-
公开(公告)号：CN118276656A
公开(公告)日：2024-07-02
申请号：CN202410416493.0
申请日：2024-04-08
Applicant: 郑州轻工业大学
IPC: G06F1/20
Abstract: 本发明涉及一种大数据服务器高效散热机构，包括外壳，所述外壳的内壁固定连接有若干个隔板，所述外壳的下表面开设有安装口，且安装口的内壁固定连接有散热扇，所述外壳的上表面开设有出气口，所述隔板包括放置服务器设备的水平板，所述水平板的两侧形成有向上弯折的引导耳，所述引导耳的表面开设有通气孔，所述通气孔可引导气流吹向服务器设备加快冷却速度。本发明中，通过设置引导耳与通气孔，能够将由下向上的气流在每层引导吹向该层的服务器设备，提高散热速度，较之现有技术中，在每层设置散热扇或采用平板状的隔板，将气流吹向服务器设备能够使其快速降温，从而使该大数据服务器高效散热机构减少了散热成本并提高了散热效率。
-
公开(公告)号：CN114817087B
公开(公告)日：2022-11-11
申请号：CN202210520482.8
申请日：2022-05-12
Applicant: 郑州轻工业大学
IPC: G06F12/0862 , G06F12/0877
Abstract: 本发明涉及基于缓存失效行为的预取距离自适应调整方法及装置，属于计算机技术领域。该方法包括以下步骤：获取帮助线程的缓存失效率和主线程缓存失效率，根据所述帮助线程的缓存失效率和所述主线程的缓存失效率得到缓存失效率比，所述缓存失效率比为所述帮助线程的失效率与所述主线程失效率的比值；获取预取对象平衡选取比率；将所述缓存失效率比和所述预取对象平衡选取比率进行比较，根据比较结果调节所述帮助线程的预取距离。本发明利用帮助线程和主线程缓存失效行为信息，计算帮助线程与主线程的缓存失效率之比，根据比值和预取率的比较结果调整预取距离，从而为帮助线程预取设定最优预取距离，解决了传统方法存在的不能有效隐藏访存延迟的问题。
-
公开(公告)号：CN114238682A
公开(公告)日：2022-03-25
申请号：CN202111558721.0
申请日：2021-12-20
Applicant: 郑州轻工业大学
IPC: G06F16/583 , G06F16/55 , G06N3/04 , G06N3/06 , G06N3/08
Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于神经网络的图像检索方法及系统。该方法包括：获取每张检索图像输入分类网络中所有神经元输出的输出值序列；根据输出值序列在一个神经元的均值和方差得到特征指标；根据检索图像与对应簇的位置得到每个神经元的区分度；获取检索图像对应样本点的备选样本点，进一步得到每张检索图像对应的高斯模型；根据特征指标与区分度获取高斯模型的权值；获取多张检索图像的混合高斯模型，根据混合高斯模型获取所有备选样本点的匹配概率获取推荐给用户的备选样本点的顺序。能够提取图像中具有的特征，从而更加精准的将检索图像与数据库中的图像进行匹配推荐，提高检索图像分类的准确率。
-
公开(公告)号：CN112733019A
公开(公告)日：2021-04-30
申请号：CN202011641016.2
申请日：2020-12-31
Applicant: 郑州轻工业大学
IPC: G06F16/9535 , G06F16/9538 , G06F16/35 , G06F16/36 , G06N5/04 , G06F1/16 , H05K7/14
Abstract: 本发明公开了一种开放式知识图谱推理研究系统，包括源数据模块、大数据模块、知识图谱模块、特征数据比对模块、数据整合模块和搜索引擎模块，所述搜索引擎模块的输出端与所述大数据模块的输入端相连，本发明涉及知识图谱技术领域。该开放式知识图谱推理研究系统在开放式的网络资源环境下，当使用者需要搜索一种类型的产品时，优先通过在联网的搜索引擎中搜索产品的名称，大数据模块根据名称筛选出所需的知识图谱，知识图谱类型为多种且均包含有所搜索关键词的内容，使得携带相关数据的知识图谱均可被推理和筛选出来，方便为使用者提供更佳的选择和需求，从而智能化的推理和检索出所需的相关知识图谱的排序和类型。
-
公开(公告)号：CN117453832A
公开(公告)日：2024-01-26
申请号：CN202311229403.9
申请日：2023-09-22
Applicant: 郑州轻工业大学
Abstract: 本发明属于知识图谱实体对齐技术领域，特别涉及一种基于过滤加速的领域知识图谱实体对齐装置及方法，该装置包括过滤模块、嵌入模块和对齐模块，过滤模块借助过滤机制排除领域知识图谱中包含的干扰实体和明显不对齐实体并生成实体的双向候选集；嵌入模块首先通过自适应学习，构建实体间双维度结构特征作为结构聚合器的输入，结构聚合器学习实体的结构级别嵌入；再通过引入属性聚合器计算属性值权重建模属性级别嵌入；对齐模块计算嵌入向量之间的相似性，采用欧几里得范数来进行实体对齐。本发明采用了过滤机制过滤干扰实体和明显不匹配实体，减少不必要的计算，并通过多类型图神经网络在领域知识图谱的结构级别和属性级别上学习更复杂的嵌入表示。
