-
公开(公告)号：CN109086954A
公开(公告)日：2018-12-25
申请号：CN201811322112.3
申请日：2018-11-08
Applicant: 暨南大学
Abstract: 本发明公开基于资金流预测收益率的预测方法、装置、设备及介质,该预测方法包括：获取采样的宏观资金流变量和上证指数收益率的月度数据序列,宏观资金流变量包括货币供应量和银行隔夜拆借利率；对月度数据序列进行单位根检验,确定单位根检验后的月度数据序列的单位根特性是否满足多变量协整检验的宽限条件；单位根特性为月度数据序列为Ni阶单整序列,Ni≥0；在单位根特性满足多变量协整检验的宽限条件的情况下,利用Johansen极大似然估计法确定宏观资金流变量月度数据序列与上证指数收益率月度数据序列的协整关系；根据基于协整关系建立的VECM模型对上证指数收益率进行预测。本发明的预测方法填补现有中尚缺少宏观资金流指标对中国股票指数进行预测的空白。
-
公开(公告)号：CN108631965A
公开(公告)日：2018-10-09
申请号：CN201810457440.8
申请日：2018-05-14
Applicant: 暨南大学
IPC: H04L1/18 , H04L1/00 , H04B17/391 , H04B17/382 , H04B17/336
Abstract: 本发明一种公开了HARQ-IR在相关莱斯衰落场景下的吞吐量最大化设计方法，实现了存在直视路径和时间相关性条件下发送功率和传输速率的优化设计方案。该方案基本思想是利用趋近性分析结果来最大化吞吐量同时约束最大平均总发送功率，步骤如下：首先根据信道状态信息的统计特征推导趋近性中断概率；结合功率约束构建吞吐量最大化问题，利用趋近性分析结果将优化问题分解成两个子优化问题，即功率分配和速率选择；最后根据最优功率和速率选择合理的传输方案。与瑞利衰落场景相比，存在直视路径的莱斯衰落有利于提高系统性能，而相比于传统方法，采用趋近性中断概率进行优化不但降低计算复杂度，同时也不损失系统性能。
-
公开(公告)号：CN108600997A
公开(公告)日：2018-09-28
申请号：CN201810286303.2
申请日：2018-04-03
Applicant: 暨南大学
Abstract: 本发明公开了一种基于HARQ辅助NOMA的大规模D2D通信方法，该方法首先利用随机几何方法分析大规模D2D网络中叠加干扰对中断概率的影响，然后利用中断概率与频谱效率之间的关系，推导出频谱效率的具体表达式；最后基于这些理论分析结果构建资源分配的优化问题：通过合理设置不同D2D用户的信息传输速率甚至占用相同时频资源D2D终端的分布密度来最大化频谱效率(吞吐量或空间频谱利用率)并同时保证通信的可靠性。仿真和数值结果显示，本发明所提供的协作方式应用方案比非协作方式在中断概率上降低了23％，此外，应用非正交多址接入技术比应用正交多址接入技术在频谱效率上提高了17％。
-
公开(公告)号：CN118691338B
公开(公告)日：2025-04-01
申请号：CN202410904024.3
申请日：2024-07-08
Applicant: 暨南大学
IPC: G06Q30/0204 , G06Q30/0201 , G06Q10/04 , G06Q10/0631 , G06Q10/30 , G06Q50/02 , G06Q50/12 , G06Q50/26
Abstract: 本申请涉及厨余垃圾资源化闭环处理设施的选址方法及服务平台，该方法包括：基于多个餐饮中心在设定的选址周期内的厨余垃圾总产量，确定每个餐饮中心所对应的厨余垃圾日产量，并确定多个餐饮中心所对应的厨余垃圾的日产总量；在确定处理日产总量的厨余垃圾所需求的第一黑水虻需求量之后，确定每个候选黑水虻处理点在对应的邻避效应参数下所对应的第一黑水虻养殖规模；基于第一黑水虻养殖规模与第一黑水虻需求量，从多个候选黑水虻处理点中，选取至少一个备选黑水虻处理点，并在计算备选黑水虻处理点与关联的多个餐饮中心所对应的日运营总成本之后，至少根据日运营总成本，从至少一个备选黑水虻处理点中，选取目标黑水虻处理点，得到选址结果。
-
公开(公告)号：CN118674491B
公开(公告)日：2025-02-28
申请号：CN202410842824.7
申请日：2024-06-27
Applicant: 暨南大学
IPC: G06Q30/0202 , G06N3/0464 , G06N3/049 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本申请涉及基于大数据的产品需求信息预测方法、装置、预测平台及介质，该方法包括：在目标产品对应的历史生产数据中，获取与所述目标产品对应的第一生产数据时间序列，并按预设规则对所述第一生产数据时间序列进行缩放处理，生成第二生产数据时间序列；将所述第二生产数据时间序列，输入已训备的需求预测模型，得到所述目标产品对应的目标需求预测数据；利用已构建的EM‑GMM模型，处理所述目标需求预测数据的所有所述日生产需求预测数据，生成生产需求预测结果，其中，所述生产需求预测结果包括所述目标产品对应的周生产需求概率分布参数，通过使用TCN‑LSTM模型，结合网格搜索法，对历史生产数据进行预处理和预测，从而提高对目标产品需求预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118710082B
公开(公告)日：2024-12-03
