-
公开(公告)号：CN119577401A
公开(公告)日：2025-03-07
申请号：CN202510130731.6
申请日：2025-02-06
Applicant: 贵州大学
IPC: G06F18/211 , G06F18/10 , G06F17/16 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/04
Abstract: 本发明提出了一种基于因果推理的无人机故障重要特征参数优选方法、系统及介质，所述方法包括：S1，采集故障数据，所述故障数据包括陀螺仪、GPS和空速计等所采集的飞行故障数据；S2，对故障数据进行数据处理；S3，因果结构学习：对数据处理后的数据依次经过VAE的解码器、VAE的编码器进行因果结构学习，得到表示特征之间的因果关系的加权因果DAG；S4，重要故障特征选择：得到加权因果DAG后计算节点分数，然后对节点分数降序排序，选择排名前F个的故障特征变量作为特征子集，F为正整数。本发明能有效筛选出无人机故障的特征参数，可用于故障诊断，从而有助于减少无人机发生故障的频率，提升其安全性和可靠性。
-
公开(公告)号：CN117234703A
公开(公告)日：2023-12-15
申请号：CN202311021093.1
申请日：2023-08-15
Applicant: 贵州大学
Abstract: 本发明涉及一种基于差分扰动的蜣螂优化算法的云资源调度方法，包括：首先，获取用户的初始化参数数据；然后，根据初始化种群得到对应的拟合函数；再后，建立目标函数，设置约束条件；最后，使用改进的蜣螂优化算法求解云资源调度问题模型，得到算法迭代完成后输出的目标函数值和最优资源调度方案。本发明通过引入差分策略和高斯混沌扰动策略对蜣螂优化算法的性能进行提升，通过采用DGTDBO算法该算法有效的提高了原始蜣螂算法的种群多样性，同时兼顾开采性能。本发明通过DGTDBO算法增强了算法的探索能力与局部搜索能力，并使全局探索与局部搜索达到平衡，进一步提高了云资源调度的合理性，解决了云资源调度中的资源浪费或业务性能的下降的问题。
-
公开(公告)号：CN119003135B
公开(公告)日：2024-12-27
申请号：CN202411467773.0
申请日：2024-10-21
Applicant: 贵州大学
Abstract: 本发明提出了一种高精度的人工神经网络优化算法的云任务模型方法，包括：步骤1:初始化；步骤2:初始化完成后，开始基于SCVNNA的最优解搜索过程；步骤3:个体的全局探索和局部开发行为将取决于当前差异调整算子z的值，如果z大于0到1之间的随机数，那么将执行差异调整种群更新它们的位置；步骤4:一旦达到最大迭代次数，搜索过程停止，将个体的位置转换为决策变量，并作为最佳的云计算任务调度方案。本发明具有显著的优点，包括提升任务调度的精度和计算效率，显著减少资源的空闲和浪费。同时，该方案通过全局探索与局部优化相结合，提高了系统的鲁棒性和优化效果，适用于大规模云计算任务的高效调度和管理。
-
公开(公告)号：CN116821926A
公开(公告)日：2023-09-29
申请号：CN202310709491.6
申请日：2023-06-15
Applicant: 贵州大学
Abstract: 本发明提出了一种基于中国剩余定理的图像加密和分发方法，包括以下步骤：S1，将秘密图像生成多个秘密份额图像，分发给参与者；S2，若有重建图像需求，判断秘密份额图像数量是否满足设定的最低重建数；若满足则重建图像，从而得到原始的秘密图像。本发明通过将原始图像生成多个份额来提供更高级别的隐私保护。且在一定程度上具有容错能力，即使某些份额丢失或损坏，原始图像仍然可以在一定程度上恢复。本发明允许根据不同的安全需求和应用场景调整所需的份额数量，为保护图像数据提供了更大的灵活性。本发明通过将图像数据分布在多个存储设备或位置上，从而降低了单点故障的风险。
-
Patent Agency Ranking
公开(公告)号：CN116797417A
公开(公告)日：2023-09-22
申请号：CN202310543243.9
申请日：2023-05-15
Applicant: 贵州大学
