-
公开(公告)号：CN112214261A
公开(公告)日：2021-01-12
申请号：CN202011185989.X
申请日：2020-10-30
Applicant: 内蒙古工业大学
Abstract: 本发明一种面向边缘智能的三层结构DNN计算卸载方法，客户端接收DNN查询任务，依据DNN各个层的相关信息生成执行概要文件上传到边缘服务器，边缘服务器再收集数据中心服务器和自身对此DNN的预测函数，计算出预测的执行时延，进而生成DNN执行图；利用贪婪迭代随机算法在三层结构中求出计算卸载策略；在三层结构中通过协同协议执行计算卸载策略。本发明用于边缘计算中DNN查询的卸载，在该结构中边缘服务器解析DNN任务，根据DNN各层在不同节点的执行情况构建NN执行图，然后利用贪婪迭代随机算法迭代寻找最短路径，构建计算卸载策略，将客户端的任务放到三层体系结构中，提前根据计算任务的性质确定计算卸载策略，然后在三层结构中进行计算卸载，效率更高。
-
公开(公告)号：CN111460052A
公开(公告)日：2020-07-28
申请号：CN202010275707.9
申请日：2020-04-09
Applicant: 内蒙古工业大学
IPC: G06F16/28 , G06F16/245 , G06F16/215 , G06Q50/26
Abstract: 一种基于监察数据关联分析的低保资金监督方法，包括：步骤1，获取低保户信息数据和低保资金发放数据并做数据持久化处理，统计每个低保户在一段时间领取每种补贴的总金额与总次数；步骤2，通过关联表间的数据碰撞与决策分析，得到一部分受益人不在低保户信息数据表中却领取低保资金的问题数据，并且提取其中真实低保户领取低保资金的数据；步骤3，在真实低保户领取低保资金的数据中，计算每个低保户在一年内的领取总金额与领取总次数，分别计算领取总金额与领取总次数的数据聚类中心，得到脱离聚类中心的问题数据，即年度领取金额异常数据或者年度领取次数异常数据。本发明实现了高效的监察数据关联分析的最低生活保障资金监督。
-
公开(公告)号：CN114627978B
公开(公告)日：2024-09-17
申请号：CN202210250734.X
申请日：2022-03-15
Applicant: 内蒙古工业大学
IPC: G16C20/30 , G16C20/50 , G16C20/70 , G06F18/241 , G06N3/0464 , G06N3/08 , G06N3/126
Abstract: 一种基于R‑CNN‑GA的抗乳腺癌候选药物分类预测方法，包括：基于RFE和RF的主特征提取，提取原始数据中对生物活性影响重要性最强的主要特征；基于CNN_FC的ERα生物活性的定量预测方法，通过选取主要的特征变量来预测化合物对应的IC50和PIC50值；基于CNN_FC的多标签分类预测方法，对数据中化合物的Caco‑2、CYP3A4、hERG、HOB、MN特性进行分类预测；以及基于遗传算法的多目标优化模型，优化选取有益的特征变量及其最优取值范围。本发明高精度地预测了IC50和PIC50的值，并对原始特征进行指标分类，并结合遗传算法进行优化，进一步选取抗乳腺癌候选药物有益的特征及其最优取值范围。
-
公开(公告)号：CN113065032A
公开(公告)日：2021-07-02
申请号：CN202110297787.2
申请日：2021-03-19
Applicant: 内蒙古工业大学
IPC: G06F16/901 , G06N3/04 , G06N3/08 , G06N20/20 , G06F9/50
Abstract: 一种面向边缘网络集成学习的自适应数据感知与协同缓存方法，边缘计算节点使用可合并计数布隆过滤器(CCBF)中g个比特数组，高效记录缓存数据，邻居节点间交换缓存数据的可合并计数布隆过滤器，通过将比特数组清零的方式，删除冗余数据，随后合并该节点所有可合并计数布隆过滤器，生成缓存数据的全局视图CCBFg；根据CCBFg中的聚合比特数组确定该节点和其它节点没有缓存的数据，进行缓存，从而保证邻居节点间缓存不同的数据。本发明通过邻居节点间缓存不同的数据，保证差异化数据生成不同的子模型，从而能够提升机器人传感器图像识别等应用中的神经网络模型性能，并降低传输开销。
-
公开(公告)号：CN114627978A
公开(公告)日：2022-06-14
申请号：CN202210250734.X
申请日：2022-03-15
Applicant: 内蒙古工业大学
Abstract: 一种基于R‑CNN‑GA的抗乳腺癌候选药物分类预测方法，包括：基于RFE和RF的主特征提取，提取原始数据中对生物活性影响重要性最强的主要特征；基于CNN_FC的ERα生物活性的定量预测方法，通过选取主要的特征变量来预测化合物对应的IC50和PIC50值；基于CNN_FC的多标签分类预测方法，对数据中化合物的Caco‑2、CYP3A4、hERG、HOB、MN特性进行分类预测；以及基于遗传算法的多目标优化模型，优化选取有益的特征变量及其最优取值范围。本发明高精度地预测了IC50和PIC50的值，并对原始特征进行指标分类，并结合遗传算法进行优化，进一步选取抗乳腺癌候选药物有益的特征及其最优取值范围。
