-
公开(公告)号：CN115794123A
公开(公告)日：2023-03-14
申请号：CN202310100913.X
申请日：2023-02-13
Applicant: 湖南大学
Abstract: 本申请公开了一种程序跨架构迁移方法，集成了有源码翻译和无源码翻译，针对无源码翻译，构建一个源架构子系统，为源程序提供虚拟的运行环境，保证源架构与目标架构的隔离，将源程序的源二进制文件存放于所述源架构子系统中；在所述源架构子系统的数据库中单独设置一块可供查询的数据空间，将多种二进制翻译器存放于所述数据空间中，测试多种二进制翻译器的翻译效率及翻译稳定性，并对测试结果进行排序，优选选择翻译效率较高的翻译器进行翻译，当翻译效率较高的翻译器无法完成翻译操作时，换用翻译稳定性最高的翻译器进行翻译，在尽可能提高翻译效率的同时，确保翻译过程稳定的进行。本申请还提供一种用于程序跨架构迁移的可扩展框架。
-
公开(公告)号：CN114861129A
公开(公告)日：2022-08-05
申请号：CN202210477739.6
申请日：2022-05-05
Applicant: 湖南大学
IPC: G06F17/16
Abstract: 本发明公开了一种求解奇异值的精度可调节的多模式计算框架，包括：矩阵输入模块，用于输入矩阵；求解算法存储模块，用于存储求解算法；求解算法添加模块，用于添加求解算法；求解算法选择模块，用于选择相应的求解算法；求解精度选择模块，用于选择求解算法的求解精度模式，所述求解精度模式包括原始模式、高精度模式以及混合精度模式；计算模块，用于利用选择的求解算法根据选择的精度模式对输入的矩阵进行相应精度的求解。本发明还提供了一种求解奇异值的精度可调节的多模式计算方法。本发明的有益效果：通过将求解算法设置成具有三种求解精度模式，实现用户可以根据自己需求选择不同精度的计算方法，通用性和普适性更好。
-
公开(公告)号：CN109033738B
公开(公告)日：2022-01-11
申请号：CN201810742486.4
申请日：2018-07-09
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度学习的药物活性预测方法。本发明使用RDkit开源库用于计算给定分子中每个原子的基本特征，包括原子类型，化合价，形式电荷等，只计算原子特征大大减少时间耗费。本发明是结合了图卷积和LSTM两种模型(长短期记忆网络)的预测模型，对于图卷积模型，通过将原子视为节点并将键作为无向图中的边来将所有分子特征化为图，提取分子结构特征，使用图卷积神经网络可以减少时间耗费的同时获取传统方法无法得到的特征。LSTM通过在证据和查询分子之间交换信息来学习复杂的度量。从而达到在低数据量下较高的预测准确度。
-
公开(公告)号：CN112766303A
公开(公告)日：2021-05-07
申请号：CN202011535827.4
申请日：2020-12-23
Applicant: 湖南大学
Abstract: 本发明公开了一种基于CNN的航空发动机故障诊断方法，本防使用的数据集为航空发动机传感器收集到的气路参数，其中包含发生各种故障时的气路参数以及正常情况下的气路参数，并且是按照时间序列采集的数据，使用了卷积神经网络可以充分的挖掘气路参数之间前后变化的特征，相比于传统方法对离散数据进行建模(针对具体某个时刻的数据进行分析)来说，不仅考虑到了不同时刻气路参数具体数值的变化，进一步考虑了连续时刻参数变化的趋势特征和前后的联系，由于使用了CNN具有一定的平移不变性，所以泛化能力更好，可以取得更加全面更加高级更加复杂的特征，紧接着提出了一种新型的损失函数，用于评价模型的分类结果，从而实现故障的诊断。
-
公开(公告)号：CN112489152A
公开(公告)日：2021-03-12
申请号：CN202011217830.1
申请日：2020-11-04
Applicant: 湖南大学
Abstract: 本发明公开了一种基于远程相关注意力生成对抗网络的文本生成图像方法，本发明使用远程依赖注意生成的可逆对抗网络(LRDAGAN)。将远程依赖学习纳入了生成过程，更具体地说，将生成器的特征图解析为几个部分，并使用词级特征增强这些部分的语义一致性且进一步改善了以往广泛使用的方法，以便更好地指导图片生成，使得本发明不仅可以生成高质量图像，而且还可以生成更好的语义一致性图像。
-
