-
公开(公告)号：CN1547107A
公开(公告)日：2004-11-17
申请号：CN200310107545.4
申请日：2003-12-16
申请人： 河北工业大学
IPC分类号： G06F7/52
摘要： 一种除数为15×2n的除法器，其主要技术特征是采用不同的加法器与与门或非门连接构成除法器，其输入端构成二进制的被除数，一个输出端构成除法结果的二进制的商，另一个输出端构成除法结果的二进制的余数。该除法器可以进行除数为15×2n，被除数为0～127×2n+2n－1，当n＝0、1、2、3…n整数时的快速运算。该除法器结构简单，使用的元器件少，造价低。在某些特殊场合下，有不可替代的作用。可广泛运用于数字信号处理系统中。
-
公开(公告)号：CN1547105A
公开(公告)日：2004-11-17
申请号：CN200310107543.5
申请日：2003-12-16
申请人： 河北工业大学
IPC分类号： G06F7/52
摘要： 一种除数为15×2n的除法器，其主要技术特征是采用不同的加法器与与门或非门连接构成除法器，其输入端构成二进制的被除数，一个输出端构成除法结果的二进制的商，另一个输出端构成除法结果的二进制的余数。该除法器可以进行除数为15×2n，被除数为0～127×2n+2n－1，当n＝0、1、2、3…n整数时的快速运算。该除法器结构简单，使用的元器件少，造价低。在某些特殊场合下，有不可替代的作用。可广泛运用于数字信号处理系统中。
-
公开(公告)号：CN1515996A
公开(公告)日：2004-07-28
申请号：CN03144205.6
申请日：2003-08-29
申请人： 河北工业大学
摘要： 一种除数为3×2n，其中n为0、1、2、3、……任意正整数的快速除法器属于电子器件技术领域。主要解决现有除法器运算速度慢、元器件多的问题。技术要点是通过两位二进制数加两位二进制数的加法器和两位二进制数加一位二进制数的加法器与与门和非门连接而成。它的运算速度几乎与同样位数的加法器的运算速度相同，而且使用的设备量也很少。在使用特殊除法的场合有不可替代的作用。
-
公开(公告)号：CN112925763B
公开(公告)日：2022-04-08
申请号：CN202110301348.4
申请日：2021-03-22
申请人： 河北工业大学
IPC分类号： G06F16/182 , G06F16/13 , H04L67/01
摘要： 本发明为一种基于CAD快速持久化的方法，该方法包括以下步骤：(1)确定分布式系统集群中的总节点个数N，令F＝(N‑1)/2，设置纠删码的数量为k，同时设置选择参数x的值；(2)判断集群中Leader节点最近收到的应答节点数是否大于等于F，如果大于等于F执行步骤(3)；(3)判断集群中Leader节点最近收到的应答节点数是否大于等于F+k；如果Leader节点最近收到的应答节点数大于等于F+k，则按照F‑CAD一致性协议进行复制，直至F+1+x个节点持久化写入全量数据，提交该日志条目，执行下一轮复制；若Leader节点近期收到的应答节点数小于F+k，则按照CAD协议对系统进行一致性复制，直至全量数据持久化写入至少F+1+0个节点，提交该日志条目，执行下一轮复制。该方法能够降低单点故障的概率。
-
公开(公告)号：CN112580785B
公开(公告)日：2022-04-05
申请号：CN202011506747.6
申请日：2020-12-18
申请人： 河北工业大学
摘要： 本发明涉及基于三支决策的神经网络拓扑结构优化方法，针对经验公式法确定神经网络的隐藏层结点数目，缺乏一定的理论支撑且算法的准确率不高而提出。这是首次将三支决策理论应用到确定神经网络的隐藏层结点数目的问题。首先，初始化一个隐藏层结点，利用Focal loss损失函数和Adam算法实现神经网络的学习过程；然后，针对神经网络训练阶段的错分样本，使用三支决策理论，在最小决策风险损失的情况下，将其划分至不同的域，并采取相应的策略；最后，当边界域不为空集时，依次增加神经网络的隐藏层结点数目，直至边界域是空集时，停止模型的增长，从而确定神经网络的拓扑结构，同时提高了神经网络的预测精确度。
