-
公开(公告)号：CN115098358A
公开(公告)日：2022-09-23
申请号：CN202210557212.4
申请日：2022-05-19
Applicant: 大连海事大学
Abstract: 本发明公开了一种用于Simulink测试的测试用例优先排序方法，包括：利用测试用例随机生成工具生成测试用例；统计每个测试用例中出现的Simulink模块名、模块出现的次数、子系统层数、僵尸块比例以及相关的测试用例结构信息；利用已统计的测试用例信息计算每个测试用例的特征块、复杂度以及僵尸块比例三大类特征；构建特征向量FV；基于特征向量FV计算每两个测试用例之间的差异度，综合僵尸块比例和差异度对Simulink测试用例进行优先排序；利用差分测试程序对优先排序结果进行测试，该方法解决了差分测试框架下自动测试的有效性问题，为Simulink的加速测试提供了新思路。
-
公开(公告)号：CN115098358B
公开(公告)日：2024-10-01
申请号：CN202210557212.4
申请日：2022-05-19
Applicant: 大连海事大学
Abstract: 本发明公开了一种用于Simulink测试的测试用例优先排序方法，包括：利用测试用例随机生成工具生成测试用例；统计每个测试用例中出现的Simulink模块名、模块出现的次数、子系统层数、僵尸块比例以及相关的测试用例结构信息；利用已统计的测试用例信息计算每个测试用例的特征块、复杂度以及僵尸块比例三大类特征；构建特征向量FV；基于特征向量FV计算每两个测试用例之间的差异度，综合僵尸块比例和差异度对Simulink测试用例进行优先排序；利用差分测试程序对优先排序结果进行测试，该方法解决了差分测试框架下自动测试的有效性问题，为Simulink的加速测试提供了新思路。
-
公开(公告)号：CN113377422A
公开(公告)日：2021-09-10
申请号：CN202110642380.9
申请日：2021-06-09
Applicant: 大连海事大学
IPC: G06F8/71
Abstract: 本发明公开了一种基于深度学习识别自我承认技术债务方法，包括：构建文本的图形结构，基于图形的单词交互，将词嵌入向量作为门控图神经网络中图的节点特征的隐藏状态，将节点接收到的信息通过更新门确定有多少前一时刻和当前时刻的信息需要传递到下一时刻，节点接收到的信息通过重置门确定有多少前一时刻和当前的时刻的信息需要被舍弃，最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并；使用Focal loss函数使损失值最小化，获得准确的预测结果；使用神经网络模型对预测结果进行预测，得到精确度、召回率以及精确度和召回率的调和平均值F1。
-
公开(公告)号：CN114968251B
公开(公告)日：2024-08-02
申请号：CN202210405164.7
申请日：2022-04-18
Applicant: 大连海事大学
Abstract: 本发明公开了一种优化参数自动配置方法，包括：从Simulink数据库中获取Simulink模型并获得破环模型，对破环模型进行基本参数配置；采用随机森林建立替代模型，基于遗传算法选择替代模型候选优化序列的一个子集，并将该序列加入到初始优化参数种群中，不断迭代得到最佳优化参数配置；建立替代模型：更新替代模型；选择优化序列，随机初始化固定数量的由优化序列构成的种群，替代模型预测运行时间并使用适应度函数计算种群中每一个优化序列的适应度得分，将适应度得分最高的序列作为优化序列，该序列的参数配置为最优参数配置。
-
公开(公告)号：CN113377422B
公开(公告)日：2024-04-05
申请号：CN202110642380.9
申请日：2021-06-09
Applicant: 大连海事大学
IPC: G06F8/71
Abstract: 本发明公开了一种基于深度学习识别自我承认技术债务方法，包括：构建文本的图形结构，基于图形的单词交互，将词嵌入向量作为门控图神经网络中图的节点特征的隐藏状态，将节点接收到的信息通过更新门确定有多少前一时刻和当前时刻的信息需要传递到下一时刻，节点接收到的信息通过重置门确定有多少前一时刻和当前的时刻的信息需要被舍弃，最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并；使用Focal loss函数使损失值最小化，获得准确的预测结果；使用神经网络模型对预测结果进行预测，得到精确度、召回率以及精确度和召回率的调和平均值F1。
-
Patent Agency Ranking
公开(公告)号：CN116048992A
公开(公告)日：2023-05-02
申请号：CN202310059107.2
申请日：2023-01-17
