-
公开(公告)号：CN108196835A
公开(公告)日：2018-06-22
申请号：CN201810085651.3
申请日：2018-01-29
Applicant: 东北大学
IPC: G06F8/20
Abstract: 本发明涉及一种游戏引擎中图元存储和渲染的方法，对顶点存储和渲染方式分别进行优化，包括以下步骤：1)对图元顶点数据进行处理，完成顶点属性的自动设定，通过顶点索引指定顶点的绘制顺序，避免顶点的重复存储；2)将需要渲染的物体传入引擎，将场景中的物体进行分层，将层次中的物体顶点信息存满缓冲区后，一次性将这些顶点的信息传入到渲染器中进行批量绘制，减少绘制时DrawCall的调用。本发明将场景中的物体进行分层，确保层次间的前后关系，再对层次内的物体进行从后往前的渲染，实现了批量渲染，使用大的缓冲区存储需要渲染的顶点，能够有效减少绘制时对于DrawCall的调用，使引擎系统的渲染性能得到了大幅度提升。
-
公开(公告)号：CN108876001A
公开(公告)日：2018-11-23
申请号：CN201810413877.1
申请日：2018-05-03
Applicant: 东北大学
Abstract: 本发明涉及一种基于孪生支持向量机的短期电力负荷预测方法，包括以下步骤：1)依据模型输入向量的格式制作样本数据集；2)对样本数据集的数据进行分类，一类用于参数优化，另一类用于测试；对参数优化的一类进行归一化预处理；3)对归一化预处理后的样本数据使用LBSA优化DW‑TSVR参数；4)采用基于LBSA参数优化的DW‑TSVR算法，结合用于测试的另一类样本数据进行DW‑TSVR模型的验证，计算短期电力负荷的预测结果。本发明将莱维飞行引入BSA算法的飞行行为中，提出了LBSA算法，算法的寻优性能有明显的提高，同时算法的收敛速度也得到了一定的提升，因此本发明提出的基于莱维飞行的鸟群算法具有更优的性能。
-
公开(公告)号：CN108491970B
公开(公告)日：2021-09-10
申请号：CN201810223633.7
申请日：2018-03-19
Applicant: 东北大学
Abstract: 本发明涉及一种基于RBF神经网络的大气污染物浓度预测方法，根据被预测地区的实际情况，将实验数据进行划分，针对大气污染物浓度数据进行预处理；使用MMOD改进的k‑means++算法求出聚类中心，并基于方差求取每个核函数宽度；对实验数据进行抽样，参与创建的RBF神经网络的数据子集为IOB，剩下未被抽到的为OOB袋外数据；对学习器进行评价，筛选出泛化误差最小的RBF神经网络，训练集成RBFNN模型；利用加权集成RBFNN算法，基于加权欧式距离，通过聚类中心、宽度、权值训练单个参数优化RBFNN，并应用到集成RBFNN上，对数据预测。本发明应用到大气污染物浓度预测上，大幅提高大气污染物浓度预测的精度。
-
公开(公告)号：CN110009160A
公开(公告)日：2019-07-12
申请号：CN201910289389.9
申请日：2019-04-11
Applicant: 东北大学
Abstract: 本发明公开了一种基于改进的深度信念网络的电力价格预测方法，步骤为：根据电价数据特点以及电价的影响因素，划分数据集并确定网络数据输入，对采用数据集进行数据预处理；针对预处理后的数据集，利用二阶重构误差计算网络误差，确定模型RBM的层数；利用结合三分法和二分法的“三+二”查找算法优化网络中的神经元节点个数；分别利用BP神经网络和SVR支持向量回归机作为DBN网络的回归层，结合RBM的层数和优化后的神经元节点个数，构造结构优化的DBN-BP模型和DBN-SVR模型，对实时电价数据进行预测。本发明建立结构优化的DBN模型，并对网络的回归层进行不同的结合改进，提高了DBN的预测精度，具有很好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN117235112A
公开(公告)日：2023-12-15
申请号：CN202311165331.6
申请日：2023-09-11
Applicant: 东北大学
