-
公开(公告)号：CN110247850A
公开(公告)日：2019-09-17
申请号：CN201910531164.X
申请日：2019-06-19
Applicant: 中国石油大学(华东)
IPC: H04L12/751 , H04L12/733 , H04L12/747 , H04L12/861
Abstract: 本发明属于船联网通信技术领域，特别涉及机会网络通信，具体是一种基于动态路由表的船联网协议。主要原理是：每个节点在缓存中维护一个动态路由表，并根据所有节点的路由表构造当前网络的连接拓扑图。若源节点与目的节点在同一连通图内，根据机会连通路由算法进行数据传输；若源节点与目的节点不在同一连通图内，根据机会非连通路由算法进行数据传输。若源节点的下一跳中没有目的节点，则源节点在更新路由表时继续向网络中发送数据包。数据传输过程中，两船交换已传输成功数据包列表，删除缓存中的已传输成功数据包。本发明可以适应海洋网络通信环境，以相对低廉的成本进行海量非实时数据传输，提出的路由算法可以有效减少时延，提高效率。
-
公开(公告)号：CN109800863A
公开(公告)日：2019-05-24
申请号：CN201910042398.8
申请日：2016-08-30
Applicant: 中国石油大学(华东)
IPC: G06N3/04
Abstract: 本发明提出了一种基于模糊理论和神经网络的测井相识别方法，首先，构建模糊区域卷积神经网络，将给出目标假设区域和目标识别放入同一个网络中，共享卷积计算，一个训练过程更新整个网络的权重；接下来，测井数据经过模糊区域卷积神经网络进行卷积和池化操作，卷积层和池化层交互，在卷积层和池化层进行模糊操作，从模糊区域卷积神经网络的第一层开始，逐渐增加模糊化的层数，针对不同的数据集调整模糊化层数，模糊区域卷积神经网络的最后一层得到特征向量，该特征向量通过一个滑动窗口将特征映射到一个低维向量中，然后将特征输入到两个全连接层，一个全连接层用来定位，另一个全连接层用来分类。
-
公开(公告)号：CN106372402B
公开(公告)日：2019-04-30
申请号：CN201610762101.1
申请日：2016-08-30
Applicant: 中国石油大学(华东)
IPC: G06N3/04
Abstract: 本发明提出了一种大数据环境下模糊区域卷积神经网络的并行化方法，首先，构建模糊区域卷积神经网络，将给出目标假设区域和目标识别放入同一个网络中，共享卷积计算，一个训练过程更新整个网络的权重；接下来，把输入的测井数据集分割成若干小数据集，多个工作流并行化经过模糊区域卷积神经网络进行卷积和池化操作，每一小数据集单独利用梯度下降进行训练。本发明优化网络结构和参数，实现更好的分析性能和精度；而且，本发明针对不同的测井数据集调整FR‑CNN模糊化的层数，使提取的特征更好的反映油气储层本身的特性，可以解决测井数据模糊性问题；本发明利用多GPU进行FR‑CNN的并行训练和执行，以提高FR‑CNN的效率。
-
公开(公告)号：CN106529667B
公开(公告)日：2018-10-30
申请号：CN201610863792.4
申请日：2016-09-23
Applicant: 中国石油大学(华东)
Abstract: 本发明提出了一种大数据环境下基于模糊深度学习的测井相识别与分析方法，首先，构建模糊区域卷积神经网络，将给出目标假设区域和目标识别放入同一个网络中，共享卷积计算，一个训练过程更新整个网络的权重；接下来，把输入的测井数据集分割成若干小数据集，每一个小数据集经过模糊区域卷积神经网络进行卷积和池化操作的步骤；然后，利用分类后的特征构建测井相‑沉积相知识库，所述测井相‑沉积相知识库基于无歧义的测井数据、沉积相融合方法，建立相应的包含沉积相、沉积亚相、沉积微相的知识库以支持对沉积相与测井相的关联分析，从而建立测井相‑沉积相知识库，确定当前的测井数据与沉积相的对应关系。
-
公开(公告)号：CN107274080A
公开(公告)日：2017-10-20
申请号：CN201710419156.7
申请日：2017-06-06
