-
公开(公告)号：CN114266301B
公开(公告)日：2024-09-27
申请号：CN202111542143.1
申请日：2021-12-16
申请人： 郑州轻工业大学
IPC分类号： G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/08 , G06Q50/06
摘要： 本发明提出了一种基于图卷积神经网络的电力设备故障智能预测方法，步骤如下：采集待预测的电力设备的历史监测信息，对历史监测信息进行预处理，预处理后的监测信息和电力数据中心采集的数据集组成训练样本；构建图卷积神经网络，初始化神经网络参数；将监测信息作为图卷积神经网络的每个节点的输入，利用图卷积神经网络对监测信息进行故障分类；利用训练样本对步骤二构建的图卷积神经网络进行训练，得到优化图卷积神经网络模型；采集待检测设备的实时监测信息并进行预处理，将预处理后的监测信息输入到优化图卷积神经网络模型，获得故障预测结果。本发明具有较好的通用性，预测准确率较高，使用、部署和升级维护简单，无需硬件设备的升级改造。
-
公开(公告)号：CN114170331B
公开(公告)日：2024-09-10
申请号：CN202111471673.1
申请日：2021-12-06
申请人： 郑州轻工业大学
摘要： 本发明涉及人工智能技术领域，具体涉及一种基于人工智能的图像数据压缩方法及系统。该方法分析训练图像的二维颜色信息，根据二维颜色信息在预设阶数上的二维标准差分析出达到无损效果界限的界限二维颜色信息，并根据二维标准差获得每个像素点的高斯模型，根据压缩颜色信息和界限二维颜色信息在高斯模型上的差异获得颜色趋向性，进一步结合像素点压缩前后与邻域范围内其他像素点的色差构建损失函数。以二维颜色信息作为训练数据训练自编码神经网络。实现通过自编码神经网络达到无损压缩。本发明通过获得色彩宽容度的界限对网络进行约束，实现了利用自编码神经网络对图像数据无损压缩。
-
公开(公告)号：CN111639993B
公开(公告)日：2023-06-09
申请号：CN202010471637.4
申请日：2020-05-29
申请人： 郑州轻工业大学
摘要： 本发明涉及一种基于多物品拍卖机制的移动数据卸载及定价方法，所有移动用户提供同一基站覆盖下不同WiFi热点的单位带宽资源竞标价格，同时，每个移动用户还需要提供所需带宽资源总量信息；移动运营商根据每个用户的竞标价格、所需的带宽资源数量、每个用户的历史最大支付金额、不同WiFi热点的历史竞标结果价格以及当前WiFi热点的带宽资源情况，采用多物品竞拍机制进行带宽资源的分配和定价；部分移动用户竞标成功，获得所需带宽资源，支付相应带宽资源使用费。本发明的移动数据卸载及定价方法可在多个移动用户之间分配WiFi带宽资源，同时设计合理定价策略以实现移动运营商利益最大化。
-
公开(公告)号：CN115037628A
公开(公告)日：2022-09-09
申请号：CN202210562305.6
申请日：2022-05-23
申请人： 郑州轻工业大学
IPC分类号： H04L41/0895 , H04L41/16
摘要： 本发明提出了一种基于深度强化学习的自适应服务功能链映射方法，步骤为：建立SFC映射模型，将SFC映射过程分为三层结构并进行抽象参数表示；搭建SFCR映射学习神经网络，并将抽象参数映射至SFCR映射学习神经网络中的状态、动作、奖励值；构建经验回放池并对网络参数更新；基于经验回放池中数据，统计不同VNF的请求率、使用率及现有部署数量和未激活个数；设计VNF再部署策略，根据统计的数据对VNF再部署。本发明具有维持网络环境稳定、提高用户服务质量的优势，能够有效解决现有映射方法随时间动态变化造成有效服务成本占比小及服务映射效率低问题；具有良好的自适应性，能提高不同时间段处理用户服务请求的有效服务成本率和请求映射率。
-
公开(公告)号：CN114170331A
公开(公告)日：2022-03-11
申请号：CN202111471673.1
申请日：2021-12-06
申请人： 郑州轻工业大学
摘要： 本发明涉及人工智能技术领域，具体涉及一种基于人工智能的图像数据压缩方法及系统。该方法分析训练图像的二维颜色信息，根据二维颜色信息在预设阶数上的二维标准差分析出达到无损效果界限的界限二维颜色信息，并根据二维标准差获得每个像素点的高斯模型，根据压缩颜色信息和界限二维颜色信息在高斯模型上的差异获得颜色趋向性，进一步结合像素点压缩前后与邻域范围内其他像素点的色差构建损失函数。以二维颜色信息作为训练数据训练自编码神经网络。实现通过自编码神经网络达到无损压缩。本发明通过获得色彩宽容度的界限对网络进行约束，实现了利用自编码神经网络对图像数据无损压缩。
