-
公开(公告)号：CN114266301B
公开(公告)日：2024-09-27
申请号：CN202111542143.1
申请日：2021-12-16
Applicant: 郑州轻工业大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明提出了一种基于图卷积神经网络的电力设备故障智能预测方法，步骤如下：采集待预测的电力设备的历史监测信息，对历史监测信息进行预处理，预处理后的监测信息和电力数据中心采集的数据集组成训练样本；构建图卷积神经网络，初始化神经网络参数；将监测信息作为图卷积神经网络的每个节点的输入，利用图卷积神经网络对监测信息进行故障分类；利用训练样本对步骤二构建的图卷积神经网络进行训练，得到优化图卷积神经网络模型；采集待检测设备的实时监测信息并进行预处理，将预处理后的监测信息输入到优化图卷积神经网络模型，获得故障预测结果。本发明具有较好的通用性，预测准确率较高，使用、部署和升级维护简单，无需硬件设备的升级改造。
-
公开(公告)号：CN114170331B
公开(公告)日：2024-09-10
申请号：CN202111471673.1
申请日：2021-12-06
Applicant: 郑州轻工业大学
Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于人工智能的图像数据压缩方法及系统。该方法分析训练图像的二维颜色信息，根据二维颜色信息在预设阶数上的二维标准差分析出达到无损效果界限的界限二维颜色信息，并根据二维标准差获得每个像素点的高斯模型，根据压缩颜色信息和界限二维颜色信息在高斯模型上的差异获得颜色趋向性，进一步结合像素点压缩前后与邻域范围内其他像素点的色差构建损失函数。以二维颜色信息作为训练数据训练自编码神经网络。实现通过自编码神经网络达到无损压缩。本发明通过获得色彩宽容度的界限对网络进行约束，实现了利用自编码神经网络对图像数据无损压缩。
-
公开(公告)号：CN111639993B
公开(公告)日：2023-06-09
申请号：CN202010471637.4
申请日：2020-05-29
Applicant: 郑州轻工业大学
Abstract: 本发明涉及一种基于多物品拍卖机制的移动数据卸载及定价方法，所有移动用户提供同一基站覆盖下不同WiFi热点的单位带宽资源竞标价格，同时，每个移动用户还需要提供所需带宽资源总量信息；移动运营商根据每个用户的竞标价格、所需的带宽资源数量、每个用户的历史最大支付金额、不同WiFi热点的历史竞标结果价格以及当前WiFi热点的带宽资源情况，采用多物品竞拍机制进行带宽资源的分配和定价；部分移动用户竞标成功，获得所需带宽资源，支付相应带宽资源使用费。本发明的移动数据卸载及定价方法可在多个移动用户之间分配WiFi带宽资源，同时设计合理定价策略以实现移动运营商利益最大化。
-
公开(公告)号：CN115037628A
公开(公告)日：2022-09-09
申请号：CN202210562305.6
申请日：2022-05-23
Applicant: 郑州轻工业大学
IPC: H04L41/0895 , H04L41/16
Abstract: 本发明提出了一种基于深度强化学习的自适应服务功能链映射方法，步骤为：建立SFC映射模型，将SFC映射过程分为三层结构并进行抽象参数表示；搭建SFCR映射学习神经网络，并将抽象参数映射至SFCR映射学习神经网络中的状态、动作、奖励值；构建经验回放池并对网络参数更新；基于经验回放池中数据，统计不同VNF的请求率、使用率及现有部署数量和未激活个数；设计VNF再部署策略，根据统计的数据对VNF再部署。本发明具有维持网络环境稳定、提高用户服务质量的优势，能够有效解决现有映射方法随时间动态变化造成有效服务成本占比小及服务映射效率低问题；具有良好的自适应性，能提高不同时间段处理用户服务请求的有效服务成本率和请求映射率。
-
公开(公告)号：CN114170331A
公开(公告)日：2022-03-11
申请号：CN202111471673.1
申请日：2021-12-06
Applicant: 郑州轻工业大学
Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于人工智能的图像数据压缩方法及系统。该方法分析训练图像的二维颜色信息，根据二维颜色信息在预设阶数上的二维标准差分析出达到无损效果界限的界限二维颜色信息，并根据二维标准差获得每个像素点的高斯模型，根据压缩颜色信息和界限二维颜色信息在高斯模型上的差异获得颜色趋向性，进一步结合像素点压缩前后与邻域范围内其他像素点的色差构建损失函数。以二维颜色信息作为训练数据训练自编码神经网络。实现通过自编码神经网络达到无损压缩。本发明通过获得色彩宽容度的界限对网络进行约束，实现了利用自编码神经网络对图像数据无损压缩。
-
Patent Agency Ranking
公开(公告)号：CN111582327A
公开(公告)日：2020-08-25
