一种研究破碎波浪对导管架平台的砰击荷载及压强分布的实验装置

    公开(公告)号:CN114636542B

    公开(公告)日:2023-03-31

    申请号:CN202210266172.8

    申请日:2022-03-15

    Applicant: 浙江大学

    Abstract: 本发明公开了一种研究破碎波浪对导管架平台的砰击荷载及压强分布的实验装置,所述装置包括实验水槽、设于实验水槽底部的斜坡模型、设于实验水槽上的导轨、设于实验水槽导轨上的连接结构、以及设于连接结构上的导管架平台模型;所述的导管架平台模型可沿导轨滑动,以实现在不移动斜坡模型的情况下,研究导管架模型与波浪破碎点相对位置对砰击荷载的影响。本发明装置只需改变底部斜坡模型的角度与长度,就能够研究不同破碎程度波浪对导管架平台的砰击作用;所述实验装置能够测量破碎波砰击压强沿导管架模型主腿、平台甲板及桁架支撑结构的分布规律,只需在预先留好的螺纹孔上安装压强传感器即可。

    面向异构内存设备的深度学习Embedding数据高效处理系统及方法

    公开(公告)号:CN114266302A

    公开(公告)日:2022-04-01

    申请号:CN202111547323.9

    申请日:2021-12-16

    Applicant: 浙江大学

    Inventor: 何水兵 陈平 李旭

    Abstract: 本发明提供了一种面向异构内存设备的深度学习Embedding数据高效处理系统及方法,该系统包括三个模块,其中Embedding数据摆放模块用于将Embedding数据与预加和数据进行分类并摆放到NVM或者DRAM上;高效索引建立模块用于对摆放好的数据建立索引;Embedding操作运行模块利用已建立好的索引,快速对请求中涉及的Embedding数据进行定位,并执行正常的Embedding操作。本发明利用深度学习Embedding数据的冷热特性以及打包出现特性在异构内存设备上进行数据摆放;并建立轻量级索引以高效地服务任务请求,该系统能够最大化利用DRAM与NVM的空间,提高系统对Embedding数据的处理效率。

    一种复杂度可分级的运动估计方法

    公开(公告)号:CN100340116C

    公开(公告)日:2007-09-26

    申请号:CN200510048982.2

    申请日:2005-01-21

    Applicant: 浙江大学

    Abstract: 本发明公开了视频编码中一种复杂度可分级的运动估计方法。此方法由三个有效步骤组成:首先检测静止块;其次对非静止块进行运动矢量的预测;最后进行局部的精细搜索,得到最终的运动矢量。通过对预测点数量和精细搜索的空间大小进行合理配置,从而实现计算复杂度的分级,使此方法能够适合于不同计算性能的设备,保证了视频编码的实时性。此方法避免了对静止块的搜索,且利用了空间相关性进行预测,本身具有较低的复杂度。复杂度可分级的策略使得此方法考虑了计算复杂度和运动估计准确性之间的权衡,可满足更低性能设备的应用需求,特别适合于嵌入式、移动设备上的实时视频编码应用。

    一种基于扩散多元节的(Sm,T)(Fe,M)12相合金高通量制备方法

    公开(公告)号:CN117418176A

    公开(公告)日:2024-01-19

    申请号:CN202311381494.8

    申请日:2023-10-24

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于扩散多元节的(Sm,T)(Fe,M)12相合金高通量制备方法。在(Sm,T)(Fe,M)12相中,Sm为钐元素,Fe为铁元素,T为Y、Gd、Zr、Nd或Ce元素中的一种或几种,M为Ti、Cr、Mn、Mo、Si、Al、Co或V元素中的一种或几种。本发明基于扩散多元节的高通量制备方法包括:制备合适尺寸的包套、盖子和金属条,将金属条装配在包套中后,对包套进行真空电子束焊接和热等静压处理,再对得到的扩散多元节切片封管后进行热处理得到(Sm,T)(Fe,M)12相合金。本发明基于扩散多元节的高通量实验方法,克服传统的新材料研发试错法,可以在短时间内获得大量的平行样品,结合高通量表征方法,揭示(Sm,T)(Fe,M)12相的形成规律,为SmFe12基稀土永磁体的研发提供指导。

