-
公开(公告)号：CN113515354A
公开(公告)日：2021-10-19
申请号：CN202110344239.0
申请日：2021-03-30
Applicant: 南京大学
Abstract: 本发明公开了一种基于环境上下文一致性的统一处理系统，包括：用户界面展示模块，用于输入应用场景依赖和选择系统配置，展示一致性检测的结果；应用场景依赖解析模块，用于得到环境上下文数据、一致性约束和约束相关的上下文集合模式；配置解析模块，用于根据系统配置实例化调度策略、检测技术和运行方式；调度策略模块，用于根据读取的环境上下文数据判定是否调度一致性约束检测；检测技术模块，用于根据调度策略模块给出的检测指令判定是否运行一致性约束检测，输出一致性错误报告和辅助报告。本发明能够支持系统用户简单方便地在各个应用场景中使用已有调度策略和检测技术的组合，支持并集成了现有一致性处理的主流调度策略与检测技术工作。
-
公开(公告)号：CN107844327B
公开(公告)日：2020-10-27
申请号：CN201711068798.3
申请日：2017-11-03
Applicant: 南京大学
Abstract: 本发明提供了一种实现上下文一致性的检测系统。所述实现上下文一致性的检测系统包括：约束分析模块、上下文匹配调度模块和一致性检测模块，所述约束分析模块通过对自适应程序需要满足的一系列一致性约束进行结构分析，可事先分析出任何的可能导致新的一致性错误不可检测的可疑的上下文信息组合模式；所述上下文匹配调度模块对上下文信息流进行与可疑组合模式匹配，根据匹配结果指导进行检测技术的调度并自适应地产生合适的调度决策；所述一致性错误检测模块根据调度决策结果调用已有一致性检测技术对于决策产生的上下文队列进行检测。本发明还提供一种实现上下文一致性的检测方法。
-
公开(公告)号：CN110633788A
公开(公告)日：2019-12-31
申请号：CN201910747317.4
申请日：2019-08-14
Applicant: 南京大学
Abstract: 本发明公开一种面向神经网络模型的基于层间剖析的输入实例验证方法，给定神经网络模型与其训练数据集，提取中间信息并生成对应每一层对应的子模型；对于任意待验证输入实例，输入子模型获取层间剖析后总行为profile；分析输入实例的层间剖析profile，验证该输入实例是否为有效并给出对于有效的置信度分数。本发明基于训练模型内部的层间剖析手段，利用输入实例在模型各层次剖析时的行为来分析给定输入实例的有效性，能避免已有技术需要较多不同模型相互借助的验证手段所存在的验证时间消耗巨大的弊端，能够更加准确的进行输入验证，从而能够帮助区分给定神经网络的输入实例的有效性，从而提高神经网络在实际使用中的准确性与安全性。
-
公开(公告)号：CN110502731A
公开(公告)日：2019-11-26
申请号：CN201910597185.1
申请日：2019-07-04
Applicant: 南京大学
Abstract: 一种基于精化单元格聚类的电子表格缺陷检测方法，包括如下步骤：一、利用公式单元格生成种子类：提取公式单元格的强特征，根据强特征相似度进行初步的单元格聚类；二、对步骤一之后的剩余单元格进行聚类：提取单元格的弱特征，根据弱特征相似度将剩余单元格添加到合适的种子类中，形成泛化类；三、精化步骤二中生成的泛化类：利用有效性属性对泛化类进行精化处理，形成精化类；四、定位精化类中的有缺陷的单元格：利用离群点检测技术，标记精化类中的离群点为有缺陷的单元格。本发明能够弥补电子表格缺陷检测技术的不足，利用两阶段的单元格聚类技术，提高聚类的召回率，并利用有效性属性来提高聚类的精度，从而提升电子表格缺陷检测的效果。
-
公开(公告)号：CN119274679A
公开(公告)日：2025-01-07
申请号：CN202411412270.3
申请日：2024-10-11
Applicant: 南京大学(苏州)高新技术研究院
Abstract: 本申请公开了一种农田监测方法、装置、设备及存储介质。其中方法包括：响应于农田监测分析请求，查询与农田监测分析请求对应的监测分析模型；将所述农田监测分析请求中的监测数据输入至所述监测分析模型以使所述监测分析模型输出分析结果；将所述分析结果发送至监测装置或移动终端。本申请的有益之处在于提供了一种基于云端的人工智能模型对数据进行综合处理的农田监测方法、装置、设备及存储介质。
-
Patent Agency Ranking
公开(公告)号：CN116050102A
公开(公告)日：2023-05-02
申请号：CN202211697252.5
申请日：2022-12-28
Applicant: 南京大学