IPC: G06F16/2453 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种支持数据库复杂LIKE查询的选择度估计方法，涉及数据库技术领域。首先构建复杂LIKE查询负载，基于复杂LIKE查询负载，构建训练数据集和测试数据集，融合查询类型信息；标识通配符的特殊性；基于神经语言模型对选择度信息进行编码；使用前馈神经网络对选择度信息进行解码；返回选择度估计结果。本发明将LIKE查询谓词的查询子串按字符划分成一个序列，借用人工智能中自然语言处理部分方法的思想学习字符序列中蕴含的选择度信息。可以对更多复杂查询类型的LIKE查询进行选择度估计，并且对不同的查询类型不需使用不同的策略分别处理。同时也不需存储额外的数据结构，只需要存储一个经过训练的学习模型即可达到上述效果，降低了对存储空间的需求。
-
公开(公告)号：CN117150082A
公开(公告)日：2023-12-01
申请号：CN202311078258.9
申请日：2023-08-25
Applicant: 东北大学
IPC: G06F16/90 , G06F16/901
Abstract: 本发明提供一种面向近似最近邻搜索的近邻图更新方法，涉及数据查询技术领域。该方法首先根据向量数据库系统内的数据序列，构建近邻图及其反向图；并删除近邻图中过期顶点及其连接边；然后补偿过期顶点的前驱邻居顶点的出度；基于最小角度最大化的边选择策略进行边的选择；并补偿过期顶点的后继邻居顶点的入度；同时对插入的新顶点进行二次细化；最后基于历史查询优化近邻图结构。该方法消除了因更新带来的性能下降的问题，支持流式更新，避免了因更新而重建近邻图，这增大了向量数据库的适用范围。
-
公开(公告)号：CN108876001B
公开(公告)日：2021-09-24
申请号：CN201810413877.1
申请日：2018-05-03
Applicant: 东北大学
Abstract: 本发明涉及一种基于孪生支持向量机的短期电力负荷预测方法，包括以下步骤：1)依据模型输入向量的格式制作样本数据集；2)对样本数据集的数据进行分类，一类用于参数优化，另一类用于测试；对参数优化的一类进行归一化预处理；3)对归一化预处理后的样本数据使用LBSA优化DW‑TSVR参数；4)采用基于LBSA参数优化的DW‑TSVR算法，结合用于测试的另一类样本数据进行DW‑TSVR模型的验证，计算短期电力负荷的预测结果。本发明将莱维飞行引入BSA算法的飞行行为中，提出了LBSA算法，算法的寻优性能有明显的提高，同时算法的收敛速度也得到了一定的提升，因此本发明提出的基于莱维飞行的鸟群算法具有更优的性能。
-
公开(公告)号：CN108491970A
公开(公告)日：2018-09-04
申请号：CN201810223633.7
申请日：2018-03-19
Applicant: 东北大学
Abstract: 本发明涉及一种基于RBF神经网络的大气污染物浓度预测方法，根据被预测地区的实际情况，将实验数据进行划分，针对大气污染物浓度数据进行预处理；使用MMOD改进的k-means++算法求出聚类中心，并基于方差求取每个核函数宽度；对实验数据进行抽样，参与创建的RBF神经网络的数据子集为IOB，剩下未被抽到的为OOB袋外数据；对学习器进行评价，筛选出泛化误差最小的RBF神经网络，训练集成RBFNN模型；利用加权集成RBFNN算法，基于加权欧式距离，通过聚类中心、宽度、权值训练单个参数优化RBFNN，并应用到集成RBFNN上，对数据预测。本发明应用到大气污染物浓度预测上，大幅提高大气污染物浓度预测的精度。
-
公开(公告)号：CN202217178U
公开(公告)日：2012-05-09
申请号：CN201120313074.2
申请日：2011-08-25
Applicant: 东北大学
IPC: G05B19/418
Abstract: 本实用新型提供一种基于物联网的可视化温度监控装置，包括云台、摄像头、红外测温头、控制模块、GPS接口、电加热模块、探照灯和传输模块。本装置通过红外信号与可见光信号来进行变电站现场监控。红外测温头和摄像头以高精度电动云台为载体，进行全方位二维平面扫描，并将所测温度与时间传送到上位机。摄像头进行现场画面取证，并将录像及图像传送至上位机。当温度报警时，系统将摄像头调整到报警位置，并进行实时抓拍，工作人员根据报警信息进行现场维修。本实用新型采用温度监控与视频监控结合，减少了变电站由于温度等原因造成的电力事故，保障电力设备安全可靠运行，视频技术弥补了红外技术的不可见性，直观明了，二者相得益彰，互为补充。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.026 seconds)
