-
公开(公告)号：CN110675623A
公开(公告)日：2020-01-10
申请号：CN201910842242.8
申请日：2019-09-06
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明属于智能交通领域，具体涉及一种基于混合深度学习的短时交通流量预测方法、系统、装置，旨在解决现有大规模交通流量预测方法精度低的问题。本系统方法包括获取待预测的各交通观测点的历史交通流量数据；所述历史交通流量数据为t时刻之前连续的等时长时间段的r个交通流量数据集合；分别将各交通流量数据集合中的历史交通流量数据合并得到对应的合并数据，并将各合并数据归一化；基于归一化后的各交通观测点的历史交通流量数据，采用混合深度学习模型获取各交通观测点t时刻归一化的预测结果；将预测结果进行反归一化，得到各交通观测点t时刻的交通流量预测值。本发明提高了大规模交通流量预测的精度。
-
公开(公告)号：CN109159425A
公开(公告)日：2019-01-08
申请号：CN201810954764.2
申请日：2018-08-21
Applicant: 东莞中国科学院云计算产业技术创新与育成中心
IPC: B29C64/386 , B33Y50/00
Abstract: 本发明涉及一种三维模型的切片方法及三维打印装置，三维打印装置包括中央处理器和图形处理器，该方法包括：中央处理器将三维模型转化为STL文件并进行存储；中央处理器利用多个切割平面将三角面片进行分组，以使得与同一个切割平面相交的三角面片都在同一组中；图形处理器将分组的三角面片进行并行化处理得到切片截面数据，切片截面数据是切割平面与所述三角面片的交点数据；中央处理器根据所述切片截面数据生成切片截面图像并进行存储。通过中央处理器利用多个切割平面将三角面片进行分组，再利用图形处理器将分组的三角面片进行并行化处理得到切片截面数据，就可以有效提高三维模型的切片计算效率，进而提高3D打印效率，满足高效率制造需求。
-
公开(公告)号：CN109159425B
公开(公告)日：2020-12-04
申请号：CN201810954764.2
申请日：2018-08-21
Applicant: 东莞中国科学院云计算产业技术创新与育成中心
IPC: B29C64/386 , B33Y50/00
Abstract: 本发明涉及一种三维模型的切片方法及三维打印装置，三维打印装置包括中央处理器和图形处理器，该方法包括：中央处理器将三维模型转化为STL文件并进行存储；中央处理器利用多个切割平面将三角面片进行分组，以使得与同一个切割平面相交的三角面片都在同一组中；图形处理器将分组的三角面片进行并行化处理得到切片截面数据，切片截面数据是切割平面与所述三角面片的交点数据；中央处理器根据所述切片截面数据生成切片截面图像并进行存储。通过中央处理器利用多个切割平面将三角面片进行分组，再利用图形处理器将分组的三角面片进行并行化处理得到切片截面数据，就可以有效提高三维模型的切片计算效率，进而提高3D打印效率，满足高效率制造需求。
-
公开(公告)号：CN110675623B
公开(公告)日：2020-12-01
申请号：CN201910842242.8
申请日：2019-09-06
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明属于智能交通领域，具体涉及一种基于混合深度学习的短时交通流量预测方法、系统、装置，旨在解决现有大规模交通流量预测方法精度低的问题。本系统方法包括获取待预测的各交通观测点的历史交通流量数据；所述历史交通流量数据为t时刻之前连续的等时长时间段的r个交通流量数据集合；分别将各交通流量数据集合中的历史交通流量数据合并得到对应的合并数据，并将各合并数据归一化；基于归一化后的各交通观测点的历史交通流量数据，采用混合深度学习模型获取各交通观测点t时刻归一化的预测结果；将预测结果进行反归一化，得到各交通观测点t时刻的交通流量预测值。本发明提高了大规模交通流量预测的精度。
-
-
-
Search Results
4
records
(took 0.038 seconds)