    一种基于候选顶点合并技术的极大二分团枚举方法

    公开(公告)号:CN117349289A

    公开(公告)日:2024-01-05

    申请号:CN202311387848.X

    申请日:2023-10-24

    Applicant: 浙江大学

    Inventor: 何水兵 潘哲 李旭

    Abstract: 本发明公开了一种基于候选顶点合并技术的极大二分团枚举方法,获取二分图G(U,V,E),其中U和V是二分图中的两个不相交顶点集,E是边集;有选择地对顶点集U和V进行互换,并有选择地对顶点进行重排序;以U,V为函数初始参数,递归调用计算函数;输出所有极大二分团或极大二分团的计数结果给用户。本发明利用枚举树节点内候选顶点可合并的特性,减少了计算过程中的无效分支与无效计算,提升了极大二分团枚举的效率。同时,本发明所提出的顶点合并技术适用于其他图枚举算法,能够提升如极大团枚举、子图挖掘等算法的计算效率。

    一种基于混合存储的极大二分团枚举方法

    公开(公告)号:CN117349287A

    公开(公告)日:2024-01-05

    申请号:CN202311385166.5

    申请日:2023-10-24

    Applicant: 浙江大学

    Inventor: 何水兵 潘哲 李旭

    Abstract: 本发明公开了一种基于混合存储的极大二分团枚举方法,获取二分图G(U,V,E),其中U和V是二分图中的两个不相交顶点集,E是边集;设置阈值t,用于决定运行时子图的存储方式;如果U内顶点数量大于t,则G0采用邻接表存储;否则,G0采用位图存储;以U,V,G0为函数初始参数,递归调用BicliqueFind(L,R,C,G)函数;输出所有极大二分团或极大二分团的计数结果给用户。本发明采用混合存储方法,既保留了邻接表存储的低存储空间开销特性,又结合了位图存储计算高效的特点。针对二分团枚举过程中大量仅需要在小图上进行计算的任务,本发明通过动态构建子位图,极大地提升了二分团枚举任务的执行速度。

    一种基于CNN模型的海洋管缆变形与载荷预报方法

    公开(公告)号:CN116127866B

    公开(公告)日:2025-05-16

    申请号:CN202310003467.0

    申请日:2023-01-03

    Abstract: 本发明公开了一种基于CNN模型的海洋管缆变形与载荷预报方法。所述的预报方法通过声学多普勒流速剖面仪(ADCP)、光纤光栅传感器、位移计测量采集海洋管缆入流方向的垂向断面流场以及管缆的局部位移、局部应变数据;通过开源软件OpenFOAM建立计算流体力学模型,将声学多普勒流速剖面仪采集得到的垂向断面流场作为输入,得到管缆在不同形态下的三维流场信息;进一步将三维流场信息、管缆形态与实测得到的局部应变数据组成三维信息矩阵;建立卷积神经网络(Convolutional neural network,CNN)模型,将三维信息矩阵作为输入数据,对卷积神经网络模型进行训练,对比实测的管缆局部位移、应变数据,寻找最优模型,最终实现管缆变形以及局部应力的预测。

    面向异构内存设备的深度学习Embedding数据高效处理系统及方法

    公开(公告)号:CN114266302B

    公开(公告)日:2025-04-04

    申请号:CN202111547323.9

    申请日:2021-12-16

    Applicant: 浙江大学

    Inventor: 何水兵 陈平 李旭

    Abstract: 本发明提供了一种面向异构内存设备的深度学习Embedding数据高效处理系统及方法,该系统包括三个模块,其中Embedding数据摆放模块用于将Embedding数据与预加和数据进行分类并摆放到NVM或者DRAM上;高效索引建立模块用于对摆放好的数据建立索引;Embedding操作运行模块利用已建立好的索引,快速对请求中涉及的Embedding数据进行定位,并执行正常的Embedding操作。本发明利用深度学习Embedding数据的冷热特性以及打包出现特性在异构内存设备上进行数据摆放;并建立轻量级索引以高效地服务任务请求,该系统能够最大化利用DRAM与NVM的空间,提高系统对Embedding数据的处理效率。

Patent Agency Ranking