IPC: G06Q50/20 , G06F40/237 , G06F40/216 , G06F40/284 , G06F16/332 , G06F16/338 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于大语言模型的智能辅助系统，包括：词汇表生成模块：通过字符对编码算法生成词汇表；输入序列生成模块：按照词汇表进行分词得到输入序列；输出结果展示模块：将输入序列输入语言模型，得到输出结果，并将输出结果进行展示。本发明利用先进的自然语言处理技术和机器学习算法，实现对课程内容的深度理解和个性化辅导学习。本发明通过实时回答学生问题、自动生成个性化练习题、以及自动总结提炼课程内容，极大地改善教育资源分配不均的问题，提高教育质量，为学生提供更为优质的学习体验。
-
公开(公告)号：CN116048734B
公开(公告)日：2023-06-02
申请号：CN202310316401.7
申请日：2023-03-29
Applicant: 贵州大学 , 贵州白山云科技股份有限公司
Abstract: 本申请是关于一种AI即服务的实现方法、装置、介质及设备，应用于边缘云技术领域。所述方法应用于设置在服务器集群上的服务平台，包括：接收上传的AI模型，创建包含AI模型及对应的运行环境的容器镜像文件；接收针对AI模型的配置信息，配置信息包括容量调整参数，容量调整参数包括最大容器副本数量；根据最大容器副本数量和容器镜像文件，在集群中的一个或多个节点内创建对应数量的容器副本；接收针对AI模型的调用请求，根据预设规则确定处理调用请求的一个或多个目标节点及各个目标节点的容器副本开启量，将调用请求发送至目标节点，启动一共N个容器副本。可以实现合理的资源调度和分配，提高资源利用率。
-
公开(公告)号：CN119271381A
公开(公告)日：2025-01-07
申请号：CN202411797805.3
申请日：2024-12-09
Applicant: 贵州大学 , 贵州移动信息科技有限公司
Abstract: 本申请公开了一种基于深度强化学习的多任务卸载方法、系统及设备，所述方法包括：构建多接入边缘计算任务卸载场景，对用户终端计算任务进行有向无环图建模，利用编码器将任务转换为序列，通过贪心算法排序并进行特征提取；基于特征设置结构化状态空间模型，定义状态变换矩阵，引入时间尺度参数进行离散化，并通过全局卷积过程，构建基于注意力机制的深度强化学习网络架构；利用构建的网络架构定义状态空间和动作空间，构建奖励函数，采用近似策略优化算法进行策略优化，引入广义优势估计方法降低策略梯度方差。通过本申请的方案，能够快速适应动态卸载场景快速适应，对新的学习任务具有高效的卸载任务推理能力。
-
公开(公告)号：CN116048734A
公开(公告)日：2023-05-02
申请号：CN202310316401.7
申请日：2023-03-29
Applicant: 贵州大学 , 贵州白山云科技股份有限公司
Abstract: 本申请是关于一种AI即服务的实现方法、装置、介质及设备，应用于边缘云技术领域。所述方法应用于设置在服务器集群上的服务平台，包括：接收上传的AI模型，创建包含AI模型及对应的运行环境的容器镜像文件；接收针对AI模型的配置信息，配置信息包括容量调整参数，容量调整参数包括最大容器副本数量；根据最大容器副本数量和容器镜像文件，在集群中的一个或多个节点内创建对应数量的容器副本；接收针对AI模型的调用请求，根据预设规则确定处理调用请求的一个或多个目标节点及各个目标节点的容器副本开启量，将调用请求发送至目标节点，启动一共N个容器副本。可以实现合理的资源调度和分配，提高资源利用率。
-
公开(公告)号：CN119271381B
公开(公告)日：2025-03-14
申请号：CN202411797805.3
申请日：2024-12-09
Applicant: 贵州大学 , 贵州移动信息科技有限公司
Abstract: 本申请公开了一种基于深度强化学习的多任务卸载方法、系统及设备，所述方法包括：构建多接入边缘计算任务卸载场景，对用户终端计算任务进行有向无环图建模，利用编码器将任务转换为序列，通过贪心算法排序并进行特征提取；基于特征设置结构化状态空间模型，定义状态变换矩阵，引入时间尺度参数进行离散化，并通过全局卷积过程，构建基于注意力机制的深度强化学习网络架构；利用构建的网络架构定义状态空间和动作空间，构建奖励函数，采用近似策略优化算法进行策略优化，引入广义优势估计方法降低策略梯度方差。通过本申请的方案，能够快速适应动态卸载场景快速适应，对新的学习任务具有高效的卸载任务推理能力。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.063 seconds)
