-
公开(公告)号：CN119476430A
公开(公告)日：2025-02-18
申请号：CN202510060776.0
申请日：2025-01-15
Applicant: 湖南科技大学
IPC: G06N5/02 , G06N5/04 , G06N3/042 , G06N3/0455
Abstract: 本发明公开了一种基于异构知识图谱的实体对齐方法，属于知识图谱领域，包括以下步骤：获取两个异构的知识图谱的数据并进行处理；利用预训练的大语言模型获取知识图谱中实体向量的嵌入；使用图神经网络对相关的实体关系的特征进行学习和建模，捕捉知识图谱内部潜在的相关性和结构；将两个异构的知识图谱进行融合，得到知识图谱实体对齐的结果。本发明使用了大语言模型对实体和关系进行嵌入，增强了实体和关系的语义性，从而能够更好地提高实体对齐的效果。
-
公开(公告)号：CN118646468B
公开(公告)日：2025-01-28
申请号：CN202410871967.0
申请日：2024-07-01
Applicant: 湖南科技大学
Abstract: 本专利公开了一种基于改进DQN算法的中继无人机多样性资源调度方法，该方法包括以下步骤：为多样性需求的无人机中继通信场景建立数学模型；将该数学模型转化为马尔可夫决策模型；将改进的DQN算法应用于该决策模型。所公开的改进的DQN算法相较于原DQN算法做出3点改进：引入了双网络结构，以缓解存在的过度估计问题；将随机采样调整为重要性采样策略，引入优先经验回放机制，减少了样本选择的偏差，提升算法的训练效果和收敛性；将评估网络中的线性层替换为噪声层，帮助算法平衡探索与开发，增加模型的泛化能力。本发明能获得更高的数据吞吐量和用户服务水平，能更好的适应拥有多样性需求的复杂多变的无人机中继通信场景。
-
公开(公告)号：CN117173091A
公开(公告)日：2023-12-05
申请号：CN202310733957.6
申请日：2023-06-20
Applicant: 湖南科技大学
IPC: G06T7/00 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0985 , G06N3/084 , G06N3/092 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明公开了一种基于可微分神经架构搜索的表面缺陷检测方法，方法包括：集合若干个神经网络架构基础组件得到搜索空间,将该搜索空间中所有神经网络架构基础组件通过权重共享生成超网络；构建表面缺陷数据集；采取梯度下降的方法，联合优化架构参数和网络内部权重从超网络中搜索出最优的子网络架构cell；将最优子网络架构cell堆叠成网络，使用缺陷数据集对其进行训练和评估测试，得到最优模型完成具体场景的表面缺陷检测任务；本发明使用可微分搜索技术完成了表面缺陷检测中关键模型设计的任务，从而解决了表面缺陷检测领域中训练样本短缺的关键问题，并同时拥更强的特征学习能力，可以更好的适用于不同的缺陷检测场景。
-
公开(公告)号：CN118860639A
公开(公告)日：2024-10-29
申请号：CN202410874013.5
申请日：2024-07-01
Applicant: 湖南科技大学
Abstract: 本发明公开了一种针对大规模优化问题的多层GPU并行粒子群算法，包括如下步骤：首先对整个种群进行初始化，将整个种群分为不同的子种群，每个子种群分配一定的个体和不同的更新策略，充分利用GPU设备的特性，合理使用共享内存，利用线程对个体进行高效并行更新，等待所有种群同步完成更新，实现对大规模优化问题求解；本发明设计了一种从种群到个体到维度的三层并行策略，并行粒度由粗到细，充分利用粒子群算法的特性，将粒子群算法和GPU并行计算框架实现了有机结合，和其他粒子群算法变体相比，本发明实现了更好的性能并且在算法效率上有巨大提升，本发明为解决大规模优化问题提供了一种基于GPU的高效易扩展的并行框架，在实验中展示了其优越性能。
-
公开(公告)号：CN117056039A
公开(公告)日：2023-11-14
申请号：CN202310787204.3
申请日：2023-06-30
Applicant: 湖南科技大学
Abstract: 一种针对大规模优化问题的异步并行超启发式方法，包括如下步骤：初始化操作；子节点并行进化种群；主节点与子节点的异步自适应通信；主节点根据比较结果更新种群分布表、算法概率表、种群；实现对大规模任务优化问题求解；本发明考虑种群在不同进化阶段的收敛度，建立了层次模型，可以在相同的进化阶段对不同算法进行公平的比较和评估从而有效地调度底层算法；通过层次模型将超启发式方法的多策略特性与并行计算的时间优势有机结合，提高了算法的性能；此外，引入分布估计的种群重启策略，进一步提高方法搜索未知区域的能力；本发明为解决大规模优化问题提供了一种高效且可扩展的方法，在实验中展示了其优越性能。
