-
公开(公告)号：CN113110859B
公开(公告)日：2024-05-17
申请号：CN202110472342.3
申请日：2021-04-29
Applicant: 苏州大学
Abstract: 本发明公开了一种嵌入式终端远程在线开发系统，主要分为嵌入式终端、云转发平台和集成开发环境三部分。在远程在线开发背景下，云转发平台与集成开发环境通过互联网建立通信连接，与嵌入式终端的通信模组通过通信基站等方式建立连接，由此完成集成开发环境与嵌入式终端的通信。同时为了兼容本地开发模式，同样支持集成开发环境与嵌入式终端通过诸如串行通信等有线方式建立连接，实现本地在线开发。结合云平台构建具有良好普适性和灵活性的嵌入式终端远程在线开发系统，为降低嵌入式终端开发难度、减少开发中的重复劳动、缩短开发周期、降低开发成本提供帮助。
-
公开(公告)号：CN111507387A
公开(公告)日：2020-08-07
申请号：CN202010274957.0
申请日：2020-04-09
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于半监督学习的成对向量投影数据分类方法及系统,包括：根据两类训练数据构建邻接图，求解拉普拉斯矩阵，将所述拉普拉斯矩阵代入拉普拉斯流形正则项中；分别计算正类拉普拉斯流形正则项和负类拉普拉斯流形正则项、正类数据的类内散度矩阵和负类数据的类内散度矩阵、以及正类类间散度矩阵和负类类间散度矩阵；根据上述数据得到最优问题，并求解得到两个最优的投影向量；将无标签数据通过核函数投影到高维空间，将两个最优的投影向量投影到两个不同的子空间，分别计算两个最优的投影向量到各子空间中心的距离，得到无标签数据的标签。本发明有利于提高分类精度。
-
公开(公告)号：CN112329917A
公开(公告)日：2021-02-05
申请号：CN202011164944.4
申请日：2020-10-27
Applicant: 苏州大学
Abstract: 本发明涉及一种面向限价委托单趋势预测的多层神经网络集成系统及方法,包括：数据预处理模块，用于对输入的训练数据集作归一化处理；网络训练模块，用于将归一化处理后的训练集对多层神经网络进行训练，其中所述多层神经网络包括第一子模型、第二子模型以及第三子模型，且将所述第一子模型、第二子模型以及第三子模型的输出作为集成算法的输入，并将每个子模型赋予设定的权重，通过所述集成算法得到每一类别的最终输出值；限价委托单趋势预测模块，用于将待处理数据集经过所述数据预处理模块后得到三组数据集，将所述三组数据集输入至所述网络训练模块中预测未来的趋势。本发明预测更加精确。
-
公开(公告)号：CN106886389A
公开(公告)日：2017-06-23
申请号：CN201710174634.2
申请日：2017-03-22
Applicant: 苏州大学
Abstract: 本发明公开了一种自适应的随机多臂决策问题计算方法及其装置，包括初始化每个动作的估计值和选择次数；依据各个动作的估计值和选择次数，确定估计值最小的动作的选择次数m；按照w/(w+m2)的概率进行探索，1‑w/(w+m2)的概率进行利用；w为预设算法参数，探索操作为从当前选择次数最少的动作中随机选取一个动作作为下一时间步的动作，利用操作为选择当前估计值最大的动作作为下一时间步的动作；下一时间步的动作选择完成后，生成随机奖赏；依据随机奖赏及所选择的动作更新各个动作的估计值及选择次数，重新确定m，直至全部动作完成后，统计预设最大时间步内得到的随机奖赏之和，得到累积奖赏。本发明能够均衡探索和利用的选择，并保证最终的决策效果，且适用范围广泛。
-
公开(公告)号：CN113110860B
公开(公告)日：2024-05-24
申请号：CN202110472878.5
申请日：2021-04-29
Applicant: 苏州大学
Abstract: 本发明提出了一种嵌入式终端远程软件更新方法，以此来适应不同应用场景下的软件更新需求并兼顾系统框架本身的可移植可复用性。动态命令作为主要载体，为软件更新功能提供灵活性和适应性支撑。本发明以串行通信这一通信方式作为通信模组自适应的前导研究，并基于此总结出通信模组自适应的User程序更新和BIOS自更新方法。并针对实现过程中的动态命令空间问题，给出动态构件库的解决方案，在化简动态命令的同时也具有一定的开发实用性，对于动态构件库内的Flash负载均衡问题也提供了完善的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN113110860A
