一种基于社交网络分析技术的员工工作考察方法

    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

    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。

    一种基于机器学习的超高速碰撞碎片云快速模拟方法

    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

    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。

    一种基于深度学习的脉冲波形去噪方法

    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

    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。

    一种基于外部数据包装器的联邦数据库系统

    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

    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。

Patent Agency Ranking