IPC: G06F30/20 , G06F8/41 , G06F111/04
Abstract: 本发明提供一种面向一致性规约检测的冗余动态预测与消除方法，包括基于不同类型约束计算树节点的语义推导出在多个真值取值条件下，子节点的真值决定父节点的真值，从而子节点的链接参与父节点链接的生成，随后以多个真值取值条件和约束计算树各个节点的实际真值取值为依据，由上至下地标记所有将生成对根节点链接有影响链接的节点；标记所有将生成非冗余链接的约束计算树节点后，在对约束计算树节点进行链接生成时，如果约束计算树节点生成非冗余链接，则进行链接生成，否则跳过该节点。本发明在保持结果正确性的条件下，通过消除冗余计算，链接生成步骤的总计算量大幅减少，提高链接生成步骤的效率，进而提高整个一致性规约检测过程的效率。
-
公开(公告)号：CN117331833A
公开(公告)日：2024-01-02
申请号：CN202311312712.2
申请日：2023-10-11
Applicant: 南京大学
IPC: G06F11/36
Abstract: 一种面向约束数据和控制结构的蜕变测试方法，通过对软件输入的约束数据和约束结构进行细粒度分析，推导出了约束数据和约束结构在受控变换下的蜕变关系。考虑了对于约束数据的受控变换、对于约束结构的受控变换和同时对约束数据和约束结构进行受控变换这三类情形。在每类情形中，推导出变换前后输出之间应当具有的性质和蜕变关系。根据这些蜕变关系，可以自动化地构造测试用例进行测试。本发明可以在保证测试结果没有假阳性的前提下，不需要人工的协助，通过机器自动化地对约束数据和约束结构进行不同程度地变换，并自动分析输出结果是否保持对应性质，从而可以有效检测出一类基于数据约束的软件中的错误，提高这一类软件系统的工作质量。
-
公开(公告)号：CN113515354B
公开(公告)日：2023-09-12
申请号：CN202110344239.0
申请日：2021-03-30
Applicant: 南京大学
Abstract: 本发明公开了一种基于环境上下文一致性的统一处理系统，包括：用户界面展示模块，用于输入应用场景依赖和选择系统配置，展示一致性检测的结果；应用场景依赖解析模块，用于得到环境上下文数据、一致性约束和约束相关的上下文集合模式；配置解析模块，用于根据系统配置实例化调度策略、检测技术和运行方式；调度策略模块，用于根据读取的环境上下文数据判定是否调度一致性约束检测；检测技术模块，用于根据调度策略模块给出的检测指令判定是否运行一致性约束检测，输出一致性错误报告和辅助报告。本发明能够支持系统用户简单方便地在各个应用场景中使用已有调度策略和检测技术的组合，支持并集成了现有一致性处理的主流调度策略与检测技术工作。
-
公开(公告)号：CN110083977B
公开(公告)日：2023-06-06
申请号：CN201910397269.0
申请日：2019-05-14
Applicant: 南京大学 , 中国人民解放军国防科技大学
Abstract: 本发明公开一种基于深度学习的大气湍流监测方法，包括训练阶段和监测阶段两部分：训练阶段设计数据格式，开放数据接口，为不同的数据源提供接入方案；利用气象模式资料进行降尺度数值模拟计算，输出目标区高分辨率气象要素场。同时，结合多个经验指数计算湍流强度。建立基于深度学习的湍流强度模型训练器，模型训练器输入样本为卫星云图、对应时空的高分辨率气象要素场以及湍流强度场，模型训练器输出为模型参数。监测阶段根据训练阶段中模型训练器得到的模型参数，建立基于深度学习的湍流强度推理器。推理器可以根据卫星云图与高分辨率气象要素场实时评估大气湍流强度，达到大气湍流监测的目的。
-
公开(公告)号：CN115599644A
公开(公告)日：2023-01-13
申请号：CN202211186902.X
申请日：2022-09-28
Applicant: 南京大学(CN)
Abstract: 一种面向数据一致性维护的双粒度融合方法，该方法通过微观细粒度累积和宏观粗粒度并发相融合来又快又好地完成对数据一致性维护。一方面，为实现宏观并发最大化的检测决策，所述融合方法基于微观增量分析所保留的检测结果估计数据变动是否可能对其一致性造成破坏，从而在保证正确检测结果的前提下，实现两次检测之间数据尽可能地累积多次变动。另一方面，为实现数据一致性高效维护，所述融合方法提供了一种全新的检测语义，利用微观增量分析和宏观并发分析融合的方式来减少冗余计算和提高检测速度。此外，本发明还提供了并发最大化检测决策定理和增量并发混合检测定理以保证所述面向数据一致性高效维护的双粒度融合方法的正确性。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.017 seconds)
