-
公开(公告)号：CN108154003B
公开(公告)日：2021-05-07
申请号：CN201711254918.9
申请日：2017-12-04
申请人： 西北工业大学 , 陕西中爆安全网科技有限公司
摘要： 本发明提供了一种基于Spark基因表达式优化的爆破振动预测方法，涉及机器学习领域，本发明利用数据预处理技术处理爆破数据，得到样本数据集，通过计算各条件属性的不协调率，在原始数据集中删除不协调率低于阈值的条件属性后，从而生成新的数据集作为输入数据集，在各个节点上利用改进的基因表达式方法进行函数寻优，即可得到爆破振动效果预测函数，从而得到爆破振动峰值速度的预测值。本发明能更好的解决海量数据条件下的训练效率问题，通过采用新一代并行计算技术，改进基因表达式编程算法对爆破数据进行全局函数寻优，能大大提高收敛速度，在不影响训练精度的条件下，提高训练的效率。
-
公开(公告)号：CN106980877A
公开(公告)日：2017-07-25
申请号：CN201710152144.2
申请日：2017-03-15
申请人： 陕西中爆安全网科技有限公司 , 西北工业大学
CPC分类号： G06N3/006 , G06K9/6269
摘要： 本发明提供了一种基于粒子群算法优化支持向量机的爆破振动预测的方法，首先利用主成分分析方法对爆破振动影响因子进行特征提取，然后利用改进的PSO算法对支持向量机的核函数、惩罚因子、松弛变量和核参数进行组合优化，分别得到最优的支持向量回归机和支持向量分类机模型，实现对爆破振动数据的分类预测。与传统的支持向量机预测爆破振动速度方法对比，本发明优化得到的组合参数可以更好地改善模型的性能，提高模型的预测精度，从而大大提高爆破振动强度预测的准确率。
-
公开(公告)号：CN108154003A
公开(公告)日：2018-06-12
申请号：CN201711254918.9
申请日：2017-12-04
申请人： 西北工业大学 , 陕西中爆安全网科技有限公司
摘要： 本发明提供了一种基于Spark基因表达式优化的爆破振动预测方法，涉及机器学习领域，本发明利用数据预处理技术处理爆破数据，得到样本数据集，通过计算各条件属性的不协调率，在原始数据集中删除不协调率低于阈值的条件属性后，从而生成新的数据集作为输入数据集，在各个节点上利用改进的基因表达式方法进行函数寻优，即可得到爆破振动效果预测函数，从而得到爆破振动峰值速度的预测值。本发明能更好的解决海量数据条件下的训练效率问题，通过采用新一代并行计算技术，改进基因表达式编程算法对爆破数据进行全局函数寻优，能大大提高收敛速度，在不影响训练精度的条件下，提高训练的效率。
-
公开(公告)号：CN115499271B
公开(公告)日：2023-10-13
申请号：CN202211054395.4
申请日：2022-08-30
申请人： 西北工业大学
摘要： 本发明公开了一种混合网络拓扑结构及其路由方法，混合网络拓扑结构，包括直接子网络3D‑Torus结构和间接子网络多层交换机组成的树状网络结构，其中多个直接子网络之间通过间接子网络连接；直接子网络为规模是N×N×N且删除部分连接的3D‑Torus结构，间接子网络为两层交换机构成的树状网络结构；在混合网络拓扑结构中对报文采用路由方法进行传输。本发明具有结构规整、网络直径小、带宽高、传输时延低的优点，既适合局部通信，也适合全局通信,并且可支持大规模高效通信。
-
公开(公告)号：CN115499271A
公开(公告)日：2022-12-20
申请号：CN202211054395.4
申请日：2022-08-30
申请人： 西北工业大学
摘要： 本发明公开了一种混合网络拓扑结构及其路由方法，混合网络拓扑结构，包括直接子网络3D‑Torus结构和间接子网络多层交换机组成的树状网络结构，其中多个直接子网络之间通过间接子网络连接；直接子网络为规模是N×N×N且删除部分连接的3D‑Torus结构，间接子网络为两层交换机构成的树状网络结构；在混合网络拓扑结构中对报文采用路由方法进行传输。本发明具有结构规整、网络直径小、带宽高、传输时延低的优点，既适合局部通信，也适合全局通信,并且可支持大规模高效通信。