-
Patent Agency Ranking
公开(公告)号：CN115375220A
公开(公告)日：2022-11-22
申请号：CN202210797576.X
申请日：2022-07-08
Applicant: 湖南科技大学
Abstract: 本发明公开了一种物流调度方法、电子设备及存储介质，该物流调度方法包括获取某一时间段内的物流订单；根据物流订单中货物需求总量以及运输车辆的限载确定运输车辆数M和路径数M；根据每个客户点i的位置(xi,yi)和配送中心位置(x0,y0)计算得到M台运输车辆执行物流订单的可行方案；根据实际场景及优化目标构建物流调度优化模型；构建超启发式优化池，超启发式优化池包含多种开发策略；基于物流调度优化模型，采用超启发式优化池中的开发策略对可行方案进行调整，输出最优可行方案。本发明可以根据具体的物流配送场景得到相应的最优可行方案，大大提高了方法的可行性、适应性和可移植性。
-
公开(公告)号：CN119492382B
公开(公告)日：2025-04-11
申请号：CN202510080717.X
申请日：2025-01-20
Applicant: 湖南科技大学
IPC: G01C21/20 , G06F18/25 , G06N3/0464 , G06N3/084 , G01C21/00
Abstract: 本发明公开了一种基于多源异构数据的路径规划方法，属于路径规划领域，包括以下步骤：收集路径规划的多源异构数据；生成路径相关的核心数据；对多源异构数据进行数据增强；利用卷积神经网络CNN进行多源异构数据的深度学习；使用图形处理单元GPU进行并行加速。本发明在路径规划中，通过融合多源异构数据，能够提供更丰富的环境信息，从而提升规划精度和决策的可靠性。
-
公开(公告)号：CN119492382A
公开(公告)日：2025-02-21
申请号：CN202510080717.X
申请日：2025-01-20
Applicant: 湖南科技大学
IPC: G01C21/20 , G06F18/25 , G06N3/0464 , G06N3/084 , G01C21/00
Abstract: 本发明公开了一种基于多源异构数据的路径规划方法，属于路径规划领域，包括以下步骤：收集路径规划的多源异构数据；生成路径相关的核心数据；对多源异构数据进行数据增强；利用卷积神经网络CNN进行多源异构数据的深度学习；使用图形处理单元GPU进行并行加速。本发明在路径规划中，通过融合多源异构数据，能够提供更丰富的环境信息，从而提升规划精度和决策的可靠性。
-
公开(公告)号：CN119204081A
公开(公告)日：2024-12-27
申请号：CN202411240907.5
申请日：2024-09-05
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于紧迫性感知约束处理技术的进化约束优化方法，能够有效处理优化问题中复杂多样的约束条件，提高求解效率和解质量，该方法包括：S1：初始化种群和约束紧迫性权值；S2：计算种群的适应度函数和原始约束违约度；S3：根据变异、交叉和选择操作得到子代种群，更新种群约束条件的紧迫性权值；S4：根据所用的约束处理技术更新种群个体；S5：重复步骤S3‑S4，直至满足终止条件；该方法具有良好的通用性，实现较为简单，具有良好的计算效率和可扩展性，更容易在实际应用中推广。
-
公开(公告)号：CN111372314A
公开(公告)日：2020-07-03
申请号：CN202010171454.0
申请日：2020-03-12
Abstract: 本发明公开了一种基于移动边缘计算场景下的任务卸载方法，包括系统初始化；获取终端设备的待处理任务的任务信息和系统实时参数信息；根据待处理的任务信息和系统实时参数信息确定系统开销最小化的优化目标方程；将优化目标方程分解为两个子问题：任务卸载和信道分配子问题及传输功率和边缘服务器资源分配子问题；并对子问题进行求解得到最终的任务卸载方案；根据任务卸载方案对移动边缘计算场景进行任务卸载。本发明还公开了实现所述基于移动边缘计算场景下的任务卸载方法的任务卸载装置。本发明能够在满足设备终端服务质量要求的前提下，明显降低系统整体开销，而且可靠性高，适用性好。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