公开(公告)日：2021-07-13
申请号：CN202110472878.5
申请日：2021-04-29
Applicant: 苏州大学
Abstract: 本发明提出了一种嵌入式终端远程软件更新方法，以此来适应不同应用场景下的软件更新需求并兼顾系统框架本身的可移植可复用性。动态命令作为主要载体，为软件更新功能提供灵活性和适应性支撑。本发明以串行通信这一通信方式作为通信模组自适应的前导研究，并基于此总结出通信模组自适应的User程序更新和BIOS自更新方法。并针对实现过程中的动态命令空间问题，给出动态构件库的解决方案，在化简动态命令的同时也具有一定的开发实用性，对于动态构件库内的Flash负载均衡问题也提供了完善的解决方案。
-
公开(公告)号：CN113110859A
公开(公告)日：2021-07-13
申请号：CN202110472342.3
申请日：2021-04-29
Applicant: 苏州大学
Abstract: 本发明公开了一种嵌入式终端远程在线开发系统，主要分为嵌入式终端、云转发平台和集成开发环境三部分。在远程在线开发背景下，云转发平台与集成开发环境通过互联网建立通信连接，与嵌入式终端的通信模组通过通信基站等方式建立连接，由此完成集成开发环境与嵌入式终端的通信。同时为了兼容本地开发模式，同样支持集成开发环境与嵌入式终端通过诸如串行通信等有线方式建立连接，实现本地在线开发。结合云平台构建具有良好普适性和灵活性的嵌入式终端远程在线开发系统，为降低嵌入式终端开发难度、减少开发中的重复劳动、缩短开发周期、降低开发成本提供帮助。
-
公开(公告)号：CN111445339A
公开(公告)日：2020-07-24
申请号：CN202010312349.4
申请日：2020-04-20
Applicant: 苏州大学
Abstract: 本发明公开一种双线性注意力卷积神经网络限价单预测分析方法及系统。所述方法在卷积神经网络的基础上增加双线性注意力机制，加强网络对时间信息的关注；通过池化层和Dropout层减少模型参数数量防止过拟合现象的发生，减少了计算量。在网络训练过程的反向传播中，使用Adam算法计算并更新权重，优化传统梯度下降过程；通过损失函数L，优化更新模型的参数，从而优化双线性注意力卷积神经网络。与传统神经网络相比，本发明不仅提高了网络梯度下降的计算性能，而且提高了预测结果的准确率，能够捕捉到限价单中不同档的价格与成交量对未来趋势的影响。本发明所述系统包括数据预处理模块、网络训练模块和股票限价单趋势预测模块。
-
公开(公告)号：CN109514553A
公开(公告)日：2019-03-26
申请号：CN201811391335.5
申请日：2018-11-21
Applicant: 苏州大学
Abstract: 本申请公开了一种机器人移动控制的方法，包括：建立基于线性动态跳帧的深度双Q网络模型；接收输入的初始参数值及环境信息；利用评估网络模型在初始状态下执行初始策略计算动作集合中每个动作的Q值，并根据各Q值来确定对应动作的跳帧率；根据目标网络模型计算环境信息的目标值；根据目标值确定最优策略，并令机器人执行最优策略进行移动。本申请所提供的技术方案，根据网络输出动作Q值的大小来线性地决定每个动作的跳帧率，在不增加网络计算量的前提下，高效准确地计算出了每个动作需要重复执行的次数，提高了机器人移动的运算速度及场景识别准确度。本申请还提供了一种机器人移动控制的系统、设备及计算机可读存储介质，具有上述有益效果。
-
公开(公告)号：CN117312848A
公开(公告)日：2023-12-29
申请号：CN202311217587.7
申请日：2023-09-20
Applicant: 苏州大学
IPC: G06F18/214 , G06F18/23213 , G06F11/36
Abstract: 本发明涉及一种软件缺陷数据生成方法和系统，方法包括：步骤S1：获取软件数据集，其中，所述软件数据集包括缺陷数据集和非缺陷数据集，将所述缺陷数据集作为少数类数据集，将所述非缺陷数据集作为多数类数据集；步骤S2：对所述缺陷数据集和非缺陷数据集进行过采样，生成所需的新的缺陷样本，将新的缺陷样本放入缺陷数据集中，使放入新的缺陷样本后的缺陷数据集的样本点和非缺陷数据集的样本点达到平衡。本发明能够将软件数据集中的缺陷数据集和非缺陷数据集达到平衡，实验证明，本发明构造出的新的缺陷数据集能够使得用于软件缺陷预测的模型学习到有区分度的信息，保证模型的高效性。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.114 seconds)