申请号：CN202410994955.7
申请日：2024-07-24
Applicant: 暨南大学
IPC: G06Q10/0637 , G06Q10/0635 , G06N3/088 , G06N3/0455
Abstract: 本申请涉及基于GAT和AE的产业链扰动识别方法及检测系统，该方法包括：获取待检测的目标产业链的属性网络图，属性网络图包括目标产业链上所有企业节点所对应的邻接参数和每个企业节点对应的节点参数，邻接参数用于表征企业节点之间是否存在供应关系，节点参数用于表征每个企业节点的生产状态信息；将目标产业链所对应的所有邻接参数和所有所述企业节点对应的节点参数，输入GAT‑AE扰动检测模型中进行中断检测，得到所有企业节点所对应的扰动参数，扰动参数包括对应的所述企业节点对应的扰动指数；从每个企业节点对应的扰动参数中，获取对应的扰动指数，并根据对扰动指数是否小于扰动指数阈值的判断结果，确定产业链扰动识别结果。
-
公开(公告)号：CN118503806B
公开(公告)日：2024-11-12
申请号：CN202410720765.6
申请日：2024-06-05
Applicant: 暨南大学
IPC: G06F18/2411 , G06F18/24 , G06F18/2413
Abstract: 本申请涉及基于TOPSIS和SVR的订单评级方法、装置、评级系统及存储介质，该方法包括：获取待排序的订单数据，对订单数据进行预处理，以生成预设数据格式的候选订单数据，候选订单数据包括多种目标指标参数；利用TOPSIS法，处理多种目标指标参数，得到每个目标指标参数所对应的权重数据；对多种目标指标参数和每个目标指标参数对应的权重数据，利用秩和比评价法RSR进行秩和比计算，得到与每个目标指标参数对应的实时加权秩和比，将实时加权秩和比输入SVR模型，输出与实时加权秩和比对应的预测加权秩和比；根据预测加权秩和比和预设的分档规则，确定每个订单数据所对应的分档排序结果。通过本申请，解决相关技术中评级订单的方法效率及准确率低的问题。
-
公开(公告)号：CN118674491A
公开(公告)日：2024-09-20
申请号：CN202410842824.7
申请日：2024-06-27
Applicant: 暨南大学
IPC: G06Q30/0202 , G06N3/0464 , G06N3/049 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本申请涉及基于大数据的产品需求信息预测方法、装置、预测平台及介质，该方法包括：在目标产品对应的历史生产数据中，获取与所述目标产品对应的第一生产数据时间序列，并按预设规则对所述第一生产数据时间序列进行缩放处理，生成第二生产数据时间序列；将所述第二生产数据时间序列，输入已训备的需求预测模型，得到所述目标产品对应的目标需求预测数据；利用已构建的EM‑GMM模型，处理所述目标需求预测数据的所有所述日生产需求预测数据，生成生产需求预测结果，其中，所述生产需求预测结果包括所述目标产品对应的周生产需求概率分布参数，通过使用TCN‑LSTM模型，结合网格搜索法，对历史生产数据进行预处理和预测，从而提高对目标产品需求预测的准确性。
-
公开(公告)号：CN118229018B
公开(公告)日：2024-09-10
申请号：CN202410437587.6
申请日：2024-04-12
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/08 , G06Q50/04
Abstract: 本申请涉及多资源约束的生产物流协同决策方法、装置、电子装置和存储介质，该方法包括：基于当前获取的多个JI对应的成对邻近性，对多个JI进行分组并生成当前JI队列，当前JI队列对应有当前LI队列和当前PI队列；在根据每个JI与对应的装配单元的作业适配度，对当前JI队列进行排序并生成候选JI队列期间，同步执行根据每个LI与分配的lo的物流适配度，对当前LI队列中的所有LI进行排序更新并生成目标LI队列，候选JI队列对应有候选PI队列；按预设的约束规则，对候选PI队列的所有PI进行指令验证，并根据每个PI与分配的po的生产适配度，对完成指令验证的候选PI队列中的所有PI进行排序更新，生成目标PI队列，以及将目标LI队列和目标PI队列作为协同决策结果。
-
公开(公告)号：CN118229194B
公开(公告)日：2024-08-23
申请号：CN202410437940.0
申请日：2024-04-12
Applicant: 暨南大学
IPC: G06Q10/087 , G06Q50/04
Abstract: 本申请涉及批生产模式下的库位规划方法、电子装置及存储介质，该方法包括：获取当前空闲的货位信息和组批生产后的多个生产订单信息，每个生产订单信息包括多个目标对象对应的同一类别的单品信息；从多个生产订单信息中，获取每个目标对象对应的多个单品信息，得到每个目标对象对应的多个入库子单信息，并基于货位信息和入库子单信息，进行初始编码，得到第一编码序列；利用ALNS算法和预设的仓储约束,对当前编码序列进行破坏修复操作，生成备选编码序列；根据备选编码序列和当前编码序列对应的仓储成本，从备选编码序列和当前编码序列中，选取目标编码序列，得到库位规划结果。通过本申请，解决相关技术的库位规划方案易浪费仓库资源及成本的问题。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.044 seconds)
