-
公开(公告)号：CN117713895A
公开(公告)日：2024-03-15
申请号：CN202311527982.5
申请日：2023-11-16
Applicant: 中国科学院计算技术研究所
IPC: H04B7/185
Abstract: 本发明提供了一种面向低轨卫星通信网络的多维资源表征方法，包括：S1、获取星座构型和星座的星历信息文件；S2、根据星历信息文件，确定星座的各个低轨卫星的运行轨迹信息和周期性的轨迹运行参数；S3、构建星座构型下的可行链路建链条件模型，其用于确定星座的星间、星地用户和星地馈电方面的链路的连接关系；S4、建立星座构型下每个低轨卫星的资源模型，其用于表征对应的低轨卫星在每个链路的算力、存储和通信资源以及根据通信资源确定的每个链路的容量；S5、建立每个低轨卫星的网络功能约束模型，其用于根据3GPP NTN的组网架构建立网元功能可行的业务传输路径约束，根据业务传输路径约束对链路的连接关系进行修正，得到修正后的链路的连接关系。
-
Patent Agency Ranking
公开(公告)号：CN110740473A
公开(公告)日：2020-01-31
申请号：CN201911007166.5
申请日：2019-10-22
Applicant: 中国科学院计算技术研究所
Abstract: 本发明在边缘服务器提供辅助计算前，综合考虑上行传输时延、计算时延和下行传输时延对总时延的影响，为各移动终端对系统当前有限的资源进行优化分配，以降低执行所有用户任务的总时延。特别是在目前因技术发展导致一些场景的下行数据的大小较大无法忽略的情形下，本发明能让执行任务请求对应的所有任务的总时延最小，而对于下行数据的大小较小的情形，本发明也能够让执行任务请求对应的所有任务的总时延最小，能够高效地满足不同场景下用户低时延的需求，从而提高用户体验。
-
公开(公告)号：CN110740473B
公开(公告)日：2021-07-20
申请号：CN201911007166.5
申请日：2019-10-22
Applicant: 中国科学院计算技术研究所
Abstract: 本发明在边缘服务器提供辅助计算前，综合考虑上行传输时延、计算时延和下行传输时延对总时延的影响，为各移动终端对系统当前有限的资源进行优化分配，以降低执行所有用户任务的总时延。特别是在目前因技术发展导致一些场景的下行数据的大小较大无法忽略的情形下，本发明能让执行任务请求对应的所有任务的总时延最小，而对于下行数据的大小较小的情形，本发明也能够让执行任务请求对应的所有任务的总时延最小，能够高效地满足不同场景下用户低时延的需求，从而提高用户体验。
-
公开(公告)号：CN118820708A
公开(公告)日：2024-10-22
申请号：CN202410801124.3
申请日：2024-06-20
Applicant: 中国科学院计算技术研究所
IPC: G06F18/20 , G06F18/211 , G06F18/213 , G06F18/2433 , G06F18/25 , G06N3/0442 , G06N3/045 , G06Q10/04 , G06Q50/26 , G06F123/02
Abstract: 本发明提供了一种犯罪态势研判模型训练方法，所述方法包括：步骤S1、获取已有的历史犯罪时间序列数据并对其进行预处理得到目标序列数据集；步骤S2、构建初始模型；步骤S3、采用目标序列数据集对所述初始模型进行多轮迭代训练得到犯罪态势研判模型。本发明的通过LSTM模型的基本结构来构建犯罪态势研判模型，以捕获犯罪时间序列数据中的长期依赖关系，提高犯罪态势研判模型的时效性和准确性；同时在犯罪态势研判模型中引入注意力模块来自动学习犯罪时间序列数据中的重要特征，使犯罪态势研判模型更加关注对犯罪预测有影响的信息，提高对特征的表达能力，进而提高犯罪态势研判模型的准确性和可靠性。
-
公开(公告)号：CN117407709A
公开(公告)日：2024-01-16
申请号：CN202311250976.X
申请日：2023-09-26
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06F18/21 , G06F18/2415 , G06N3/09
Abstract: 本发明提供一种犯罪研判模型训练方法，包括：S1、获取已有犯罪数据并对其进行样本均衡处理；S2、对样本均衡处理后的数据进行数据编码；S3、按照预设的数据处理规则对数据编码后的数据进行处理以得到目标数据；S4、构建初始模型，所述初始模型包括多个残差处理模块和多个注意力模块；S5、采用所述目标数据对所述初始模型进行多轮迭代训练以得到犯罪研判模型，并在迭代训练过程中采用交叉熵损失更新模型参数。本发明引入注意力机制和深度残差神经网络构建犯罪研判模型，其中，通过引入注意力机制可以自动关注犯罪数据中的关键犯罪特征以减少人工干预犯罪特征选择的过程，通过引入深度残差神经网络可以应对大规模数据场景下的犯罪研判要求。
-
公开(公告)号：CN116090037A
公开(公告)日：2023-05-09
申请号：CN202211345503.3
申请日：2022-10-31
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种建筑工程图文本框自动排版方法，包括：步骤1，获取需要自动排版的所有文本框及其坐标信息；步骤2，根据所述文本框的坐标信息计算所有文本框的重叠区域的总面积；步骤3，在所有文本框的重叠区域的总面积不为0时，确定与其他文本框重叠区域面积最大的一个文本框；步骤4，操作所述文本框分别向上下左右移动预设的距离，选择移动后其与其他文本框重叠区域面积最小的移动动作，并且执行所述动作；步骤5，重复步骤2至4，直到达到预定的重复次数。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