-
Patent Agency Ranking
公开(公告)号：CN118863168A
公开(公告)日：2024-10-29
申请号：CN202411024256.6
申请日：2024-07-29
Applicant: 内蒙古工业大学
IPC: G06Q10/04 , G06Q50/04 , G06F18/213 , G06F18/15 , G06N3/045 , G06N3/0464 , G06F18/2415 , G06N3/048
Abstract: 本发明提出了一种基于CEEMDAN‑Informer的车间作业加工时间预测方法，方法包括：获取车间作业加工时间数据并进行预处理；使用CEEMDAN算法对预处理后的数据特征提取，得到分解后的本征模态函数和本征模态分量；根据本征模态函数利用基于Informer算法的多头蒸馏自注意力机制构建全局特征关系模型；采用Informer对车间作业加工时间进行序列‑序列的预测，得到预测的车间作业加工时间。本发明可提高车间作业加工时间预测的适用范围和预测准确率，并用于车间调度问题。
-
公开(公告)号：CN113328755B
公开(公告)日：2022-09-16
申请号：CN202110509172.1
申请日：2021-05-11
Applicant: 内蒙古工业大学
IPC: H03M7/30
Abstract: 本发明为一种面向边缘计算的压缩数据传输方法，在边缘缓存节点处，收集原始数据，对每一位原始数据进行特征重构，构建数据特征压缩摘要，并分别存放在多个数组中，得到新的特征向量，应用编码解码神经网络构造压缩编码机制，通过编码对新的特征向量进行可分类压缩，之后对完成可分类压缩的数据在中间节点处分类转发给边缘设备处理。本发明通过对数据进行可分类压缩，有效减小数据传输和处理规模，减少移动边缘网络节点的资源消耗，并满足了边缘计算场景下中间节点对压缩数据直接进行处理的需求，为高速精准数据传输服务提供基础。
-
公开(公告)号：CN112214261B
公开(公告)日：2021-10-15
申请号：CN202011185989.X
申请日：2020-10-30
Applicant: 内蒙古工业大学
Abstract: 本发明一种面向边缘智能的三层结构DNN计算卸载方法，客户端接收DNN查询任务，依据DNN各个层的相关信息生成执行概要文件上传到边缘服务器，边缘服务器再收集数据中心服务器和自身对此DNN的预测函数，计算出预测的执行时延，进而生成DNN执行图；利用贪婪迭代随机算法在三层结构中求出计算卸载策略；在三层结构中通过协同协议执行计算卸载策略。本发明用于边缘计算中DNN查询的卸载，在该结构中边缘服务器解析DNN任务，根据DNN各层在不同节点的执行情况构建NN执行图，然后利用贪婪迭代随机算法迭代寻找最短路径，构建计算卸载策略，将客户端的任务放到三层体系结构中，提前根据计算任务的性质确定计算卸载策略，然后在三层结构中进行计算卸载，效率更高。
-
公开(公告)号：CN113328755A
公开(公告)日：2021-08-31
申请号：CN202110509172.1
申请日：2021-05-11
Applicant: 内蒙古工业大学
IPC: H03M7/30
Abstract: 本发明为一种面向边缘计算的压缩数据传输方法，在边缘缓存节点处，收集原始数据，对每一位原始数据进行特征重构，构建数据特征压缩摘要，并分别存放在多个数组中，得到新的特征向量，应用编码解码神经网络构造压缩编码机制，通过编码对新的特征向量进行可分类压缩，之后对完成可分类压缩的数据在中间节点处分类转发给边缘设备处理。本发明通过对数据进行可分类压缩，有效减小数据传输和处理规模，减少移动边缘网络节点的资源消耗，并满足了边缘计算场景下中间节点对压缩数据直接进行处理的需求，为高速精准数据传输服务提供基础。
-
公开(公告)号：CN111460052B
公开(公告)日：2021-10-01
申请号：CN202010275707.9
申请日：2020-04-09
Applicant: 内蒙古工业大学
IPC: G06F16/28 , G06F16/245 , G06F16/215 , G06Q50/26
Abstract: 一种基于监察数据关联分析的低保资金监督方法，包括：步骤1，获取低保户信息数据和低保资金发放数据并做数据持久化处理，统计每个低保户在一段时间领取每种补贴的总金额与总次数；步骤2，通过关联表间的数据碰撞与决策分析，得到一部分受益人不在低保户信息数据表中却领取低保资金的问题数据，并且提取其中真实低保户领取低保资金的数据；步骤3，在真实低保户领取低保资金的数据中，计算每个低保户在一年内的领取总金额与领取总次数，分别计算领取总金额与领取总次数的数据聚类中心，得到脱离聚类中心的问题数据，即年度领取金额异常数据或者年度领取次数异常数据。本发明实现了高效的监察数据关联分析的最低生活保障资金监督。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
