-
公开(公告)号：CN102255963A
公开(公告)日：2011-11-23
申请号：CN201110184812.2
申请日：2011-07-01
Applicant: 清华大学
IPC: H04L29/08
Abstract: 本发明提供了一种提供远程文件系统按需推送服务的方法，服务器预推送利用之前所有客户端共同的访问模式进行预推送，较客户端仅根据先前各自的块访问进行预测和读取，能提供更准确的文件块，大大提升了用户首次获取文件的用户体验，其次，预推送减少了无线网络中客户端的连接请求次数，服务器只推送存储空间和访问时间上都相邻的文件块，避免了文件块过早推送，不会浪费客户端宝贵的存储和带宽资源，此外，服务器预推送支持客户端在请求中发送“预推送提示”，使服务器可以根据客户端的无线网络状态进行更有效的服务器预推送。
-
公开(公告)号：CN114021855B
公开(公告)日：2025-01-24
申请号：CN202111461666.3
申请日：2021-12-02
Applicant: 清华大学
Inventor： 邓仰东
IPC: G06Q10/04 , G06F18/211 , G06N3/04 , G06N3/084 , G06F18/214
Abstract: 本发明实施例公开一种基于历史数据的牵引电机温升预测方法，该方法包括以下步骤：获取牵引电机历史数据，牵引电机历史数据是按照同一频率对一段时间内的牵引电机历史数据进行采集获得，牵引电机历史数据按照一类传感数据为一个字段进行存储；根据所需要的字段对牵引电机历史数据进行处理，得到第一温度特征序列数据；根据预先设置的时间间隔阈值，对第一温度特征序列数据进行时间分段处理，得到第二温度特征序列数据；按照设定的时间窗口宽度和滑动步长对第二温升特征序列数据进行采样，得到多组温度特征数据；对多组温度特征数据进行划分，得到训练样本数据和测试样本数据；使用训练数据和测试数据对神经网络模型进行训练测试，生成目标神经网络模型。
-
公开(公告)号：CN114818463B
公开(公告)日：2024-08-27
申请号：CN202210249351.0
申请日：2022-03-14
Applicant: 清华大学 , 北京三快在线科技有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本发明提供了基于特征的预训练模型选择算法的脆弱性评估方法及系统，所述方法包括：获取低级预训练模型和高级预训练模型；对所述低级预训练模型使用少量下游任务的数据和有监督的对比学习损失函数训练进行模型伪装攻击，以得到伪装的低级预训练模型；基于特征的预训练模型选择算法对所述高级预训练模型和所述伪装的低级预训练模型进行选择；若选定模型为所述伪装的低级预训练模型，则判定基于特征的预训练模型选择算法存在脆弱性。本发明实现了对基于特征的预训练模型选择算法的脆弱性的评估。
-
公开(公告)号：CN114137401A
公开(公告)日：2022-03-04
申请号：CN202111341162.8
申请日：2021-11-12
Applicant: 清华大学
Inventor： 邓仰东
IPC: G01R31/327
Abstract: 本发明公开一种故障的电磁信号的确定方法及装置。该方法中针对处理后的待检测电磁信号中的每个分量属性，得到该分量属性对应的目标峭度指标，判断目标峭度指标是否在该分量属性对应的峭度指标范围内，各分量属性对应的峭度指标范围为：对接触器或断路器的无故障的多组电磁信号中的各分量属性进行峭度指标计算，基于计算结果进行W检验，当检验的结果符合预设要求时，根据各峭度指标计算结果确定各分量属性对应的峭度指标范围；如果不是所有的分量属性对应的目标峭度指标均在对应的峭度指标范围内，确定待检测电磁信号为故障信号。本发明中采用峭度指标计算和W检验对待检测电磁信号进行计算，确定待检测电磁信号是否为故障信号。
-
公开(公告)号：CN114021855A
公开(公告)日：2022-02-08
申请号：CN202111461666.3
申请日：2021-12-02
Applicant: 清华大学
Inventor： 邓仰东
Abstract: 本发明实施例公开一种基于历史数据的牵引电机温升预测方法，该方法包括以下步骤：获取牵引电机历史数据，牵引电机历史数据是按照同一频率对一段时间内的牵引电机历史数据进行采集获得，牵引电机历史数据按照一类传感数据为一个字段进行存储；根据所需要的字段对牵引电机历史数据进行处理，得到第一温度特征序列数据；根据预先设置的时间间隔阈值，对第一温度特征序列数据进行时间分段处理，得到第二温度特征序列数据；按照设定的时间窗口宽度和滑动步长对第二温升特征序列数据进行采样，得到多组温度特征数据；对多组温度特征数据进行划分，得到训练样本数据和测试样本数据；使用训练数据和测试数据对神经网络模型进行训练测试，生成目标神经网络模型。
-
Patent Agency Ranking
公开(公告)号：CN105676470A
