-
公开(公告)号：CN103064945A
公开(公告)日：2013-04-24
申请号：CN201210575284.8
申请日：2012-12-26
Applicant: 吉林大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于本体的情境搜索方法，旨在克服现有技术存在精准度不够、个性化不足、智能性缺失与情境被忽视等问题。该方法的步骤为：1.由网页情境解析与表示模块对采集到的网页进行解析并表示网页情境信息；2.由用户情境挖掘与表示模块实现用户情境挖掘与表示并和第1步骤同时进行，3.由情境索引模块设计融入网页情境信息的索引结构；4.由情境扩展模块实现情境扩展即形成查询情境，所述的情境扩展是指利用用户情境，在情境级别上对查询词进行扩展，限定查询词所属的语境，形成查询情境；5.由情境查询处理模块实现情境查询处理：其步骤为：1）情境推荐；2）情境检索；3）情境排序；排序之后的结果就可以提供到用户查询界面中。
-
公开(公告)号：CN114816677B
公开(公告)日：2025-04-29
申请号：CN202210596551.3
申请日：2022-05-30
Applicant: 吉林大学
Abstract: 本发明针对弱耦合多系统提出一种基于时域解耦的多速率协同仿真方法，包括S1：协调器确定初始全局仿真推进步长，确定下一同步点；S2：各个子系统内部采用可变步长积分，从当前时刻开始，分别仿真推进到最接近同步点的时刻；S3：各个子系统将上一同步点至当前同步点之间完成的内部的积分子步长序列、输出序列传递到协调器；S4：协调器根据各子系统在当前全局步长内生成的数据，计算下一全局仿真推进步长及下一同步点；S5：协调器计算各个子系统在下一时刻的输入，将其传递到各个子系统；S6：如果当前同步点达到设定的时间点，协同仿真结束；否则，跳转到S2，处理下一轮协同仿真推进。本发明能够有效减少同步次数，提高仿真效率。
-
公开(公告)号：CN114816677A
公开(公告)日：2022-07-29
申请号：CN202210596551.3
申请日：2022-05-30
Applicant: 吉林大学
Abstract: 本发明针对弱耦合多系统提出一种基于时域解耦的多速率协同仿真方法，包括S1：协调器确定初始全局仿真推进步长，确定下一同步点；S2：各个子系统内部采用可变步长积分，从当前时刻开始，分别仿真推进到最接近同步点的时刻；S3：各个子系统将上一同步点至当前同步点之间完成的内部的积分子步长序列、输出序列传递到协调器；S4：协调器根据各子系统在当前全局步长内生成的数据，计算下一全局仿真推进步长及下一同步点；S5：协调器计算各个子系统在下一时刻的输入，将其传递到各个子系统；S6：如果当前同步点达到设定的时间点，协同仿真结束；否则，跳转到S2，处理下一轮协同仿真推进。本发明能够有效减少同步次数，提高仿真效率。
-
公开(公告)号：CN114911619B
公开(公告)日：2025-05-16
申请号：CN202210522339.2
申请日：2022-05-13
Applicant: 吉林大学
IPC: G06F9/50 , G06F12/0877 , G06T1/20
Abstract: 本发明针对仿真系统的小中型稠密矩阵实现一种基于GPU的高性能批量并行LU分解方法，该方法包括：S1、计算仿真系统的模型单元在每个时间步的雅可比矩阵，并将这些矩阵作为子矩阵，并拼接为大矩阵H；S2、对每个子矩阵内部分块，并按照分块的大小为每个子矩阵分配GPU线程组；S3、所述GPU线程组按照对角顺序从左上到右下，依次完成每个对角块内所有列的主元选取、对角块所在行右侧块的更新、对角块内部列与主元列交换，以及对角块所在列下方和右下方的所有分块数据更新，从而完成对大矩阵H内的所有子矩阵的LU分解。本发明能随着批量数量的增加，性能以近似线性的趋势增加，并且在隐式求解包含大批量小型常微分方程组的模型时，能够加快求解速度，有效缩短仿真时间。
-
公开(公告)号：CN114741204B
公开(公告)日：2025-04-04
申请号：CN202210505909.7
申请日：2022-05-10
Applicant: 吉林大学
Abstract: 本发明提供一种仿真模型的任务分解与并行求解的方法，解决了仿真模型间和仿真模型内部的两级并行求解问题。该方法包括：S1、提取模型微分方程描述信息，动态生成代码GPU，建立求解任务列表；S2、主线程遍历任务列表，向线程池派发特定常微分方程组求解任务；S3、获得任务的工作线程采用多分辨率求解方法，向GPU推送异步并行求解需求；S4、GPU执行求解计算，生成计算任务完成事件；S5、GPU任务完成事件被捕获，唤醒线程池中的工作线程；S6、工作线程获取GPU计算结果，进行结果修正，迭代S4、S5、S6，直至满足精度要求。通过本发明，可以并行处理大规模异构常微分方程组，有效提升仿真过程中GPU的硬件资源利用率，实现更好的负载均衡。
-
Patent Agency Ranking
公开(公告)号：CN108681571A
公开(公告)日：2018-10-19
申请号：CN201810422427.9
申请日：2018-05-05