-
公开(公告)号：CN111582327A
公开(公告)日：2020-08-25
申请号：CN202010321829.7
申请日：2020-04-22
申请人： 郑州轻工业大学
IPC分类号： G06K9/62
摘要： 本发明提供了一种面向智能终端的动作识别训练样本自动标注方法，包括：获取目标用户的未标注动作样本集；对获取到的所述未标注动作样本集进行层次聚类，以得到目标聚类集合，其中，目标聚类集合中每个元素记为一个聚类簇的聚心；基于预定动作识别模型对所述未标注动作样本集中的样本进行分类，以得到分类权值的归一化向量；基于所述归一化向量对所述目标聚类集合中的聚心进行标签投票，以得到聚心标签；基于所述聚心标签对所述未标注动作样本集中的样本进行标注，以得到所述目标用户的标注动作样本集。
-
公开(公告)号：CN116684291A
公开(公告)日：2023-09-01
申请号：CN202310746993.6
申请日：2023-06-21
申请人： 郑州轻工业大学
IPC分类号： H04L41/0895 , H04L41/14 , H04L41/142 , H04L41/16
摘要： 本发明提出了一种适用通用化平台的服务功能链映射资源智能分配方法，步骤为：建立SFC映射模型，将通用化平台中SFC映射过程分为物理拓扑资源层和虚拟网络功能请求层的两层结构，并对两层结构进行抽象参数表示；分析通用化平台中服务请求的处理过程，建立节点计算与链路带宽通信资源联合分配的处理时间的最小化数学模型；将最小化数学模型建模为马尔科夫过程，定义包含状态、动作、奖励的三元组；将三元组与异步优势动作评价算法相结合，以训练主网络为模板，利用多线程技术生成多个子网络用于并行训练，找寻最优资源分配策略。本发明通过智能分配节点计算资源与链路带宽通信资源，有效提高了SFC请求的处理速率。
-
公开(公告)号：CN116109450A
公开(公告)日：2023-05-12
申请号：CN202211599090.1
申请日：2022-12-12
申请人： 郑州轻工业大学
IPC分类号： G06Q50/20
摘要： 本发明涉及一种基于毕业要求渐进达成的课程思政育人量化评价系统，包括课程目标达成值录入模块、毕业要求渐进达成值计算模块和课程思政育人效果量化计算模块，课程目标达成值录入模块用于接收教师录入的每个学生的课程目标达成值，毕业要求渐进达成值计算模块用于计算每个学生的每个毕业要求的当前达成值及当前达成率，课程思政育人效果量化计算模块用于计算课程思政育人效果量化数据，学生的毕业要求达成是在培养的各阶段中通过每个课程目标的达成而逐渐实现的，通过学生渐进式的毕业要求达成情况，评价学生在自律等方面的课程思政育人效果，教师育人、学生育己提供量化数据参考，提升评价准确性，降低了评价主观性，实现客观评价。
-
公开(公告)号：CN113961323B
公开(公告)日：2022-06-14
申请号：CN202111221481.5
申请日：2021-10-20
申请人： 郑州轻工业大学
摘要： 本发明涉及一种面向混合云的安全感知任务调度方法和系统，针对所有待执行的任务，将其中无安全需求且能够在公有云上完成的任务预调度到公有云，充分尽可能多的预留有限的私有云资源，利用计算资源丰富的公有云资源满足无安全需求的任务需求，充分利用公有云计算资源的丰富性，然后将未被预调度到公有云且能够在私有云上完成的任务调度到私有云，满足尽可能多的任务的需求，最后将预调度到公有云上的任务中的能够在私有云上完成的任务调度到私有云，降低公有云的租用成本，充分利用低成本的私有云资源，提高资源的使用效率。
-
公开(公告)号：CN114266301A
公开(公告)日：2022-04-01
申请号：CN202111542143.1
申请日：2021-12-16
申请人： 郑州轻工业大学
摘要： 本发明提出了一种基于图卷积神经网络的电力设备故障智能预测方法，步骤如下：采集待预测的电力设备的历史监测信息，对历史监测信息进行预处理，预处理后的监测信息和电力数据中心采集的数据集组成训练样本；构建图卷积神经网络，初始化神经网络参数；将监测信息作为图卷积神经网络的每个节点的输入，利用图卷积神经网络对监测信息进行故障分类；利用训练样本对步骤二构建的图卷积神经网络进行训练，得到优化图卷积神经网络模型；采集待检测设备的实时监测信息并进行预处理，将预处理后的监测信息输入到优化图卷积神经网络模型，获得故障预测结果。本发明具有较好的通用性，预测准确率较高，使用、部署和升级维护简单，无需硬件设备的升级改造。
-
-
-
-
-
-
-
-
-
搜索结果
52 条记录 (耗时 0.034 秒)