申请号：CN202010321829.7
申请日：2020-04-22
Applicant: 郑州轻工业大学
IPC: G06K9/62
Abstract: 本发明提供了一种面向智能终端的动作识别训练样本自动标注方法，包括：获取目标用户的未标注动作样本集；对获取到的所述未标注动作样本集进行层次聚类，以得到目标聚类集合，其中，目标聚类集合中每个元素记为一个聚类簇的聚心；基于预定动作识别模型对所述未标注动作样本集中的样本进行分类，以得到分类权值的归一化向量；基于所述归一化向量对所述目标聚类集合中的聚心进行标签投票，以得到聚心标签；基于所述聚心标签对所述未标注动作样本集中的样本进行标注，以得到所述目标用户的标注动作样本集。
-
公开(公告)号：CN117915346A
公开(公告)日：2024-04-19
申请号：CN202410090170.7
申请日：2024-01-22
Applicant: 郑州轻工业大学
Abstract: 本发明涉及一种最少覆盖用户优先的启发式边缘基站部署方法，步骤1：计算每个用户位置与每个候选站点间的距离，继续执行步骤2；步骤2：统计覆盖每个用户的候选站点数量，并选取符合条件的用户，继续执行步骤3；步骤3：针对每个覆盖步骤2所选用户的候选基站，统计每个候选基站覆盖的用户数量，并按照预设条件确定得到新的边缘基站部署位置，继续执行步骤4；步骤4：移除步骤3所选候选基站及其覆盖的用户，继续执行步骤5；步骤5：当存在用户未被覆盖且还有候选站点时，转到步骤2，反之结束。本发明提供的启发式边缘基站部署方法能够保障用户覆盖率最大的前提下，减少边缘基站部署数量，从而降低边缘计算平台建设或升级的投资成本。
-
公开(公告)号：CN115037628B
公开(公告)日：2023-08-22
申请号：CN202210562305.6
申请日：2022-05-23
Applicant: 郑州轻工业大学
IPC: H04L41/0895 , H04L41/16
Abstract: 本发明提出了一种基于深度强化学习的自适应服务功能链映射方法，步骤为：建立SFC映射模型，将SFC映射过程分为三层结构并进行抽象参数表示；搭建SFCR映射学习神经网络，并将抽象参数映射至SFCR映射学习神经网络中的状态、动作、奖励值；构建经验回放池并对网络参数更新；基于经验回放池中数据，统计不同VNF的请求率、使用率及现有部署数量和未激活个数；设计VNF再部署策略，根据统计的数据对VNF再部署。本发明具有维持网络环境稳定、提高用户服务质量的优势，能够有效解决现有映射方法随时间动态变化造成有效服务成本占比小及服务映射效率低问题；具有良好的自适应性，能提高不同时间段处理用户服务请求的有效服务成本率和请求映射率。
-
公开(公告)号：CN115185655B
公开(公告)日：2023-05-12
申请号：CN202210724724.5
申请日：2022-06-23
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于基因频次改进的云计算平台任务调度方法，涉及云计算技术领域，包括以下步骤：对云计算平台中H个计算节点和M个待调度的任务进行编号；随机初始化种群，计算种群中各染色体的适应度；初始化各染色体的局部最优染色体和局部最优适应度；初始化全局最优染色体和全局最优适应度；初始化各基因的各基因值在局部最优染色体和全局最优染色体出现的频次；对种群执行交叉操作，并更新上述初始化内容；根据各基因的各基因值在局部最优染色体和全局最优染色体出现的频次，对各染色体进行非等概率的均匀变异操作；根据全局最优染色体每个基因的基因值，将对应任务调度到相应的计算节点上。本发明提高了遗传算法在任务调度问题上的应用效果。
-
公开(公告)号：CN114238682A
公开(公告)日：2022-03-25
申请号：CN202111558721.0
申请日：2021-12-20
Applicant: 郑州轻工业大学
IPC: G06F16/583 , G06F16/55 , G06N3/04 , G06N3/06 , G06N3/08
Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于神经网络的图像检索方法及系统。该方法包括：获取每张检索图像输入分类网络中所有神经元输出的输出值序列；根据输出值序列在一个神经元的均值和方差得到特征指标；根据检索图像与对应簇的位置得到每个神经元的区分度；获取检索图像对应样本点的备选样本点，进一步得到每张检索图像对应的高斯模型；根据特征指标与区分度获取高斯模型的权值；获取多张检索图像的混合高斯模型，根据混合高斯模型获取所有备选样本点的匹配概率获取推荐给用户的备选样本点的顺序。能够提取图像中具有的特征，从而更加精准的将检索图像与数据库中的图像进行匹配推荐，提高检索图像分类的准确率。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.025 seconds)
