-
公开(公告)号:CN115909662B
公开(公告)日:2024-11-15
申请号:CN202211221993.6
申请日:2022-10-08
Applicant: 内蒙古工业大学
Abstract: 一种淤地坝防洪预警方法,选取水文风险、运行风险和工程风险,构建淤地坝防洪风险评价体系;水文风险指标包括水面到坝顶的距离C1以及有无溢洪道C2;运行风险指标包括剩余淤积年限C3、剩余淤积库容C4以及有无防汛预案C5;工程风险指标包括基础防渗质量C6、坝体防渗质量C7、填筑质量C8、坝肩渗漏C9以及坝体及防渗体渗漏C10;获取淤地坝实时水位,以获取指标C1;确定各类指标的影响因子和划分防洪预警等级;影响因子,是指标对淤地坝防洪风险的影响大小;将影响因子通过加权、归一化得到综合防洪风险得分;确定防洪预警等级。本发明还提供了一种淤地坝防洪预警系统,可使淤地坝防洪预警的操作步骤清晰化,并提高了其智能化。
-
公开(公告)号:CN114565136B
公开(公告)日:2024-01-26
申请号:CN202210103413.7
申请日:2022-01-27
Applicant: 内蒙古工业大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/26 , G06F30/27 , G06N3/045 , G06N3/0442 , G06N3/0475 , G06N3/094
Abstract: 一种基于生成对抗网络的空气质量预测优化方法,收集数据若干空气质量监测点的实测数据和一次预报数据;利用空气质量监测点A的实测数据,训练生成对抗网络A,对其它空气质量监测点的实测数据,分别利用生成对抗网络A的判别器继续训练,得到多个生成器,通过得到的生成器预测和修正对应空气质量监测点的一次预报数据,并作为二次预报模型的输入;根据各空气质量监测点的生成器,对每一个空气质量监测点生成器的预测结果进行集成,建立一个协同时空的二次预报模型,并通过该模型得到污染物的浓度值单日预报,并计算相应AQI和首要污染物。本发明可降低预测结果误差,提高预报的准确性。
-
公开(公告)号:CN114496112B
公开(公告)日:2023-10-31
申请号:CN202210069880.2
申请日:2022-01-21
Applicant: 内蒙古工业大学
Abstract: 本发明公开了一种基于多目标优化的抗乳腺癌药物成分智能量化方法。首先,在已有的化合物数据集上筛选影响ERα生物活性的主要分子描述符。然后,基于粒子群优化的神经网络构建化合物对ERα生物活性的定量预测模型。接着,以药物的吸收、分配、代谢、排泄和毒性(ADMET)的度量为目标,基于决策树构建化合物的ADMET特征的特性预测模型。最后,综合定量预测模型和特性预测模型,以帕累托(Pareto)优化理论为指导,构建基于多目标优化的遗传算法模型,找到满足最优目标的化合物(分子描述符的组合),再利用蒙特卡罗假设检验,对得到的最优化目标的化合物进行抽样统计,并以特定的置信度来确定化合物中不同分子描述符的最佳取值范围。
-
公开(公告)号:CN114154578B
公开(公告)日:2023-10-31
申请号:CN202111473280.4
申请日:2021-12-02
Applicant: 内蒙古工业大学
IPC: G06F18/214 , G06F18/24 , G06N3/0895
Abstract: 一种面向非平衡数据基于半监督分布式训练的任务识别方法,首先,边缘设备收集大量的数据,通过自适应数据采样的方式统计数据的类别,按照类别数量从大到小生成一个降序数据集。然后,通过一个多层结构的分布式训练框架得到一个优化模型。其中,边缘节点既可以作为聚合参数的服务器,也可以作为模型训练的训练节点。最后,通过类再平衡自训练对数据集进行调整,生成一个伪标签集并统计标签集的类分布情况,遵守类再平衡规则生成一个伪标签子集,补充到标签集中生成新的数据集,完成一次自训练迭代。本发明充分利用了分布式训练与半监督学习优势,降低了非平衡数据带来的影响,提高了神经网络训练效果。
-
公开(公告)号:CN114595000A
公开(公告)日:2022-06-07
申请号:CN202210128433.X
申请日:2022-02-11
Applicant: 内蒙古工业大学
