-
公开(公告)号：CN114239405A
公开(公告)日：2022-03-25
申请号：CN202111559869.6
申请日：2021-12-20
Applicant: 东北大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明提供一种脉冲神经网络神经元膜电压计算方法，涉及脉冲神经网络技术领域，首先采用时间编码方法将输入信号转换为脉冲序列，选取Spike Response Model神经元模型做为脉冲神经网络神经元非不应期时间段的膜电压计算模型，再建立突触后神经元不应期时段突触前神经元的脉冲累积生成的膜电压模型，最后建立脉冲神经网络神经元膜电压计算模型，实现突触后神经元膜电压的计算；本发明通过计算不应期突出前神经元输入脉冲的累积，弥补了输入信息的丢失，将本发明方法应用于图像处理，减少了信息的损失，提高了输入信息的利用率。
-
公开(公告)号：CN112200125A
公开(公告)日：2021-01-08
申请号：CN202011155503.8
申请日：2020-10-26
Applicant: 东北大学
Abstract: 本发明公开一种三维人脸识别方法，属于人脸识别技术领域，该方法首先对三维人脸数据进行预处理，生成深度图形式的三维人脸数据集，且对三维人脸数据进行增强，扩大三维人脸数据样本；然后采用挤压激励模块改造后的残差网络来构建人脸识别神经网络，并且采用二维人脸数据训练所构建的挤压激励模块改造的残差神经网络，将训练得到的参数迁移至同结构的三维人脸识别网络，去除最后一个全连接层的权值，再使用三维人脸数据对网络继续进行训练，具有较高的三维人脸识别率。
-
公开(公告)号：CN111125428A
公开(公告)日：2020-05-08
申请号：CN201911301847.2
申请日：2019-12-17
Applicant: 东北大学
IPC: G06F16/735 , G06F16/9535
Abstract: 本发明提供一种基于评分预测函数拟合结构的时间相关电影推荐方法，涉及计算机推荐技术领域。该方法包括离线建立推荐模型和基于建立的推荐模型生成的数据文件进行在线推荐两部分；首先对用于电影推荐的数据集中的数据进行预处理，建立用户-电影评分矩阵，并提取电影的评分特征和电影的海报特征作为电影特征；计算用于电影推荐的电影间的相似度，得到电影间的相似度矩阵；然后构建时间相关的电影评分预测函数及其拟合结构，通过训练评分预测函数拟合结构，求解用户相关的时间权重因子，完成推荐模型的建立；最后基于建立的推荐模型生成的数据文件为待推荐用户计算预测评分并产生推荐结果集，将推荐结果集输出并推荐给用户。
-
公开(公告)号：CN110795213A
公开(公告)日：2020-02-14
申请号：CN201911278389.5
申请日：2019-12-12
Applicant: 东北大学
IPC: G06F9/455
Abstract: 本发明公开一种虚拟机迁移过程中活跃内存预测迁移方法，属于虚拟机迁移技术领域，该方法首先对虚拟机管理器记录的被访问过的内存的地址和被访问时间构成的预记录页面集采用六元组表示每个内存页的方法进行预处理，然后计算内存页面的优先级权值，采用ISS-DBSCAN聚类算法进行聚类分析，确定活跃内存范围。最后以内存页面的优先级权值作为优先级的评判依据，调整活跃内存页面的发送次序。本发明方法为活跃内存分析提供了理论依据和一种方法，能够有效地预测内存页面的活跃程度，提高内存迁移的效率。
-
公开(公告)号：CN103345572B
公开(公告)日：2016-02-17
申请号：CN201310237043.7
申请日：2013-06-13
Applicant: 东北大学
IPC: G06F19/00
Abstract: 本发明公开一种在志愿计算环境中建立节点信任值评估方法，包括以下步骤：根据信任的定义，利用信任值描述节点的信任程度，设计节点的本地信任值评估算法；根据志愿计算环境的开放、动态的特点设计节点的本地信任值的初始化算法，在本地信任值算法的设计中，利用三元组{正确、错误、不确定}来描述节点返回的历史计算结果序列，对于节点返回的不确定性结果的判定利用贝叶斯公式预测节点在出现不确定交互情况下节点返回正确计算结果的概率；本发明方法为服务器选择服务良好的节点进行服务提供了理论依据，利用三元组{正确、错误、不确定}描述计算结果符合实际系统的要求，根据概率公式来预测节点返回的不确定结果来计算节点的信任值更能精准的分辨节点。
-
Patent Agency Ranking
公开(公告)号：CN102339256B
公开(公告)日：2013-10-16
申请号：CN201110273822.3
申请日：2011-09-15