-
公开(公告)号：CN112947870A
公开(公告)日：2021-06-11
申请号：CN202110083750.X
申请日：2021-01-21
申请人： 西北工业大学
IPC分类号： G06F3/12
摘要： 本发明涉及一种3D打印模型的G‑code并行生成方法，该方法通过多级架构对三维模型的G‑code导出生成进行并行化加速，具体包含四级的G‑code并行化生成，分别为计算节点级、多进程级、多线程级和GPU级。在每一层次的并行化中，依据当前层次的地址空间分布、访存方式及数据结构特点设计了相应的任务划分与数据交互方案，使得各并行执行单元负载均衡及减少数据通信量。本发明减少了三维模型G‑code生成的耗时，提升处理器计算资源的使用率，并支持工业级大尺寸大数据量三维模型的G‑code处理生成。
-
公开(公告)号：CN111186139A
公开(公告)日：2020-05-22
申请号：CN201911355386.7
申请日：2019-12-25
申请人： 西北工业大学
IPC分类号： B29C64/386 , B33Y50/00
摘要： 本发明涉及一种3D打印模型的多层次并行切片方法，该方法通过多层次并行处理的方式对三维模型切片进行加速，具体包含四个层次的切片并行化，分别为计算节点级、多GPU级、线程块级和线程级。在每一层次的并行化中，依据当前层次的地址空间分布、访存方式及数据结构特点设计了相应的任务划分与数据交互方案，使得各并行执行单元负载均衡及减少数据通信量。在线程级的并行化中，采用了对数组索引原子加的方式解决并行插入时的数据竞争问题。本发明能够在不降低原有切片精度的情况下，有效地降低三维模型切片处理耗时。同时，通过各计算节点对相应子模型文件的并行读取，能够降低硬盘I/O时间；各计算节点仅需对子模型数据进行处理，减少了内存占用量。
-
公开(公告)号：CN106547723B
公开(公告)日：2019-04-05
申请号：CN201510609130.X
申请日：2015-09-23
申请人： 浪潮电子信息产业股份有限公司 , 西北工业大学 , 王云岚
IPC分类号： G06F17/16
摘要： 本发明提供了一种预测稀疏矩阵运算能耗的方法。该方法首先根据稀疏矩阵非零元素分布的特征将样本矩阵进行层次聚类。其次，将各个类中能效值最大的样本矩阵的资源分配作为该类别的最优资源分配情况。最后对样本矩阵的计算密度和计算性能建立线性回归模型，利用模型对稀疏矩阵运算的计算性能进行预测，进而根据性能和能效的关系预测出稀疏矩阵运算的能耗。本发明基于知识发现预测稀疏矩阵运算能耗的方法，充分考虑到稀疏矩阵特征值和资源分配对计算性能与能耗的影响。通过层次聚类将样本矩阵划分为不同的类别使得预测过程具有自学习的特征。
-
-
公开(公告)号：CN101916415A
公开(公告)日：2010-12-15
申请号：CN201010249262.3
申请日：2010-08-06
申请人： 西北工业大学
摘要： 本发明涉及一种“云计算”平台中软件许可证的按需服务方法，其特征在于包括为一个“云计算”平台生成一个软件许可证和“云计算”平台用户的使用。由于没有软件模块和许可证数量的限制，不管有多少用户需要同时使用，只要硬件资源足够，应用软件及其许可证资源就能够及时满足需求。在大量用户的使用高峰期，能够及时地满足其需求，有效地提高对用户的服务质量，应用的响应时间和用户的产能；用户在不使用应用软件时，就不会有软件使用记录，也就不会产生“软件花费”。因此，在用户的使用低谷期，不会存在浪费用户花费的现象；更加合理的发挥了应用软件及其许可证的效用，实现了应用软件在“云计算”平台中的充分共享和软件价值的提升。
-
-
-
-
-
-
-
-
-
搜索结果
34 条记录 (耗时 0.05 秒)
