-
公开(公告)号:CN114722706B
公开(公告)日:2025-03-04
申请号:CN202210318277.3
申请日:2022-03-29
Applicant: 中国工程物理研究院计算机应用研究所
Abstract: 本发明公开了一种基于图卷积神经网络的在时间差分流体仿真器仿真过程中修正仿真结果的方法,涉及深度学习领域,该方法包含标准化、编码、一阶修正并剥离误差、二阶修正并剥离误差、融合编码、解码、反标准化等步骤,其中,编码、解码通过全连接网络实现,修正、剥离误差过程基于图卷积网络,标准化基于累积的均值和标准差。该方法与时间差分流体力学仿真器共用图信息,可以与时间差分流体仿真器高效插接,解决时间差分仿真器仿真时误差传播,造成仿真失真、失效的问题。
-
公开(公告)号:CN116610666A
公开(公告)日:2023-08-18
申请号:CN202211527172.5
申请日:2022-12-01
Applicant: 中国工程物理研究院计算机应用研究所
IPC: G06F16/22 , G06F16/27 , G06F16/2455 , G06F21/33 , G06F21/62
Abstract: 本申请公开了一种基于外部数据包装器的联邦数据库系统,该方法包括:在中心数据库执行中心数据库初始化;在单元数据库执行单元数据库初始化;在单元数据库执行单元数据库注册;在单元数据库执行单元数据库表注册;在中心数据库执行中心数据库管理,接受或者拒绝单元数据库和单元数据库表的注册请求。本发明采用中心数据库‑单元数据库架构,联邦数据库权限管理模块提供双向权限管理功能,允许中心数据库管理员和单元数据库管理员协同管理数据库表权限,解决联邦数据库构建过程中的单元数据库连接实现复杂的问题,满足数联邦据中数据库表权限管理灵活多变的需求。
-
公开(公告)号:CN116629088A
公开(公告)日:2023-08-22
申请号:CN202210959312.X
申请日:2022-08-11
Applicant: 中国工程物理研究院计算机应用研究所
IPC: G06F30/27 , G06F18/214 , G06N3/0464 , G06N3/08 , G06F111/10
Abstract: 本发明实施例公开了一种基于深度学习的压强效应场分布预测方法,该方法属于深度学习领域。为加速冲击波传播过程中压强效应场分布的计算速度,设计基于深度学习的压强效应场分布预测网络,通过使用基于ConvGRU的编码‑解码网络结构,实现从前4帧压强效应场分布预测后续n帧压强效应场分布。该方法优势在于:计算速度快,预测前50帧数据仅需160秒;精度高,超压部分压强分布的平均相对误差和最大压强的平均相对误差均在10%左右;泛化性好,能够在不同场景中使用。
-
公开(公告)号:CN114722706A
公开(公告)日:2022-07-08
申请号:CN202210318277.3
申请日:2022-03-29
Applicant: 中国工程物理研究院计算机应用研究所
Abstract: 本发明公开了一种基于图卷积神经网络的在时间差分流体仿真器仿真过程中修正仿真结果的方法,涉及深度学习领域,该方法包含标准化、编码、一阶修正并剥离误差、二阶修正并剥离误差、融合编码、解码、反标准化等步骤,其中,编码、解码通过全连接网络实现,修正、剥离误差过程基于图卷积网络,标准化基于累积的均值和标准差。该方法与时间差分流体力学仿真器共用图信息,可以与时间差分流体仿真器高效插接,解决时间差分仿真器仿真时误差传播,造成仿真失真、失效的问题。
-
-
-