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于EMI差分测试的KiCad编译器测试方法，包括：从KiCad、GitHub和元器件库中选择出符合规则的元器件；得到的元器件通过输入端口接收数据，通过输出端口输出数据，其中输出端口从1开始编号，输入端口从0开始编号，通过连接规则将一个元器件的输出端口与下一个元器件的输入端口相连接；采用单个图遍历的方法在线性时间内修复元器件之间数据类型不一致的错误；对Eeschema类编译部件使用加速模式和普通编译模式两种模式进行编译测试。分析得到的编译结果，如若结果不同，则可认为这是一个KiCad的bug，并对产生bug的测试用例进行整理。
-
公开(公告)号：CN116257247A
公开(公告)日：2023-06-13
申请号：CN202310035255.0
申请日：2023-01-10
Applicant: 大连海事大学
IPC: G06F8/41 , G06F18/2431 , G06N5/01 , G06N3/08
Abstract: 本发明公开了一种Simulink模型到C语言的优化参数自动配置方法，包括：从Simulink数据库中获取Simulink模型并获得破环模型；分析破环模型中块的属性、块与块之间的数据类型以及采样频率的关系；提取构建模型的特征信息，针对模型的特性，分析模型的特征用于创建模型的向量化表示。然后使用Manhattan Distance计算差异性，用以评估多样性；把优化参数分为五类，每一个类对应一个智能体，使用多智能体强化学习的方法预测最佳优化参数序列，该序列的参数配置为最优参数配置。本发明提供的技术方案通过使用多智能体强化学习的方法来实现自动配置Simulink模型到C语言的优化参数，在优化空间的开发和探索之间取得平衡，从而以提高这个阶段参数调优的效率。
-
公开(公告)号：CN116226752A
公开(公告)日：2023-06-06
申请号：CN202310112490.3
申请日：2023-02-14
Applicant: 大连海事大学
IPC: G06F18/2415 , G06F18/214
Abstract: 本发明公开了一种提高JIT缺陷预测性能的方法，包括：获取CLI模型的输入信息，其中输入信息包含由SZZ注释的有噪声标签实例的数据集；采用不平衡数据概率预测组件获得数据集的预测概率矩阵；根据预测概率矩阵使用自信学习组件估计噪声标签和真实标签的联合分布，重新训练自信学习组件中的分类器；基于分类器判断数据集中的缺陷修改是否正确；根据分类器的预测结果，判断未被标签的缺陷修改是否正确。本方法可以使用CLI作为我们的去噪方法，通过将CLI应用于JIT预测，可以获得高质量的训练集，从而使JIT预测模型能够学习到更准确的类别信息，从而提高预测性能。
-
公开(公告)号：CN116168323A
公开(公告)日：2023-05-26
申请号：CN202310067028.6
申请日：2023-02-01
Applicant: 大连海事大学
IPC: G06V20/40 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/049 , G06N3/048 , G06N3/047 , G06N3/088 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种基于时序卷积网络的视频摘要方法，包括：获取视频数据集；基于获取的视频数据集，提取视频特征；将提取的视频特征输入深度摘要网络，捕获视频帧的重要性；通过判别器指导深度摘要网络的训练；对深度摘要网络进行训练；基于训练后的深度摘要网络，进行视频摘要。本发明通过使用时序卷积网络和自注意力的方法来训练视频摘要模型，不仅考虑了视频帧之间的长期依赖关系，还考虑了视频固有的时间顺序属性，并且能够利用GPU并行计算的优势加快训练速度，最后还使用基于GAN的无监督的方法解决了对于人工注释的依赖，可以在一定程度上提高视频摘要传达原始视频含义的能力，并且能够提高摘要效率。
-
公开(公告)号：CN114968251A
公开(公告)日：2022-08-30
申请号：CN202210405164.7
申请日：2022-04-18
Applicant: 大连海事大学
Abstract: 本发明公开了一种优化参数自动配置方法，包括：从Simulink数据库中获取Simulink模型并获得破环模型，对破环模型进行基本参数配置；采用随机森林建立替代模型，基于遗传算法选择替代模型候选优化序列的一个子集，并将该序列加入到初始优化参数种群中，不断迭代得到最佳优化参数配置；建立替代模型：更新替代模型；选择优化序列，随机初始化固定数量的由优化序列构成的种群，替代模型预测运行时间并使用适应度函数计算种群中每一个优化序列的适应度得分，将适应度得分最高的序列作为优化序列，该序列的参数配置为最优参数配置。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