-
-
公开(公告)号：CN112905689A
公开(公告)日：2021-06-04
申请号：CN202110306575.6
申请日：2021-03-23
申请人： 河北工业大学
IPC分类号： G06F16/26 , G06F16/2455 , G06F16/22
摘要： 本发明为保序序列规则挖掘方法，该挖掘方法包括以下内容：获得对应时间序列的所有频繁保序序列模式，构成频繁保序序列模式集合，设定最小置信度阈值minconf，计算频繁保序序列模式y的前缀子模式x，若前缀子模式的相对顺序为频繁保序序列模式，则得到保序序列规则x＝>y，迭代上述过程，得到所有的保序序列规则；根据conf(x＝>y)＝sup(y)/sup(x)计算x＝>y的置信度，最终将置信度≥设定的最小置信度阈值minconf的保序序列规则加入到规则集合R中，小于minconf的保序序列规则称为强保序序列规则，挖掘所有的强保序序列规则称为保序序列规则挖掘。本发明实现了高效的频繁保序序列模式挖掘，之后在对频繁保序序列模式进行保序序列规则挖掘，寻找模式之间隐含的关系。
-
公开(公告)号：CN112783968A
公开(公告)日：2021-05-11
申请号：CN202110306560.X
申请日：2021-03-23
申请人： 河北工业大学
IPC分类号： G06F16/26 , G06F16/2458 , G06F16/22
摘要： 本发明为近似保序序列模式挖掘方法，当前的保序序列模式挖掘只挖掘时间序列中满足支持度阈值的相对顺序完全相同(最精确)的子序列，但只挖掘最精确的保序模式往往会遗漏一些重要信息。本发明挖掘方法，既能挖掘最精确的保序模式，也能根据输入参数值的不同挖掘出近似程度不同的保序模式。可以挖掘出更多有意义的保序模式，适应更多的应用领域，更好地帮助人们进行分析和预测。在候选模式生成方面，本方法采用了基于前后缀拼接的模式融合策略，减少了无意义候选模式的数量。在模式支持度计算方面，本方法在频繁模式出现位置的左右获取候选序列，避免了重复扫描数据库，大大减少了模式匹配次数，挖掘性能有了显著提升。
-
公开(公告)号：CN111581460A
公开(公告)日：2020-08-25
申请号：CN202010544308.8
申请日：2020-06-15
申请人： 河北工业大学
IPC分类号： G06F16/903
摘要： 本发明一次性条件下带弱通配符的自适应序列模式挖掘方法，涉及电数字数据处理技术领域，本发明方法采用模式增长的方式生成候选模式去缩减空间，在计算一次性条件下带弱通配符的模式支持度时，采用了在线倒序填充策略实现模式支持度的高效计算，从而实现了一次性条件下带弱通配符的自适应序列模式挖掘，克服了现有技术存在仅仅是在无特殊条件下进行的，未对出现进行限制，导致用户挖掘不到真正有价值的模式的缺陷。
-
公开(公告)号：CN111475551A
公开(公告)日：2020-07-31
申请号：CN202010544978.X
申请日：2020-06-15
申请人： 河北工业大学
IPC分类号： G06F16/2458 , G06F16/903 , G06N5/02
摘要： 本发明无重叠条件下高平均效用序列模式挖掘方法，涉及电数字数据处理技术领域，该方法利用模式增长方法生成候选集，使用队列数据结构在线快速地计算候选模式的平均效用值，实现了在无重叠条件下对高效用序列模式进行挖掘，克服了现有技术对于高效用模式挖掘的研究存在模式效用值在不符合向下闭包特性的情况下难以缩减候选模式个数的缺陷，既保证了计算的完备性，又通过剪枝策略大大缩减了候选模式的个数，提高计算的时间空间效率。
-
-
-
-
-
-
-
-
-
搜索结果
78 条记录 (耗时 0.032 秒)
