-
公开(公告)号：CN115183921A
公开(公告)日：2022-10-14
申请号：CN202210833362.3
申请日：2022-07-14
Applicant: 中南大学
Abstract: 本发明提供一种实时峰位误差反馈的全自动化测量材料残余应力方法，包括如下步骤：获取衍射数据：利用中子应力谱仪控制系统的中子探测器采集衍射数据，并对所采集的衍射数据进行数据转换；基于深度神经网络构建一个用于中子应力谱仪控制系统的中子衍射峰形拟合模型；利用中子衍射峰形拟合模型实时计算峰位误差，并通过峰位误差反馈控制实现材料测点的全自动化切换模式，最终达到全自动化测量材料残余应力的目的。本发明能够在小于衍射峰位误差阈值的前提下，充分获取材料测点的衍射数据，如此形成基于全局信息融合的智能化全流程控制体系，不仅能够加速材料残余应力的测量工作，还能实现中子谱仪在无人操作环境下高度自动化和精准化。
-
公开(公告)号：CN115063799A
公开(公告)日：2022-09-16
申请号：CN202210935737.7
申请日：2022-08-05
Applicant: 中南大学
IPC: G06V30/10 , G06N3/04 , G06V10/82 , G06V30/148 , G06V30/18
Abstract: 本发明公开了一种印刷体数学公式识别方法、装置及存储介质，其中方法包括：获取印刷体数学公式图片并进行预处理；基于编码器提取印刷体数学公式图片的第一特征矩阵；提取第一特征矩阵的上下文语义特征，得到第二特征矩阵；使用相对位置编码技术对第二特征矩阵进行相对位置编码，得到第三特征矩阵；将第三特征矩阵输入解码器中，得到印刷体数学公式的Latex格式序列。第三特征矩阵是第一特征矩阵的基础上依次进行了上下文语义特征和元素间相对位置特征的再次提取，提取的特征更加能准确反映印刷体数学公式的特性，提高了最终印刷体数学公式识别的准确率。
-
公开(公告)号：CN113866817A
公开(公告)日：2021-12-31
申请号：CN202111139848.9
申请日：2021-09-28
Applicant: 中南大学
Abstract: 本发明公开了一种基于神经网络的中子衍射峰位预测方法、设备和介质，方法：调整探测仪与入射中子束间的夹角，用中子束对被测材料衍射，探测仪采集被测材料衍射产生的中子；将探测仪信道位置转换成衍射角度，根据探测仪采集的中子数统计各信道衍射强度和强度误差；搭建中子衍射峰位预测模型的神经网络架构，以各信道衍射角度和强度为输入输出，将强度误差作为权重引入到损失函数，训练神经网络，即可由得到的中子衍射峰位预测模型得到角度与衍射强度间的函数关系；衍射强度最大值对应的角度，即为被测材料的中子衍射峰位。本发明能实时精确拟合中子衍射数据，精准获取中子衍射峰位，实现对被测材料残余应力的精确测定，反映材料深部真实应力场。
-
公开(公告)号：CN110166279B
公开(公告)日：2021-05-18
申请号：CN201910282178.2
申请日：2019-04-09
Applicant: 中南大学
Abstract: 本发明涉及大数据管理领域，公开了一种非结构化云数据管理系统的动态布局方法，以降低非结构化数据管理系统中由于数据频繁移动导致的数据传输开销，本发明的方法包括确定客户端提交的任务所需的数据集，采用Master节点中的元数据管理器对数据集进行分区，得到第一数据分区集；建立第一数据分区集中每个数据分区的云模型，根据云模型将第一数据分区集中的所有数据分区划分为稳定数据分区组和不稳定数据分区组；采用数据布局算法将不稳定数据分区组中的各数据分区调入Slave存储节点。
-
Patent Agency Ranking
公开(公告)号：CN107609138B
公开(公告)日：2020-05-08
申请号：CN201710852493.5
申请日：2017-09-19
Applicant: 中南大学
IPC: G06F16/25
Abstract: 本发明涉及分布式计算领域，公开了一种云模型数据布局方法和系统，以减少跨数据中心传输所产生的时间开销和移动次数，提高任务执行效率，为用户提供更方便更快捷的服务；本发明首先选取第一批数据集和第二批数据集建立云滴组，然后基于云滴组确定虚拟数据代理并计算虚拟数据代理的特征，进而确定虚拟数据代理的云模型，然后计算云滴组中包括的数据集以外的其余数据集相对于每个虚拟数据代理的隶属度，将其根据最大隶属度划分到相应的虚拟数据代理中；最后将虚拟数据代理映射到对其包括的数据集请求次数之和最多的数据中心。
-
公开(公告)号：CN109992593A
公开(公告)日：2019-07-09
申请号：CN201910187235.9
申请日：2019-03-13
Applicant: 中南大学
IPC: G06F16/2453 , G06F16/2455
Abstract: 近年来，随着计算机网络的飞速发展，Web上的RDF数据量飞速增长，特别是出现了很多大规模的RDF数据集，而这种海量的数据之间往往存在着复杂的网络关系，因此传统的集中式查询方案已无法快速准确地得到查询结果。本发明公开一种基于子图匹配的大规模数据并行查询方法。本发明结合分布式平台，主要是为了提高在大规模数据集中的数据查询效率。首先针对数据图以及查询图采用邻接表存储方案，充分利用图的拓扑信息及属性信息，将查询过程转换成字段包含判断过程。然后通过准确评估每个候选区域查询点候选数量解决了匹配顺序选择的问题，减少中间结果的产生，并且多个候选区域探索过程可并行解决。通过上述方式，本发明能够有效地提高查询效率，并且得到准确的查询结果。
-
公开(公告)号：CN105044151B
公开(公告)日：2017-06-16
申请号：CN201510530618.3
申请日：2015-08-26
Applicant: 中南大学
IPC: G01N25/20
Abstract: 本发明涉及一种测量铝合金连续冷却转变曲线的方法，属于有色金属材料制备技术领域。本发明通过记录在不同温度区间的热当量的变化，从而依据热当量的变化来分辨在淬火过程中淬火反应的析出温度区间；本发明通过应用差示扫描量热法(DSC)来测量铝合金在淬火过程中的放热反应，结合微观组织分析和力学性能测试，从而获得铝合金的连续冷却转变曲线。与其他方法相比，本发明方法能够在一定冷却区间的精确冷却曲线和分辨不同淬火诱导析出相的起始和终止温度。本发明所得连续冷却转变曲线具有精度高，指导意义大等优势。
-
公开(公告)号：CN106445913A
公开(公告)日：2017-02-22
申请号：CN201610804883.0
申请日：2016-09-06
Applicant: 中南大学
Abstract: 本发明涉及计算机推理优化技术领域，公开了一种基于MapReduce的语义推理方法及系统，以使推理在一个MapReduce作业内完成，缩减推理的时间。本发明公开的语义推理方法：首先将RDFS规则分类，将模式三元组按照RDFS规则分类构建对应的推理规则模型；然后根据规则模型间依赖关系确定在MapReduce框架中规则模型的应用顺序；算法中依次应用subP、domR和subC规则模型完成推理，最后在Combine阶段和Reduce阶段消除推理过程中的重复数据，使推理在一个MapReduce作业内完成。
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.033 seconds)
