更新交通流量预测模型中学习率以及学习率衰减、GRU的隐含层的层数、隐含层的神经元的个数、Transformer的层数和多头注意力的头数的参数取值组合,基于预测准确性判断参数取值组合的优选程度并趋向最佳参数取值组合变化;基于最佳参数取值组合重构预测模型并完成训练实现流量预测;本申请能自动推断不同交通序列之间的相互依赖关系,实现全程时间相关性的动态捕获,提高交通流量预测的精度。
-
公开(公告)号:CN115062750A
公开(公告)日:2022-09-16
申请号:CN202210679711.0
申请日:2022-06-16
Applicant: 合肥学院
Abstract: 本发明提供了一种动态进化鲸鱼优化算法的化合物水溶性预测方法,具体包括以下步骤:步骤S1:选取化合物水溶性数据集作为实验数据并将数据集划分为训练集和测试集;步骤S2:使用多种群和种群动态进化的策略改进鲸鱼优化算法提高鲸鱼优化算法的寻优能力;步骤S3:将改进后的鲸鱼优化算法用于LSTM神经网络的参数寻优,训练具有较优参数结构的LSTM神经网络;步骤S4:使用改后的LSTM神经网络预测预测化合物水溶性;利用本发明训练的LSTM深度学习模型,能够准确预测化合物水溶性;对传统的鲸鱼优化算法进行优化,提高了寻优精度和算法收敛效率;将深度学习与群体智能优化算法应用于化合物水溶性预测,为化合物相关性质预测的研究工作提供了有价值的参考。
-
公开(公告)号:CN113094390B
公开(公告)日:2022-04-19
申请号:CN202110364412.3
申请日:2021-04-05
Applicant: 合肥学院
IPC: G06F16/2453 , G06N3/00
Abstract: 本发明属于排序学习技术领域,特别涉及一种基于离散化布谷鸟搜索算法的伪标记数据生成方法,所述的方法包括对于每一个查询采用池化技术获取少量的标记数据,对每一个查询‑文档对中,特征向量空间的每一维的特征进行归一化;对查询‑文档对的特征种类进行分类,同时计算每一类特征向量到原点的欧式距离,并将此距离作为鸟窝的特征维度变量;本发明通过将文档相关度标记问题转换为文档相似度的计算问题,即在候选未标记的文档中搜索与标记样本相似度最高的文档,进而将伪标记数据的生成问题转化成求解文档相似度的最优化问题;同时引入了全局搜索能力强的布谷鸟搜索算法,形成了基于离散化的布谷鸟寻优算法,确保了最终伪标记数据生成的准确率。
-
公开(公告)号:CN114757050B
公开(公告)日:2024-06-25
申请号:CN202210478530.1
申请日:2022-05-05
Applicant: 合肥学院
IPC: G06F30/20 , G06F9/50 , G06F113/08
Abstract: 一种动态大气湍流相位屏的生成方法,涉及大气光学领域,首先利用次谐波法生成空域不相关的若干大气湍流相位屏,然后在两个空域不相关的相邻大气湍流相位屏之间,利用双向二分拉格朗日插值生成时间相关的M层大气湍流相位屏,若M层时间相关的大气湍流相位屏已经完全生成,那么计算出所产生的相位变化并记录;接着释放已经生成的时间相关的M层大气湍流相位屏所占用的存储空间,用于存放下一个M层的时间相关大气湍流相位屏;最后判断仿真是否结束,若未结束,重复步骤。本发明通过将空域不相关的粗粒度大气湍流相位屏以及时域相关的细粒度大气湍流相位屏进行融合,实现大气湍流所引起的光波相位的连续变化,模拟大气湍流随时间的演化过程。
-
公开(公告)号:CN113094390A
公开(公告)日:2021-07-09
申请号:CN202110364412.3
申请日:2021-04-05
Applicant: 合肥学院
IPC: G06F16/2453 , G06N3/00
Abstract: 本发明属于排序学习技术领域,特别涉及一种基于离散化布谷鸟搜索算法的伪标记数据生成方法,所述的方法包括对于每一个查询采用池化技术获取少量的标记数据,对每一个查询‑文档对中,特征向量空间的每一维的特征进行归一化;对查询‑文档对的特征种类进行分类,同时计算每一类特征向量到原点的欧式距离,并将此距离作为鸟窝的特征维度变量;本发明通过将文档相关度标记问题转换为文档相似度的计算问题,即在候选未标记的文档中搜索与标记样本相似度最高的文档,进而将伪标记数据的生成问题转化成求解文档相似度的最优化问题;同时引入了全局搜索能力强的布谷鸟搜索算法,形成了基于离散化的布谷鸟寻优算法,确保了最终伪标记数据生成的准确率。
-
公开(公告)号:CN112685152A
公开(公告)日:2021-04-20
申请号:CN202011552824.1
申请日:2020-12-24
Applicant: 合肥学院
Abstract: 本发明公开一种片上网络循环优先级仲裁方法,所述该方法采用一个双循环队列结构,第一循环队列用来放置所有的主设备,用于在时间片轮转时进行设备选择,第二循环队列设置在每个主设备内部,每个主设备都会提出若干传输请求,将这些请求根据先进先出的原则,存入到一个循环队列中。本发明保证传输请求为空的主设备不会重复进入时间片,能在一个时钟周期同时实现事务批量入队,极大降低了网络传输延迟。
-
-
-
-
-
-
-
-
-