Abstract: 一种面向边缘智能的高弹性多节点协同模型卸载方法。在部署阶段,多边缘节点进行信息感知,构建多边缘节点深度神经网络(Deep Neural Network,DNN)协同执行图,实现神经网络分布式部署;在执行阶段,根据部署阶段生成的执行图运行DNN模型,同时使用故障检测机制检测故障,若检测到发生分区故障,则使用基于延迟改进的策略合理的选择DNN分区的最优部署节点进行卸载备份。并使用随机调度策略来随机选择执行路径。本发明通过提高分布式神经网络的故障弹性,有效规避了边缘节点发生故障对分布式推理的影响。同时,本发明不需要额外的模型重新设计和再训练,保证了执行效率和准确率。
-
公开(公告)号:CN114565136A
公开(公告)日:2022-05-31
申请号:CN202210103413.7
申请日:2022-01-27
Applicant: 内蒙古工业大学
Abstract: 一种基于生成对抗网络的空气质量预测优化方法,收集数据若干空气质量监测点的实测数据和一次预报数据;利用空气质量监测点A的实测数据,训练生成对抗网络A,对其它空气质量监测点的实测数据,分别利用生成对抗网络A的判别器继续训练,得到多个生成器,通过得到的生成器预测和修正对应空气质量监测点的一次预报数据,并作为二次预报模型的输入;根据各空气质量监测点的生成器,对每一个空气质量监测点生成器的预测结果进行集成,建立一个协同时空的二次预报模型,并通过该模型得到污染物的浓度值单日预报,并计算相应AQI和首要污染物。本发明可降低预测结果误差,提高预报的准确性。
-
公开(公告)号:CN114564882A
公开(公告)日:2022-05-31
申请号:CN202210110235.0
申请日:2022-01-29
Applicant: 内蒙古工业大学
Abstract: 基于离散事件的边缘深度学习模拟器的构建方法,在仿真模块中构建网内缓存模块,所述网内缓存模块用于在边缘节点缓存数据,为深度学习提供数据支撑;构建基于深度学习的边缘仿真环境,以使边缘节点支持深度学习,本发明将深度学习框架集成到边缘仿真环境中,以实现在边缘环境中进行分布式学习。该边缘深度学习模拟器可用于联邦学习或边缘集成学习。
-
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:CN109871434B
公开(公告)日:2019-12-10
申请号:CN201910137783.0
申请日:2019-02-25
Applicant: 内蒙古工业大学
IPC: G06F16/33 , G06F16/335 , G06F16/31 , G06F17/27
Abstract: 本发明公开了一种基于动态增量式的概率图模型舆情演化跟踪方法,该方法构建增量化随机图模型,对大规模社交网络舆情话题进行高效分析,追踪其演化规律,并预测未来舆情变化。具体来说,基于每条舆情话题相关文档间基于相似度的关联度,动态确定下一时间片的舆情话题数,从而通过复用历史舆情信息的后验概率来预测下一时刻舆情变化情况。该方法通过结合历史舆情信息,形成时间纬度上的舆情演化情况分析方法,发现舆情话题的演化规律,以便预测未来舆情并进行管控。本方法可以更加精准地确定模型的舆情话题数,并能够更为准确、高效地分析舆情演化的过程。
-
公开(公告)号:CN109871434A
公开(公告)日:2019-06-11
申请号:CN201910137783.0
申请日:2019-02-25
Applicant: 内蒙古工业大学
IPC: G06F16/33 , G06F16/335 , G06F16/31 , G06F17/27
Abstract: 本发明公开了一种基于动态增量式的概率图模型舆情演化跟踪方法,该方法构建增量化随机图模型,对大规模社交网络舆情话题进行高效分析,追踪其演化规律,并预测未来舆情变化。具体来说,基于每条舆情话题相关文档间基于相似度的关联度,动态确定下一时间片的舆情话题数,从而通过复用历史舆情信息的后验概率来预测下一时刻舆情变化情况。该方法通过结合历史舆情信息,形成时间纬度上的舆情演化情况分析方法,发现舆情话题的演化规律,以便预测未来舆情并进行管控。本方法可以更加精准地确定模型的舆情话题数,并能够更为准确、高效地分析舆情演化的过程。
-
-
-
-
-
-
-
-
-