-
公开(公告)号：CN114816704B
公开(公告)日：2024-10-15
申请号：CN202210464762.1
申请日：2022-04-25
Applicant: 湖南大学
Abstract: 本发明公开了一种基于异构资源的Spark任务调度方法，包括以下步骤：服务端基于Linux命令获取系统所需资源信息并提交到资源管理器以创建集群管理器并完成初始化，服务端接收客户端提交的任务作业，并将该任务作业提交到创建的集群管理器，以将任务作业转换为多个弹性分布式数据集RDD，对得到的所有RDD进行解析，以得到表征多个RDD之间依赖关系的RDD图，服务端根据RDD图中所有RDD之间的依赖关系生成调度阶段的DAG图，服务端将DAG图中的所有RDD按照其对应的依赖关系划分为第一任务阶段、第二任务阶段以及第三任务阶段。本发明能够从各方面解决性能优化问题并解决现有任务调度系统由于资源管理器仅限于收集CPU核数导致系统资源浪费的技术问题。
-
公开(公告)号：CN114167865B
公开(公告)日：2023-09-22
申请号：CN202111456479.6
申请日：2021-12-02
Applicant: 深圳市证通电子股份有限公司 , 湖南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于对抗生成网络优化蚁群算法启发式搜索的机器人路径规划方法，包括：获取当前环境中的环境数据，并将环境数据转换为环境矩阵Gmap，获取机器人的起始目标点和结束目标点，并将生成的环境矩阵Gmap转换为领接矩阵Mmap；将机器人起始目标点坐标和结束目标点坐标与环境矩阵Gmap输入训练好的对抗生成网络GAN中，以得到在环境矩阵Gmap中存在最优路径的可行区域，根据环境矩阵Gmap中存在最优路径的可行区域对蚁群算法的地图初始信息素进行更新，根据更新后地图初始信息素并使用改进的蚁群算法获取机器人的最优规划路径。本发明能够解决现有蚁群算法存在的初始搜索的盲目性与收敛速度慢的技术问题。
-
公开(公告)号：CN115936485A
公开(公告)日：2023-04-07
申请号：CN202211442953.4
申请日：2022-11-17
Applicant: 湖南大学
IPC: G06Q10/0639 , G06F17/18
Abstract: 本发明公开了一种基于故障树的评估生产线稳定性的方法，包括以下步骤：获取一段时间内生产线上每一台设备的传感器采集到的该设备的多个参数，并计算每个参数对应的过程能力指数，将得到的每台设备对应的每个参数对应的过程能力指数输入预先训练好的多元线性回归模型，以得到该设备的稳定性指标，将每台设备的稳定性指标，输入到预先构建好的基于故障树的稳定性分析模型，以得到该设备最终的稳定性判断结果。本发明能够解决现有机器学习方法对于生产线复杂，训练时间长，导致实际部署运行无法适应生产环境的实时性要求的技术问题。
-
公开(公告)号：CN114417874A
公开(公告)日：2022-04-29
申请号：CN202210083152.7
申请日：2022-01-25
Applicant: 湖南大学
IPC: G06F40/295 , G06F40/216 , G06N3/04
Abstract: 本发明公开了一种基于图注意力网络的中文命名实体识别方法，包括以下步骤：获取待中文命名实体识别的中文语句，基于得到的中文语句构建中文语句对应的字向量集合X，将得到的中文语句对应的字向量集合X输入训练好的基于图注意力网络的中文命名实体识别模型中，以得到该中文语句对应的中文命名实体标注。本发明能够解决现有BiLSTM‑CRF模型中存在的单词边界与实体边界不一致、模型输入特征单一的技术问题，以及现有基于图注意力网络的协同图网络模型中存在的传统图注意力计算方法损害图注意力表达能力的技术问题。
-
公开(公告)号：CN114413855A
公开(公告)日：2022-04-29
申请号：CN202210089931.8
申请日：2022-01-25
Applicant: 湖南大学
IPC: G01C11/04 , G01C9/00 , G06V10/774 , G06V10/25 , G06V10/82 , G06V10/766 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图像识别的移动基站天线下倾角检测方法，包括以下步骤：获取单张待检测天线图片，并将该待检测天线图片输入训练好的目标检测模型中，以得到对应的最小分选框；根据获取的最小分选框计算得到移动基站天线的下倾角θ。本发明能够解决现有手动测量方法由于需要工作人员爬高贴近天线进行测量，导致存在人身安全隐患的技术问题；以及现有GSM‑R系统经济与人力成本高、实用性较差的技术问题；以及现有无人机测距估算方法准确度偏低、性能较差的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN114416423B
