-
公开(公告)号：CN106323971A
公开(公告)日：2017-01-11
申请号：CN201610942190.8
申请日：2016-10-26
Applicant: 桂林理工大学
IPC: G01N21/79
CPC classification number: G01N21/79
Abstract: 本发明公开了一种利用吸光度判断滴定终点的方法。设置一种分光光度滴定终点判断仪，包括光源、单色器、光纤、锥形检测滴定瓶、检测器、显示器和电源。接通电源后，光源发出复合光，复合光经单色器分解后变成特定波长的单色光，然后经光纤传输至锥形检测滴定瓶，锥形检测滴定瓶用于盛放待测溶液，当滴定管中的标准溶液滴入锥形检测滴定瓶时，与待测溶液发生化学反应，待测溶液的颜色会发生变化，检测器检测该颜色变化，并通过光电效应将透过锥形检测滴定瓶的光信号变成可测的电信号，即吸光度，从而用吸光度的变化来实现判断滴定终点。本发明方法能够准确、快速判断滴定终点，且操作简单、稳定性好、适用面广。
-
公开(公告)号：CN117854733B
公开(公告)日：2025-01-10
申请号：CN202311604572.6
申请日：2023-11-28
Applicant: 桂林理工大学
IPC: G16H50/70 , G16B40/00 , G16B50/00 , G16B30/10 , G06N3/0455
Abstract: 本发明公开了一种基于生物实体图的异构图transformer进行miRNA与疾病关联预测的方法，包括：miRNA‑疾病关联（MDA）数据集，生物实体数据集，生物实体关联数据集的选择与建立；生物实体关联图的构建；miRNA和疾病特征的提取和融合；深度学习模型的构建；本发明在五折交叉验证实验下取得了优异的性能表现，证明了基于生物实体图的异构图transformer进行miRNA与疾病关联预测方法的有效性。一项关于乳腺癌的案例研究进一步证明了本发明在识别新的miRNA与疾病关联方面具有实际的应用功能。
-
公开(公告)号：CN118245182A
公开(公告)日：2024-06-25
申请号：CN202410301951.6
申请日：2024-03-17
Applicant: 桂林理工大学
Abstract: 本发明提出了一种基于抢占的依赖任务调度算法。包括4个步骤：步骤S1.设计中间件，并对依赖任务分配进行初始化；步骤S2.利用虚拟机对初始化的依赖任务根据先来先服务策略进行执行；步骤S3.计算依赖任务的时刻‑关键路径，并求出依赖任务抢占动作的评估值；步骤S4.从虚拟机组中确定候选虚拟机，并确定抢占虚拟机；步骤S5.依赖任务进行抢占。与其它依赖任务调度算法相比，本发明所述算法在任务执行过程中可以及时响应任务的变化需求，动态地重新分配资源，从而减少依赖任务的等待时间和执行时间，进而降低整体应用程序的平均完成时间，从而提高系统的整体性能。
-
公开(公告)号：CN118193125A
公开(公告)日：2024-06-14
申请号：CN202410272592.6
申请日：2024-03-11
Applicant: 桂林理工大学
IPC: G06F9/455 , G06N3/0464 , G06N3/0442 , G06N3/049
Abstract: 本发明公开了一种基于时间卷积和长短期记忆网络的容器云资源预测方法。包括5个步骤：步骤S1.异常值剔除：通过箱型图可视化数据分布，判断离群值是否属于异常数据，再异常值进行剔除；步骤S2.缺失值填充：利用N近邻方法对缺失值进行填充；步骤S3.标准化处理：获取极值对数据进行标准化，消除不同特征之间的量纲差异；步骤S4.特征选择：通过判断各个特征的重要性，从原始特征集合中选择一个子集作为模型训练的输入特征；步骤S5.搭建模型：使用基于PyTorch的深度学习来框架搭建用于容器云资源预测的TCN‑LSTM模型，训练模型优化超参数，输出预测结果。该发明能够捕获长时间序列数据的依赖和特征，降低网络的复杂性，有效地提升了预测的准确性。
-
公开(公告)号：CN118094940A
公开(公告)日：2024-05-28
申请号：CN202410301792.X
申请日：2024-03-16
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于资源匹配度的改进鲸群算法的容器放置方法。包括4个步骤：S1确定主机资源利用状态：计算所有主机的各类资源利用率，以此为依托计算出各主机的资源综合利用率，并确定资源临界值，从而判定各主机状态；S2建立目的主机列表：按照主机所处状态，逐步将各状态主机迁入目的主机列表；S3构建优化模型：建立包含资源匹配度的优化模型；S4设计容器放置算法并执行放置：使用改进后的鲸群算法求解优化模型，最后按照输出的映射关系进行放置操作。本发明提供一种基于资源匹配度的改进鲸群算法的容器放置方法，通过改进的鲸群算法求解映射关系，实现容器在主机上的合理放置，达到减少资源碎片化与降低能源消耗的效果。
