“周时颉”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果9个，建议您升级VIP下载更多相关专利

[发明专利]一种面向自然语言处理的基于循环学习单元的HTM设计方法-CN202010115996.6有效
发明人：蔡涛;刘天泉;牛德姣;周时颉;薛安荣;何志刚;盘朝奉 -专利权人：江苏大学
申请日： 2020-02-25 - 公布日： 2023-09-29 - 主分类号： G06N3/044 文献下载
摘要：本发明公开了一种面向自然语言处理的基于循环学习单元的HTM设计方法，针对自然语言处理应用，在使用HTM分析自然语言时，提出使用面向自然语言处理的基于循环学习单元的HTM设计方法，利用具有循环学习能力的循环学习单元代替现有的HTM神经元，将HTM时间池和循环学习单元对序列数据的学习能力相互结合，实现对蕴含无规律时间跨度大关联的自然语言的更好的学习；通过循环学习单元的训练方法，使得循环学习单元能学习自然语言语料中包含的特性，实现HTM对蕴含无规律时间跨度大关联的自然语言更强的学习能力。本发明提高了HTM对蕴含无规律时间跨度大关联的自然语言的学习功能，从而保证了在处理蕴含无规律时间跨度大关联的自然语言时HTM的有效性和实用性。
一种面向自然语言处理基于循环学习单元 htm 设计方法

[发明专利]一种面向乘客流分析的基于循环学习单元的HTM设计方法-CN202010116343.X有效
发明人：牛德姣;刘天泉;蔡涛;周时颉;何志刚;薛安荣;盘朝奉 -专利权人：江苏大学
申请日： 2020-02-25 - 公布日： 2023-08-22 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种面向乘客流分析的基于循环学习单元的HTM设计方法，面向乘客流分析应用，在使用HTM分析乘客流时，提出使用面向乘客流分析的基于循环学习单时间池方法，利用具有循环学习能力的循环学习单元代替现有的HTM神经元，将HTM时间池和循环学习单元对序列数据的学习能力相互结合，加强HTM对同时蕴含时间跨度较短和较长规律的乘客流的学习功能；通过循环学习单元的训练方法，使得循环学习单元能学习乘客流数据中包含的特性，实现HTM对同时蕴含时间跨度较短和较长规律的乘客流更强的学习能力。本发明提高了HTM对同时蕴含时间跨度较短和较长规律的乘客流的学习功能，从而保证了在处理同时蕴含时间跨度较短和较长规律的乘客流时HTM的有效性和实用性。
一种面向客流分析基于循环学习单元 htm 设计方法

[发明专利]一种工业时序数据库通用分布式扩展方法-CN202211591049.X在审
发明人：周淳;王想;史英杰;周时颉;王鑫晨;史金伟 -专利权人：江苏瑞中数据股份有限公司
申请日： 2022-12-12 - 公布日： 2023-04-07 - 主分类号： G06F16/25 文献下载
摘要：本发明公开了一种通用的工业时序数据库的分布式扩展方法，构建包括数据库系统访问接口模块、数据库调度和管理模块和数据计算存储模块的系统架构；确定数据分布规则：采用测点或时间作为分布维度，最大化提高任务处理的并发效率和减少数据传输和汇总的复杂度；进行分库管理；将任务分发和结果汇总处理逻辑由调度管理节点转移和均摊到各个访问接口模块；通过数据副本方式保证系统可靠性，若原时序数据库本身具备镜像功能，选择主备镜像方式；统一数据库系统访问接口模块。本发明既解决数据分布、数据冗余、数据同步等问题，又可以完全复用现有的时序数据库系统的存储和计算引擎，改造工作量小，为当前工业时序数据库扩展提供技术支撑。
一种工业时序数据库通用分布式扩展方法

[发明专利]一种面向分布式工业时序数据库的数据负载均衡方法-CN202211297059.2在审
发明人： 周时颉;王想;史英杰;周淳;史金伟;王鑫晨;蒋树嵩;金发秀;王绍雷 -专利权人：江苏瑞中数据股份有限公司;南瑞集团有限公司
申请日： 2022-10-20 - 公布日： 2023-03-07 - 主分类号： H04L67/1004 文献下载
摘要：本发明公开了一种面向分布式工业时序数据库的数据负载均衡方法，步骤如下：获取分布式工业时序数据库集群中所有节点的未使用的存储资源大小；根据新增测点采集数据点的大小和数据的采集频率计算得到测点存储资源消耗的估计值；将待添加测点划分成和数据库集群中节点数量相同的若干组，并对每组测点的资源消耗估计值计算累加值，使得每组估计值累加值之间的比例和各节点未使用存储资源大小的比例趋近，按照分组结果将各组内的测点分配到对应节点中。本发明解决了现有方法导致的数据负载不均衡和存储资源浪费等问题，提升了分布式工业时序数据库的硬件资源利用率、数据负载的均衡性和可拓展性。
一种面向分布式工业时序数据库数据负载均衡方法