Patent Agency Ranking
公开(公告)号：CN107885503B
公开(公告)日：2021-01-08
申请号：CN201711113109.6
申请日：2017-11-11
Applicant: 湖南大学
IPC: G06F8/41
Abstract: 本发明公开一种基于程序特征分析的迭代编译优化方法，包括如下步骤:步骤一、对编译器中的编译选项按作用进行分类；步骤二、构建关系树形图；步骤三、对目标程序进行数据集测试，收集整理测试结果；步骤四、对测试结果进行分析，提取出目标程序的程序特征和调用关系；步骤五、根据目标程序的程序特征找出对应的编译选项类，组成一个迭代搜索空间；步骤六、在此迭代搜索空间中以类为基础进行局部最优搜索得到全局最优解；步骤七、保存，结束。本发明的方法结合了程序特征分析和局部搜索算法，大大减小了搜索空间的同时也充分考虑了各编译选项之间的影响，对比现有的方法，我们的方法能够在较短时间内找到一个适合目标程序的最优编译选项序列。
-
公开(公告)号：CN110175158B
公开(公告)日：2020-11-10
申请号：CN201910431788.4
申请日：2019-05-23
Applicant: 湖南大学
IPC: G06F16/18 , G06F16/2458 , G06F40/194 , G06F40/186
Abstract: 本发明公开了一种基于向量化的日志模板提取方法，其结合了离线日志模板提取和在线日志模板提取两个过程，离线日志模板提取先将所有的日志记录向量化后映射到一个高维向量空间，然后对所有向量进行聚类以实现对日志记录的分类，最后从每个类中提取出其中所有日志记录的最长公共单词子序列并用通配符替代不同的部分以作为该类的模板，在线日志模板提取基于离线提取的结果，对随着时间推移新产生的日志记录逐条进行处理，计算其向量化后的结果与已知各模板向量化后的结果的距离。本发明能够解决现有日志模板提取方法存在的不适合处理大量日志、普适性差、复杂性比较高的技术问题。
-
公开(公告)号：CN111538639A
公开(公告)日：2020-08-14
申请号：CN202010357343.9
申请日：2020-04-29
Applicant: 湖南大学
Abstract: 本发明公开了一种日志解析方法。本发明采用ELMo模型训练低维词向量，其中词向量用于表示日志信息和用于日志聚类，解析树用于提升分类的效率和实际效果，解决了现有日志解析方法，普适性差、复杂度高、不能应用于大规模日志数据中等技术问题。
-
公开(公告)号：CN111402365A
公开(公告)日：2020-07-10
申请号：CN202010185829.9
申请日：2020-03-17
Applicant: 湖南大学
Abstract: 本发明公开了一种基于双向架构对抗生成网络的由文字生成图片的方法，首先使用一个预训练的文字编码网络来分析文本含义，并将之映射至一个语义向量空间，然后双向架构对抗生成网络模型就可以利用语义向量来生成一张与之对应的图片。与相关技术相比，本发明具有如下优点：利用了双向架构思想，结合对抗生成网络实现了仅依赖文本来生成高质量图片的过程，并且通过改进注意力机制和调整batch normalization达到了加强图片和文本之间的语义一致性的目的，实验证明，这种模型架构可以显著提高合成图片的质量以及多样性。
-
公开(公告)号：CN110277173A
公开(公告)日：2019-09-24
申请号：CN201910423330.4
申请日：2019-05-21
Applicant: 湖南大学
IPC: G16H70/40
Abstract: 本发明提供一种基于Smi2Vec的BiGRU药物毒性预测系统及预测方法，包括：Smi2Vec模块，所述Smi2Vec模块用于将分子特征转换为原子向量；BiGRU药物毒性分类模型，用于训练所述原子向量，其设置于所述Smi2Vec输出端，所述BiGRU药物毒性分类模型包括1个嵌入层、1个BiGRU层、2个池化层及2个密集层；及分类器，用于生成任务分类的输出标签，其设置于所述BiGRU药物毒性分类模型的输出端。与相关技术相比，本发明提供的基于Smi2Vec的BiGRU药物毒性预测系统及预测方法能够达到高稳定和高精准的要求。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.021 seconds)