-
Patent Agency Ranking
公开(公告)号：CN117828325A
公开(公告)日：2024-04-05
申请号：CN202311766945.X
申请日：2023-12-20
Applicant: 桂林理工大学
IPC: G06F18/213 , G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种振动信号特征提取方法、装置及存储介质，涉及故障诊断技术领域；本发明通过加速度传感器采集机器设备运行时的振动信号；对采集到的振动信号进行信号特征提取，得到初始特征向量矩阵；通过线性判别分析算法对初始特征向量矩阵进行降维融合处理，得到融合特征向量矩阵；对融合特征向量矩阵进行特征提取，得到最终特征向量矩阵；对最终特征向量矩阵进行分类识别，得到分类结果；根据分类结果判断机器设备的故障情况，得到机器设备的故障类型。通过对振动信号进行多次特征提取，能更充分的表征故障类型信息，同时很大程度上提高了分类识别的准确率。
-
公开(公告)号：CN113762525B
公开(公告)日：2024-04-05
申请号：CN202111040480.0
申请日：2021-09-07
Applicant: 桂林理工大学
Abstract: 本发明公开了一种具有差分隐私保护的联邦学习模型训练方法，所述具有差分隐私保护的联邦学习模型训练方法如图1所示，包括如下步骤：建立模型和终端的连接，选择学习模型，建立模型与终端服务器的联系；模型的区分与分发，对模型进行样本级别和用户级别的区分，终端服务器将区分后的模型按照标准选择参与本轮联邦学习的设备；进行本地训练；建立隐私保护；更新全局模型；监控和反馈，数据备份记录。将模型分类进行差分隐私保护，提高对数据的保护效果；监控和反馈模块，监测数据是否存在隐私泄露，减少信息的泄露，便于隐私保护机制的维护和更新；数据备份，避免终端掉线影响数据的传输，提高训练效果。
-
公开(公告)号：CN110867196B
公开(公告)日：2024-04-05
申请号：CN201911222026.X
申请日：2019-12-03
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于深度学习及声音识别的机器设备状态监测系统。包括训练数据采集模块采集声音信号；人工标记模块对声音信号进行标记形成声音样本库；声音样本经预处理和特征提取被送入预设神经网络模型进行训练；实时数据采集模块采集声音信号并送入训练后的神经网络模型；状态识别模块结合人工经验通过声音信号对机器运行状态进行综合识别判断，并将结果进行反馈及输出。本发明不仅可以实时监测机器设备运行状态，同时在机器设备发生故障或处于危险状态时发出报警信号，通知设备管理员及时进行维护，提高工作效率；同时由于采用深度学习算法结合人工经验对神经网络模型进行训练，因而具有识别准确性高、安全性好、效率高和智能化等优点。
-
公开(公告)号：CN116861016A
公开(公告)日：2023-10-10
申请号：CN202310668700.7
申请日：2023-06-07
Applicant: 桂林理工大学
IPC: G06F16/532 , G06F16/51 , G06F16/583
Abstract: 本发明公开了一种基于细节点三角形与二次索引的指纹检索方法，该方法包含7个步骤。第一步获取指纹图像的细节点数据，并对数据进行预处理。第二步，依据细节点构建细节点三角形，并生成由细节点三角形构建的向量。第三步基于构建的向量构建基于细节点三角形向量的索引值1，第四步构建索引值2，第五步基于索引1采用折半查找的方式搜寻满足符合一定差距内的匹配样本，第六步基于索引2在当前满足条件的匹配样本中二次查询匹配指纹，第七步输出查找结果。本发明的目的在于提高指纹识别的效率同时减少指纹匹配时所花费的时间，提高了大规模指纹识别的准确率，减少了查询时间。
-
公开(公告)号：CN116489159A
公开(公告)日：2023-07-25
申请号：CN202310394810.9
申请日：2023-04-13
Applicant: 桂林理工大学
IPC: H04L67/101 , H04L67/1014 , H04L67/61 , H04L67/62 , G06N3/092 , G06N7/01
Abstract: 本发明公开了一种云雾计算环境中基于强化学习的任务卸载与调度方法，属于云雾计算领域。该方法包括以下步骤：步骤S1：建模终端设备任务请求变量；步骤S2：建模任务卸载问题；步骤S3：构建服务延迟和能耗的优化目标；步骤S4：确定任务卸载和调度策略。本发明在满足物联网服务质量（QoS）的前提下，最小化服务延迟和雾节点能耗使用，对任务请求进行卸载和调度，提高了物联网终端设备的稳定性和资源分配的有效性。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.025 seconds)
