一种区域空气污染物传输网络的构建方法

    公开(公告)号:CN119025713A

    公开(公告)日:2024-11-26

    申请号:CN202410931040.1

    申请日:2024-07-12

    Abstract: 本发明涉及一种区域空气污染物传输网络的构建方法,包括以下步骤:步骤1、获取区域内大量空气污染物监测数据和地理信息数据,进行数据预处理;步骤2、求解对应时刻任意两个有效空气质量监测站间的单源扩散影响因子,基于该单源扩散影响因子挖掘任意两个有效空气质量监测站间可能存在的空气污染物传输基础路径;步骤3、基于步骤2获得的任意两个有效空气质量监测站间可能存在的空气污染物传输基础路径,以因果机制构为导向进行真实路径筛选,进而构建区域空气污染物传输网络。本发明能够有效提高区域空气污染物交互关系的分析效率以及地区间空气污染物传输网络构建的准确性和实时性。

    一种基于深度强化学习文件价值算法的文件存储方法

    公开(公告)号:CN118605807A

    公开(公告)日:2024-09-06

    申请号:CN202410743159.6

    申请日:2024-06-11

    Abstract: 本发明公开了一种基于深度强化学习文件价值算法的文件存储方法,属于文件存储技术领域,包括以下步骤:基于系统收集的用户在操作文件时产生的行为数据,通过深度强化学习文件价值算法动态计算每个文件的价值分数;文件的价值分数高于设置的阈值时,将其存储于本地存储中,当文件的价值分数低于阈值时,将其存储于云端存储中。本发明通过分析影响文件价值的关键属性信息,使用深度强化学习方法对文件价值判断问题进行建模,以文件的存储开销和秒传成功率作为奖励函数,训练强化学习算法,自动化的实现文件价值算法设计与优化,能够帮助云服务提供商合理的选择文件存储位置,适应场景变化,减少访存延迟,提升用户体验。

    RISC-V架构二进制转译文件复用方法、装置及存储介质

    公开(公告)号:CN117827286A

    公开(公告)日:2024-04-05

    申请号:CN202410244844.4

    申请日:2024-03-05

    Abstract: 本发明公开了一种RISC‑V架构二进制转译文件复用方法、装置及存储介质,所述方法包括:在执行转译后的RISC‑V架构ELF文件时,利用转译后的RISC‑V架构ELF文件加载转译后生成的二进制翻译计算结果缓存文件,生成并初始化内存链表;对所述二进制翻译计算结果缓存文件进行解析,获取所述二进制翻译计算结果缓存文件的元数据;根据所述元数据在二进制翻译计算结果缓存文件中读取翻译缓存块的内存地址,并根据所述内存地址和指令操作码块对应关系对所述内存链表进行更新;在对指令操作码按指令操作码块执行翻译时,利用所述内存链表查询所述指令操作码块对应的内存地址;从所述对应的内存地址取出内容作为所述指令操作码块的翻译结果,直至所有指令操作码块完成翻译。

    一种基于SAM的医学图像分割方法、系统及产品

    公开(公告)号:CN118485682B

    公开(公告)日:2024-12-03

    申请号:CN202410919002.4

    申请日:2024-07-10

    Abstract: 本发明涉及医学图像分割技术领域,具体公开了一种基于SAM的医学图像分割方法、系统及产品,方法包括:将医学图像输入图像编码器得到图像编码向量;所述图像编码器包括依次连接的分块嵌入层和多个编码块,所述图像编码器内嵌有直觉感知微调适配器,所述直觉感知微调适配器将所述分块嵌入层的输出的共享投影特征融合到每个所述编码块的多头自注意力特征中;将提示内容输入提示编码器得到提示编码向量;将所述图像编码向量和提示编码向量拼接后输入掩码解码器,得到图像分割结果。本发明能够更准确、有效地处理医学图像数据,提高医疗诊断和治疗的精度和效率,实现SAM在医学图像处理领域的广泛应用。

    一种基于生成模型的跨外观行人重识别检测方法

    公开(公告)号:CN116778530A

    公开(公告)日:2023-09-19

    申请号:CN202310898793.2

    申请日:2023-07-21

    Abstract: 本发明提供了一种基于生成模型的跨外观行人重识别检测方法,属于行人重识别技术领域,包括以下步骤:生成模型中,不同行人图像之间交换体型特征和外观特征,生成新的行人图像;行人图像的RGB图像经过预训练的边缘检测网络和行人语义分割网络,得到行人轮廓草图和行人解析图;行人数据集的行人图像的行人轮廓草图、RGB图像和行人解析图输入相同的骨干网提取特征,特征融合然后进行推理训练。本发明使用生成模型对行人图像进行外观维度上的增强,并将生成的行人图像引入模型的训练阶段;三种模态使用相同的骨干网提取特征,融合进行推理,引导模型学习同一行人不同外观的关键特征,模型在跨外观的场景下具有更鲁棒的性能。

    一种多元时间序列异常检测方法、系统及产品

    公开(公告)号:CN119397461A

    公开(公告)日:2025-02-07

    申请号:CN202510001790.3

    申请日:2025-01-02

    Abstract: 本发明涉及数据异常检测技术领域,具体公开了一种多元时间序列异常检测方法、系统及产品,方法包括:搭建异常检测框架,所述异常检测框架包括依次连接的基于域注意力的特征提取器、基于域注意力的特征预测器以及多域异常判别器;利用源域和目标域的多元时间序列数据对所述基于域注意力的特征提取器和基于域注意力的特征预测器进行训练,得到多元时间序列异常检测模型;利用所述多元时间序列异常检测模型进行多元时间序列异常检测。本发明分别将有限数据的目标域和多个数据丰富的源域在分布上进行对齐,实现设备群中不同设备之间数据的交叉重用;并通过受域注意力约束的联合损失函数来训练模型,以捕获更加全面的设备状态信息。

Patent Agency Ranking