Applicant: 东北大学
IPC: G06F12/12
Abstract: 一种基于IMF内外存置换策略的复杂事件检测方法，该方法在用户未终止检测过程时，不断地扫描事件流，读取当前事件，构建、修改对象统计表，并根据当前事件的类型进行不同的处理。若当前事件为末端事件，则触发复杂事件检测过程，并将检测出的满足用户定义模式的序列输出；若当前事件为非末端事件且内存配额未满，则基于对象树及其索引进行事件实例的内存存储；若当前事件为非末端事件且内存配额已满，则基于IMF策略进行事件实例的内外存置换，并与事件实例位示图相关联进行置换对象的各事件实例的外存存储。该方法可有效支持大时间尺度的复杂事件检测，并具有空间利用和处理时间的高效性。
-
公开(公告)号：CN111125428B
公开(公告)日：2021-11-05
申请号：CN201911301847.2
申请日：2019-12-17
Applicant: 东北大学
IPC: G06F16/735 , G06F16/9535
Abstract: 本发明提供一种基于评分预测函数拟合结构的时间相关电影推荐方法，涉及计算机推荐技术领域。该方法包括离线建立推荐模型和基于建立的推荐模型生成的数据文件进行在线推荐两部分；首先对用于电影推荐的数据集中的数据进行预处理，建立用户‑电影评分矩阵，并提取电影的评分特征和电影的海报特征作为电影特征；计算用于电影推荐的电影间的相似度，得到电影间的相似度矩阵；然后构建时间相关的电影评分预测函数及其拟合结构，通过训练评分预测函数拟合结构，求解用户相关的时间权重因子，完成推荐模型的建立；最后基于建立的推荐模型生成的数据文件为待推荐用户计算预测评分并产生推荐结果集，将推荐结果集输出并推荐给用户。
-
公开(公告)号：CN112330719A
公开(公告)日：2021-02-05
申请号：CN202011392635.2
申请日：2020-12-02
Applicant: 东北大学
Abstract: 基于特征图分割和自适应融合的深度学习目标跟踪方法，包括：(1)对训练集中的视频进行预处理，生成由模板图像和搜索区域图像构成的训练样本对；生成响应图标签；(2)构建基于特征图分割和自适应融合的深度学习网络模型；(3)对深度学习网络模型进行训练，将模型的结构和训练好的模型参数进行磁盘存储，获得目标跟踪模型；(4)对于待跟踪的视频进行处理，得到第1帧对应的模板图像和后续的待跟踪的每一帧对应的与3个尺度相应的搜索区域图像；(5)加载目标跟踪模型，形成由模板图像和搜索区域图像构成的3对样本，输入到目标跟踪模型中，得到对待跟踪视频后续每一帧跟踪的目标位置。
-
公开(公告)号：CN102291463B
公开(公告)日：2014-01-29
申请号：CN201110238283.X
申请日：2011-08-19
Applicant: 东北大学
IPC: H04L29/08
Abstract: 本发明涉及可分布式技术领域，特别是一种基于新兴古典经济理论中的超边际分析和博弈理论资源分配方法。本发明包括以下步骤：确定任务的比较优势节点；判定节点序列的状态；对满足条件的节点序列采用博弈超边际分析机制；所述博弈超边际分析机制的流程为：输入节点的比较优势任务矩阵T，并输入节点的网络条件矩阵K；确定进行超边际分析的节点序列；根据节点序列在K中的对应值，判断节点间选择的分配模式。本发明通过超边际分析确定了角点解，缩小了解空间，控制了空间爆炸的现象；引入新兴古典经济理论，令节点成为资源提供者和使用者的统一体，使原本资源提供者和使用者分离导致有些状态无法分析的情况得以解决；最终使系统达到帕累托最优，即全局效用最大化，实现了最大化系统效用的目标。
-
公开(公告)号：CN102339256A
公开(公告)日：2012-02-01
申请号：CN201110273822.3
申请日：2011-09-15
Applicant: 东北大学
IPC: G06F12/12
Abstract: 一种基于IMF内外存置换策略的复杂事件检测方法，该方法在用户未终止检测过程时，不断地扫描事件流，读取当前事件，构建、修改对象统计表，并根据当前事件的类型进行不同的处理。若当前事件为末端事件，则触发复杂事件检测过程，并将检测出的满足用户定义模式的序列输出；若当前事件为非末端事件且内存配额未满，则基于对象树及其索引进行事件实例的内存存储；若当前事件为非末端事件且内存配额已满，则基于IMF策略进行事件实例的内外存置换，并与事件实例位示图相关联进行置换对象的各事件实例的外存存储。该方法可有效支持大时间尺度的复杂事件检测，并具有空间利用和处理时间的高效性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.03 seconds)