Applicant: 吉林大学
IPC: G06F17/30
Abstract: 基于Word2Vec的主题爬虫系统和方法。本发明公开了一种基于Word2Vec的主题爬虫系统抓取信息的方法，具体步骤包括：步骤1：通过种子配置模块上传种子链接，然后利用关键词模块进行关键词的交互与筛选，之后启动爬虫；步骤2：通过下载模块下载待抓取的URL链接，下载后利用解析模块对网页内容进行解析，包括提取网页正文，全部链接，全部代码，网页类型；步骤3：根据评分模块，利用解析的内容进行页面的主题相关度计算，并给出各个子链接的相关性评分预测。本发明让关键词集合之间通过Word2Vec训练出的向量进行相关度比较，有利于主题爬虫在爬行过程中更加精准地获取主题相关页面，进而保持较高的爬行准确率。
-
公开(公告)号：CN108681571B
公开(公告)日：2024-02-27
申请号：CN201810422427.9
申请日：2018-05-05
Applicant: 吉林大学
IPC: G06F16/951 , G06F16/9535 , G06F16/955
Abstract: 基于Word2Vec的主题爬虫系统和方法。本发明公开了一种基于Word2Vec的主题爬虫系统抓取信息的方法，具体步骤包括：步骤1：通过种子配置模块上传种子链接，然后利用关键词模块进行关键词的交互与筛选，之后启动爬虫；步骤2：通过下载模块下载待抓取的URL链接，下载后利用解析模块对网页内容进行解析，包括提取网页正文，全部链接，全部代码，网页类型；步骤3：根据评分模块，利用解析的内容进行页面的主题相关度计算，并给出各个子链接的相关性评分预测。本发明让关键词集合之间通过Word2Vec训练出的向量进行相关度比较，有利于主题爬虫在爬行过程中更加精准地获取主题相关页面，进而保持较高的爬行准确率。(56)对比文件Chen X等.A focused crawler withcontent and link analysis.IEEE.2008,677-680.
-
公开(公告)号：CN114911619A
公开(公告)日：2022-08-16
申请号：CN202210522339.2
申请日：2022-05-13
Applicant: 吉林大学
IPC: G06F9/50 , G06F12/0877 , G06T1/20
Abstract: 本发明针对仿真系统的小中型稠密矩阵实现一种基于GPU的高性能批量并行LU分解方法，该方法包括：S1、计算仿真系统的模型单元在每个时间步的雅可比矩阵，并将这些矩阵作为子矩阵，并拼接为大矩阵H；S2、对每个子矩阵内部分块，并按照分块的大小为每个子矩阵分配GPU线程组；S3、所述GPU线程组按照对角顺序从左上到右下，依次完成每个对角块内所有列的主元选取、对角块所在行右侧块的更新、对角块内部列与主元列交换，以及对角块所在列下方和右下方的所有分块数据更新，从而完成对大矩阵H内的所有子矩阵的LU分解。本发明能随着批量数量的增加，性能以近似线性的趋势增加，并且在隐式求解包含大批量小型常微分方程组的模型时，能够加快求解速度，有效缩短仿真时间。
-
公开(公告)号：CN114741204A
公开(公告)日：2022-07-12
申请号：CN202210505909.7
申请日：2022-05-10
Applicant: 吉林大学
Abstract: 本发明提供一种仿真模型的任务分解与并行求解的方法，解决了仿真模型间和仿真模型内部的两级并行求解问题。该方法包括：S1、提取模型微分方程描述信息，动态生成代码GPU，建立求解任务列表；S2、主线程遍历任务列表，向线程池派发特定常微分方程组求解任务；S3、获得任务的工作线程采用多分辨率求解方法，向GPU推送异步并行求解需求；S4、GPU执行求解计算，生成计算任务完成事件；S5、GPU任务完成事件被捕获，唤醒线程池中的工作线程；S6、工作线程获取GPU计算结果，进行结果修正，迭代S4、S5、S6，直至满足精度要求。通过本发明，可以并行处理大规模异构常微分方程组，有效提升仿真过程中GPU的硬件资源利用率，实现更好的负载均衡。
-
公开(公告)号：CN103064945B
公开(公告)日：2016-01-06
申请号：CN201210575284.8
申请日：2012-12-26
Applicant: 吉林大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于本体的情境搜索方法，旨在克服现有技术存在精准度不够、个性化不足、智能性缺失与情境被忽视等问题。该方法的步骤为：1.由网页情境解析与表示模块对采集到的网页进行解析并表示网页情境信息；2.由用户情境挖掘与表示模块实现用户情境挖掘与表示并和第1步骤同时进行，3.由情境索引模块设计融入网页情境信息的索引结构；4.由情境扩展模块实现情境扩展即形成查询情境，所述的情境扩展是指利用用户情境，在情境级别上对查询词进行扩展，限定查询词所属的语境，形成查询情境；5.由情境查询处理模块实现情境查询处理：其步骤为：1）情境推荐；2）情境检索；3）情境排序；排序之后的结果就可以提供到用户查询界面中。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