Applicant: 中国石油大学(华东)
CPC classification number: G06Q10/0633 , G06N3/049 , G06N3/061
Abstract: 本发明提供了基于着色脉冲神经膜系统的交替平行路由工作流模式。本发明基于着色脉冲神经膜系统分布式、并行性、易于建模的特点，通过着色脉冲神经膜系统对工作流模式中交替平行路由进行仿真模拟，并对每个工作点进行规则设计，最终得到了一个逻辑清楚的交替平行路由工作流模型。
-
Patent Agency Ranking
公开(公告)号：CN107248063A
公开(公告)日：2017-10-13
申请号：CN201710417750.2
申请日：2017-06-05
Applicant: 中国石油大学(华东)
CPC classification number: G06Q10/103 , G06N3/049 , G06Q10/0633
Abstract: 本发明提供了基于着色脉冲神经膜系统的任意循环工作流模式。本发明基于着色脉冲神经膜系统分布式、并行性、易于建模的特点，通过着色脉冲神经膜系统对工作流模式中任意循环进行仿真模拟，并对每个工作点进行规则设计，最终得到了一个逻辑清楚的任意循环工作流模型。
-
公开(公告)号：CN107169626A
公开(公告)日：2017-09-15
申请号：CN201710232896.X
申请日：2017-04-11
Applicant: 中国石油大学(华东)
CPC classification number: G06Q10/0633 , G06N3/049
Abstract: 本发明提供了基于着色脉冲神经膜系统的顺序工作流模式。本发明基于着色脉冲神经膜系统分布式、并行性、易于建模的特点，通过着色脉冲神经膜系统对工作流模式中顺序任务进行仿真模拟，并对每个工作点进行规则设计，最终得到了一个逻辑清楚的顺序工作流模型。
-
公开(公告)号：CN107169623A
公开(公告)日：2017-09-15
申请号：CN201710220865.2
申请日：2017-04-06
Applicant: 中国石油大学(华东)
CPC classification number: G06Q10/0633 , G06Q10/103
Abstract: 本发明提供了基于着色脉冲神经膜系统的多路选择工作流模式。本发明基于着色脉冲神经膜系统分布式、并行性、易于建模的特点，通过着色脉冲神经膜系统对工作流模式中选择活动进行仿真模拟，并对每个工作点进行规则设计，最终得到了一个逻辑清楚的多路选择工作流模型。
-
公开(公告)号：CN107169622A
公开(公告)日：2017-09-15
申请号：CN201710220436.5
申请日：2017-04-06
Applicant: 中国石油大学(华东)
CPC classification number: G06Q10/0633 , G06N3/049
Abstract: 本发明提供了基于着色脉冲神经膜系统的同步工作流模式。本发明基于着色脉冲神经膜系统分布式、并行性、易于建模的特点，通过着色脉冲神经膜系统对工作流模式中同步活动进行仿真模拟，并对每个工作点进行规则设计，最终得到了一个逻辑清楚的平行拆同步分工作流模型。
-
公开(公告)号：CN107085787A
公开(公告)日：2017-08-22
申请号：CN201710441959.2
申请日：2017-06-13
Applicant: 中国石油大学(华东)
CPC classification number: G06Q10/103 , G06N3/049
Abstract: 本发明提供了基于着色脉冲神经膜系统的异步多实例工作流模式。本发明基于着色脉冲神经膜系统分布式、并行性、易于建模的特点，通过着色脉冲神经膜系统对工作流模式中异步多实例进行仿真模拟，并对每个工作点进行规则设计，最终得到了一个逻辑清楚的异步多实例工作流模型。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.034 seconds)