公开(公告)日：2016-06-15
申请号：CN201610173980.4
申请日：2016-03-24
Applicant: 清华大学
IPC: G02B27/22
Abstract: 本发明涉及一种三维场景的视觉上的空间分辨率增强方法及系统。该方法包括：对特定的三维场景进行渲染，获取所述三维场景的不同视角的元图，所述不同视角的元图形成光场平面；获取所述光场平面的投射光线的高频部分的渲染信息，获取高分辨率的渲染帧；将所述高分辨率的渲染帧分解为低分辨率的子序列帧；以高刷新频率显示所述低分辨率的子序列帧。本发明提供的三维场景视觉上的空间分辨率的增强方法及系统，通过获取三维场景的高分辨率的渲染帧分解为低分辨率的子序列帧，并以高刷新频率显示所述低分辨率的子序列帧，利用人眼的积分特性实现子序列帧的融合，在不增加硬件开销的条件下，增强了三维场景的视觉上的空间分辨率，提供拟真的3D效果。
-
公开(公告)号：CN103558813A
公开(公告)日：2014-02-05
申请号：CN201310385110.X
申请日：2013-08-29
Applicant: 清华大学 , 北京清软英泰信息技术有限公司
IPC: G05B19/418
Abstract: 本发明涉及基于MVB网络技术的机车车辆的网络控制装置，具体涉及一种用于记录MVB网络物理层数据帧的记录方法以及根据该记录装置实现的用于记录MVB网络物理层数据帧的记录方法。该记录装置包括MVB网络控制器板卡以及工业控制计算机主板；所述MVB网络控制器板卡包括物理固件以及控制物理固件完成MVB网络物理层数据帧采集以及存储功能的逻辑固件；所述工业控制计算机主板通过工业控制总线与所述MVB网络控制器板卡连接，用于借助所述逻辑固件提取并记录所述物理固件采集以及存储的MVB网络物理层数据帧。通过本发明能够记录和存储MVB网络上物理层传输的数据帧，从而可以为分析列车运行和故障情况提供更加底层的数据支持。
-
公开(公告)号：CN103078970A
公开(公告)日：2013-05-01
申请号：CN201310046573.3
申请日：2013-02-05
Applicant: 清华大学
Abstract: 本发明提出一种wifi地址自动配置设备及方法，其中该设备包括：名称解析模块，名称解析模块绑定到一个组播IP地址，用于接受任何发送到该组播IP地址组播报文；wifi接口，wifi接口用于与其他wifi设备进行无线连接，其中wifi接口工作在ad-hoc模式；地址配置后台程序模块，地址配置后台程序模块用于向wifi接口分配动态链接局部IP地址；web配置服务模块，web配置服务模块用于相应web配置请求。本发明方便了用户对wifi设备的配置，同时wifi设备厂商可以使用被发明来对wifi功能产品进行最初的配置，具有结构简单，操作快捷的优点。
-
公开(公告)号：CN102073376A
公开(公告)日：2011-05-25
申请号：CN201010584075.0
申请日：2010-12-07
Applicant: 清华大学
Abstract: 本发明公开了一种便携式无线操作系统，所述便携式无线操作系统包括：便携式无线操作装置和与所述便携式无线操作装置进行无线通信连接的远程服务装置；所述便携式无线操作装置用于接收远程服务装置的人机交互界面数据，并把该人机交互界面投影在一个平面上，获取在所投影的人机交互界面上的用户操作动作数据，并把该用户操作动作数据发送到所述远程服务装置；所述远程服务装置用于从所述便携式无线操作装置接收到用户操作动作数据后，将所述用户操作动作数据解析为操作命令，执行该操作命令，并把执行结果的人机交互界面数据发送到所述便携式无线操作装置。本发明利用便携式无线操作装置实现对远程服务装置的操作，方便观察和操作远程服务装置。
-
公开(公告)号：CN114066090B
公开(公告)日：2025-03-28
申请号：CN202111415279.6
申请日：2021-11-25
Applicant: 清华大学
Inventor： 邓仰东
IPC: G06F18/214 , G06F18/213 , G06N3/082 , G06F123/02
Abstract: 本发明实施例公开一种温度预测模型的训练方法、预测方法、装置、设备及介质，其中，训练方法包括：采集电子器件的温度数据和不同温度下电子器件的电气特征数据；对温度数据和对应的电气特征数据按照预设时间间隔进行分段；对于分段后每个时间段的温度数据和电气特征数据，按照预设的窗口滑动步长进行数据采集，并利用所有采集的温度数据和电气特征数据形成特征矩阵；从特征矩阵中选择第一时间段内的温度数据和电气特征数据、以及第二时间段内的电气特征数据作为基础数据，并将第二时间段内的温度数据作为待预测数据；利用基础数据和待预测数据对温度预测模型进行训练。通过采用上述技术方案，有效解决了数据分析难度大和温度预测精度差的问题。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.021 seconds)