公开(公告)日：2024-08-23
申请号：CN202210089130.1
申请日：2022-01-25
Applicant: 湖南大学
Abstract: 本发明公开了一种基于机器学习的根因定位方法，包括：获取微服务应用系统中调用过程的数据所组成的调用链数据，获取微服务应用系统的业务指标数据、容器指标、中间件指标、主机指标、以及数据库指标数据；将获取的业务指标数据中的时间戳、平均调用时间、业务量、成功数量、成功率输入到训练好的支持向量机SVM网络中，以得到检测结果，并判断检测结果是否为异常，如果异常则对得到的检测结果进行根因检测，以得到故障发生的节点、以及导致故障发生的性能指标。本发明能够解决现有基于静态阈值设置的根因检测方法准确率低的技术问题，以及现有基于滑动窗口的根因检测方法难以识别实际数据指标的周期特性的技术问题。
-
公开(公告)号：CN114413855B
公开(公告)日：2023-04-07
申请号：CN202210089931.8
申请日：2022-01-25
Applicant: 湖南大学
IPC: G01C11/04 , G01C9/00 , G06V10/774 , G06V10/25 , G06V10/82 , G06V10/766 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于图像识别的移动基站天线下倾角检测方法，包括以下步骤：获取单张待检测天线图片，并将该待检测天线图片输入训练好的目标检测模型中，以得到对应的最小分选框；根据获取的最小分选框计算得到移动基站天线的下倾角θ。本发明能够解决现有手动测量方法由于需要工作人员爬高贴近天线进行测量，导致存在人身安全隐患的技术问题；以及现有GSM‑R系统经济与人力成本高、实用性较差的技术问题；以及现有无人机测距估算方法准确度偏低、性能较差的技术问题。
-
公开(公告)号：CN114816704A
公开(公告)日：2022-07-29
申请号：CN202210464762.1
申请日：2022-04-25
Applicant: 湖南大学
Abstract: 本发明公开了一种基于异构资源的Spark任务调度方法，包括以下步骤：服务端基于Linux命令获取系统所需资源信息并提交到资源管理器以创建集群管理器并完成初始化，服务端接收客户端提交的任务作业，并将该任务作业提交到创建的集群管理器，以将任务作业转换为多个弹性分布式数据集RDD，对得到的所有RDD进行解析，以得到表征多个RDD之间依赖关系的RDD图，服务端根据RDD图中所有RDD之间的依赖关系生成调度阶段的DAG图，服务端将DAG图中的所有RDD按照其对应的依赖关系划分为第一任务阶段、第二任务阶段以及第三任务阶段。本发明能够从各方面解决性能优化问题并解决现有任务调度系统由于资源管理器仅限于收集CPU核数导致系统资源浪费的技术问题。
-
公开(公告)号：CN114416423A
公开(公告)日：2022-04-29
申请号：CN202210089130.1
申请日：2022-01-25
Applicant: 湖南大学
Abstract: 本发明公开了一种基于机器学习的根因定位方法，包括：获取微服务应用系统中调用过程的数据所组成的调用链数据，获取微服务应用系统的业务指标数据、容器指标、中间件指标、主机指标、以及数据库指标数据；将获取的业务指标数据中的时间戳、平均调用时间、业务量、成功数量、成功率输入到训练好的支持向量机SVM网络中，以得到检测结果，并判断检测结果是否为异常，如果异常则对得到的检测结果进行根因检测，以得到故障发生的节点、以及导致故障发生的性能指标。本发明能够解决现有基于静态阈值设置的根因检测方法准确率低的技术问题，以及现有基于滑动窗口的根因检测方法难以识别实际数据指标的周期特性的技术问题。
-
公开(公告)号：CN114417874B
公开(公告)日：2024-10-15
申请号：CN202210083152.7
申请日：2022-01-25
Applicant: 湖南大学
IPC: G06F40/295 , G06F40/216 , G06N3/045 , G06N3/042 , G06N3/0442
Abstract: 本发明公开了一种基于图注意力网络的中文命名实体识别方法，包括以下步骤：获取待中文命名实体识别的中文语句，基于得到的中文语句构建中文语句对应的字向量集合X，将得到的中文语句对应的字向量集合X输入训练好的基于图注意力网络的中文命名实体识别模型中，以得到该中文语句对应的中文命名实体标注。本发明能够解决现有BiLSTM‑CRF模型中存在的单词边界与实体边界不一致、模型输入特征单一的技术问题，以及现有基于图注意力网络的协同图网络模型中存在的传统图注意力计算方法损害图注意力表达能力的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