-
Patent Agency Ranking
公开(公告)号：CN116557710A
公开(公告)日：2023-08-08
申请号：CN202310408163.2
申请日：2023-04-17
Applicant: 郑州轻工业大学
Abstract: 本发明涉及网络监控技术领域，具体为一种基于大数据的网络监控装置，包括安装底座，所述安装底座的内部设置有灵活调节监控装置监控方向的调节机构，所述安装底座的顶端设置有调节监控装置高度的升降机构，所述升降机构的一侧设置有保护监控装置的防护机构，所述防护机构的顶端设置有对防护机构进行清理的清洁机构，本发明的目的在于提供一种基于大数据的网络监控装置，提高监控装置的监控范围，使监控装置更加灵活，并且使监控装置便于维护，同时对监控装置进行防护，不免因生锈导致损坏，并且对监控装置进行散热，延长使用寿命。
-
公开(公告)号：CN114077498B
公开(公告)日：2023-03-28
申请号：CN202111380847.3
申请日：2021-11-20
Applicant: 郑州轻工业大学
Abstract: 本发明涉及人工智能技术领域，具体涉及一种面向移动边缘计算的计算负载选择及迁移方法及系统。该方法采集初始工作容器的功率数据和温度数据。当温度数据出现异常时，根据其他工作容器的功率数据筛选出可迁移工作容器。根据可迁移工作容器在容器迁移前的功率数据与初始工作容器的功率数据的相关性判断互补关联度。根据可迁移工作容器在容器迁移后的功率数据与初始工作容器的功率数据的判断互斥关联度。根据互补关联度和互斥关联度共同筛选出最优可迁移工作容器。本发明实全面分析了工作容器之间的互补性和互斥性，提供科学有效的容器迁移策略。
-
公开(公告)号：CN118072890A
公开(公告)日：2024-05-24
申请号：CN202410314585.8
申请日：2024-03-19
Applicant: 郑州轻工业大学
IPC: G16C60/00 , G06N3/045 , G06N3/084 , G06N3/0499
Abstract: 本发明涉及一种基于深度学习的五模超材料反向设计方法，获取五模超材料的结构参数与声学性能数据集，构建基于深度学习的双网络模型，根据结构参数与声学性能数据集，对基于深度学习的双网络模型进行训练，根据训练完成的基于深度学习的双网络模型获取五模超材料的设计参数，实现对五模超材料声学性能的精准预测，克服了传统研究方法固有的高耗时和操作复杂的缺点，所构建的网络，可以精准预测预设五模超材料能带特性和几何设计参数，在一定程度上达到代替仿真软件的作用，提高了设计五模超材料过程中的效率。
-
公开(公告)号：CN114817087A
公开(公告)日：2022-07-29
申请号：CN202210520482.8
申请日：2022-05-12
Applicant: 郑州轻工业大学
IPC: G06F12/0862 , G06F12/0877
Abstract: 本发明涉及基于缓存失效行为的预取距离自适应调整方法及装置，属于计算机技术领域。该方法包括以下步骤：获取帮助线程的缓存失效率和主线程缓存失效率，根据所述帮助线程的缓存失效率和所述主线程的缓存失效率得到缓存失效率比，所述缓存失效率比为所述帮助线程的失效率与所述主线程失效率的比值；获取预取对象平衡选取比率；将所述缓存失效率比和所述预取对象平衡选取比率进行比较，根据比较结果调节所述帮助线程的预取距离。本发明利用帮助线程和主线程缓存失效行为信息，计算帮助线程与主线程的缓存失效率之比，根据比值和预取率的比较结果调整预取距离，从而为帮助线程预取设定最优预取距离，解决了传统方法存在的不能有效隐藏访存延迟的问题。
-
公开(公告)号：CN114238682B
公开(公告)日：2024-07-26
申请号：CN202111558721.0
申请日：2021-12-20
Applicant: 郑州轻工业大学
IPC: G06F16/583 , G06F16/55 , G06N3/04 , G06N3/06 , G06N3/08
Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于神经网络的图像检索方法及系统。该方法包括：获取每张检索图像输入分类网络中所有神经元输出的输出值序列；根据输出值序列在一个神经元的均值和方差得到特征指标；根据检索图像与对应簇的位置得到每个神经元的区分度；获取检索图像对应样本点的备选样本点，进一步得到每张检索图像对应的高斯模型；根据特征指标与区分度获取高斯模型的权值；获取多张检索图像的混合高斯模型，根据混合高斯模型获取所有备选样本点的匹配概率获取推荐给用户的备选样本点的顺序。能够提取图像中具有的特征，从而更加精准的将检索图像与数据库中的图像进行匹配推荐，提高检索图像分类的准确率。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
