-
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：CN112184051A
公开(公告)日：2021-01-05
申请号：CN202011093230.9
申请日：2020-10-13
Applicant: 中国工程物理研究院计算机应用研究所
Abstract: 本发明涉及员工工作考察相关领域，尤其为一种基于社交网络分析技术的员工工作考察方法，包括以下步骤：S10、综合边数据；S20、员工工作社交网络图；S30、员工工作网络指标；S40、员工工作网络分析方法。该方法在对多种类工作社交记录数据进行分析比对的基础上，提取出综合边数据，然后利用社交网络分析技术，构建该企业单位的工作社交网络图，并对该网络进行了指标量化和分析；该方法构建的工作社交网络图能较真实反映单位内部员工之间的工作关系，并且为如何评价员工在工作网络中的表现，发现员工工作异常等方面提供了数据支撑。
-
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。
-
公开(公告)号：CN116578817A
公开(公告)日：2023-08-11
申请号：CN202211559133.3
申请日：2022-12-06
Applicant: 中国工程物理研究院计算机应用研究所
Abstract: 本申请公开了一种基于图神经网络和有限差分的偏微分方程求解算法。该方法包括基于多维权限生成唯一ID，生成数据集文件；在存储中间件中存储数据集文件并生成文件的访问地址；将生成的多维权限ID和其对应的数据集文件的访问地址组成键值对，在缓存中间件中存储键值对；获取多维权限ID，查询缓存中间件中是否存在数据集缓存。本发明于策略维度的管控实现了小时级、天级、周级等数据生成机制，达到了满足不同时效需求数据图表快速渲染的效果，并解决了数据安全管控弱和图表展示性能低的问题。
-
Patent Agency Ranking
公开(公告)号：CN118170640A
公开(公告)日：2024-06-11
申请号：CN202410094493.3
申请日：2024-01-23
Applicant: 中国工程物理研究院计算机应用研究所
IPC: G06F11/36
Abstract: 本发明涉及web应用的自动化测试技术领域，具体为一种基于模型关键字驱动的web应用自动化测试方法，包括以下步骤：首先分析被测web应用的业务需求，建立被测系统的业务状态模型和数据状态模型；根据业务需求设计关键字并将之与业务模型绑定；根据测试需求，建立需求模型并与业务状态模型和数据状态模型关联；根据配置的测试用例生成策略，分别生成业务测试用例和数据测试用例。本发明通过状态图对被测web应用进行建模，通过关键字的方式驱动模型自动执行测试、分析结果，此方法能够很好的维护测试过程中的相关知识，对需求变更频繁、bug较多的测试项目能够较快的构建新的测试环境，有效提高了测试效率。
-
公开(公告)号：CN117349146A
公开(公告)日：2024-01-05
申请号：CN202211534224.1
申请日：2022-12-02
Applicant: 中国工程物理研究院计算机应用研究所
IPC: G06F11/36
Abstract: 本申请公开了一种基于状态节点优先级覆盖的用例设计方法。该方法包括获取状态机模型，对状态机模型的正确性、合规性进行验证；对模型进行解析，依据与软件功能需求关系的密切程度，将状态节点按照风险优先级划分为3个等级，即Trunk(主干)，Relation（关联）和Normal（普通）；分别抽取状态机模型中所有Trunk、Relation和Normal节点进行全排列组合得到路径集合；对数据模型图进行解析，仅覆盖主干节点和关联节点，并且对于模型图中Trunk和Relation节点之间存在多条路径的，只选择其中的一条路径；综合生成的测试路径和测试数据，通过采用关键字驱动和数据驱动的模式组合生成可自动执行测试用例。本发明能够有效提高测试需求分析、测试用例生成、测试结果判断的自动化和规范化程度。
-
公开(公告)号：CN116916447A
公开(公告)日：2023-10-20
申请号：CN202310914633.2
申请日：2023-07-25
Applicant: 中国工程物理研究院计算机应用研究所
IPC: H04W64/00 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/09
Abstract: 本申请公开了一种基于自注意力神经网络的5G无线定位方法与流程，属于无线定位领域。面向高精度无线定位需求，本方法基于5G基站信号，设计了一种基于自注意力神经网络的端对端的网络结构，以及鲁棒的训练方法与流程。本申请提出的方法与流程构建的模型即拥有高精度定位推理能力，又能在少量基站故障时拥有良好的定位鲁棒性，同时模型参数量少，定位速度快。
-
公开(公告)号：CN112214927A
公开(公告)日：2021-01-12
申请号：CN202010998145.0
申请日：2020-09-21
Applicant: 中国工程物理研究院计算机应用研究所
IPC: G06F30/27 , G06F30/23 , G06N3/08 , G06N3/04 , G06F111/10
Abstract: 本发明涉及计算机相关技术领域，尤其涉及一种基于机器学习的超高速碰撞碎片云快速模拟方法，包括以下步骤，S10、碎片云关键特征提取方法；S20、碎片云快速模拟模型构建方法；S30、模型中碰撞条件施加策略；S40、模型准确性评估方法。该发明通过特征工程方法，提取碎片云分布特征；然后基于变分自编码器网络结构建立碎片云快速模拟模型，并将碎片云分布特征和碰撞参数作为输入数据；同时设计损失函数，指导神经网络的层次性结构实现输入数据与输出数据之间的复杂函数逼近，进而建立碰撞参数与高维度的碎片云分布特征之间的非线性关系；为了评估所获得碎片云快速生成模型的准确性，建立了模型误差评估方法，通过计算模型输出结果与模型训练数据之间的多种误差标准。
-
公开(公告)号：CN112149617A
公开(公告)日：2020-12-29
申请号：CN202011093353.2
申请日：2020-10-13
Applicant: 中国工程物理研究院计算机应用研究所
Abstract: 本发明涉及一种基于深度学习的脉冲波形去噪方法，步骤如下；S10、深度去噪神经网络模型的层次构建；S20、深度去噪模型损失函数的设计；S30、深度去噪模型的训练数据构建；S40、深度去噪模型对实测脉冲波形的去噪效果；本发明，基于在图像识别领域常见的U‑Net模型构建深度网络，U‑Net卷积神经网络模型相比于其他卷积神经网络，能在降噪去除调制的同时，更好的保留数据关键特征。利用数值方法模拟FM‑to‑AM效应，生成有调制噪音波形和相应的无调制噪音波形数据对，用于深度去噪模型的训练。采用小批量数据的随机梯度信息对权重系数进行迭代更新，提高学习速率。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.04 seconds)