[发明专利]一种面向电力物联终端设备的信息模型构建方法-CN202111516537.X在审
发明人：王想;王威;张华云;史英杰;周淳;史金伟;蒋树嵩;许媛;王鑫晨;周时颉;唐伟杰;吴明生 -专利权人：江苏瑞中数据股份有限公司;南瑞集团有限公司
申请日： 2021-12-13 - 公布日： 2022-05-13 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开一种面向电力物联终端设备信息模型构建方法，包括将电力物联终端设备按照类型在广度维度划分；将电力物联终端设备的采集量测数据按照时间在深度维度划分；将电力物联终端设备的标签信息在静态信息维度划分；将电力物联终端设备的采集单元按照采样类别在动态信息维度划分；所述广度维度与静态信息维度和动态信息维度之间关联；所述动态信息维度与时间深度维度之间关联。本发明采用广度、深度、静态和动态信息的四维模型构建方式，将电力物联终端设备的数据范围、数据时间、设备标签和设备采集单元统一管理；通过树型结构、标签结构信息关联，避免传统关系模型导致的巨大资源开销问题；为电力物联终端设备的能源数字化转型提供支撑。
一种面向电力终端设备信息模型构建方法

[发明专利]一种面向电力二次设备的嵌入式实时数据库-CN202111253190.4在审
发明人：史英杰;王威;张华云;周淳;史金伟;王想;蒋树嵩;许媛;王鑫晨;周时颉;唐伟杰;吴明生 -专利权人：江苏瑞中数据股份有限公司;南瑞集团有限公司
申请日： 2021-10-27 - 公布日： 2022-01-11 - 主分类号： G06F16/22 文献下载
摘要：本发明公开一种面向电力二次设备的嵌入式实时数据库，从下而上依次包括存储层、模型层和应用层；所述存储层存储测点模型以及测点对应的量测数据，包括存储接口模块、轻量缓存模块、数据压缩模块、数据存储模块和资源优化模块；所述模型层存储设备物模型，并将物模型与存储层的测点模型关联，包括模型接口模块、模型算法模块和模型存储模块；所述应用层实现数据查询分析和通过对外接口实现模型的构建和数据接入。本发明实现轻量化的电力模型高度匹配，降低实时数据库在电力二次嵌入式设备环境下的内存及存储资源消耗；实现了测点数据的高效访问，避免了频繁的内存及CPU操作；极大地提升了系统安全性。
一种面向电力二次设备嵌入式实时数据库

[发明专利]一种面向多核处理器的并发HTM空间池设计方法-CN202011433443.1在审
发明人：牛德姣;周时颉;蔡涛;杨乐;李雷 -专利权人：江苏大学
申请日： 2020-12-10 - 公布日： 2021-03-30 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种面向多核处理器的并发HTM空间池设计方法，为减少训练时全局、线性搜索的时间开销，本发明设计基于分区的HTM空间池微柱激活策略；同时引入面向多核处理器的大数据处理方法，将分区机制与多核计算相结合，设计面向多核处理器的并发微柱激活方法，并在此基础上设计面向多核处理器的空间池并发学习方法，利用多个CPU计算核心的并发计算能力，并行完成空间池突触持久值的更新。该设计方法能有效减少HTM空间池训练的时间开销，并提高计算效率。
一种面向多核处理器并发 htm 空间设计方法

[发明专利]一种基于微柱激活程度的HTM时间池训练方法-CN202011520322.0在审
发明人：牛德姣;杨乐;蔡涛;周时颉;李雷 -专利权人：江苏大学
申请日： 2020-12-21 - 公布日： 2021-03-26 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于微柱激活程度的HTM时间池训练方法，首先，将空间池连接到数据编码，随机初始化近端树突上突触的持久值；从空间池的微柱中选择激活态微柱来表征当前输入，形成稀疏的SDR；基于活跃突触数量、活跃突触持久值和中编码活跃位数，计算中激活态微柱的激活强度；完成空间池学习后，时间池进入学习状态；在时间池学习过程中，判断微柱预测是否准确；根据时间池预测的结果，若预测失败则进入惩罚阶段，若预测正确，则进入奖励阶段；在惩罚阶段和奖励阶段，通过判断该微柱激活强度与激活强度为阈值的关系，对突触的持久值进行调整；本申请通过灵活动态的突触持久值改变方式，进而提升时间池预测的准确性。
一种基于激活程度 htm 时间训练方法

[发明专利]利用训练过程压缩和记忆巩固构建增量式LSTM的方法-CN202010092811.4在审
发明人：牛德姣;夏政;蔡涛;周时颉;杨乐 -专利权人：江苏大学
申请日： 2020-02-14 - 公布日： 2020-07-10 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种利用训练过程压缩和记忆巩固构建增量式LSTM的方法，本发明利用LSTM门单元的活跃度来选择训练过程中重要的输入时刻并压缩训练过程形成历史记忆，同时将压缩后的记忆与新数据上训练有效融合，利用历史信息巩固网络记忆以此满足对序列数据的增量式处理要求。该方法能避免现有LSTM系统存储开销大、训练效率低的问题，提高LSTM对动态增长的序列数据的训练效率，避免历史信息的遗忘，保证LSTM的有效性和实用性。
利用训练过程压缩记忆巩固构建增量 lstm 方法

1
共 9 条