公共文化服务平台

一种基于外部数据包装器的联邦数据库系统: 本申请公开了一种基于外部数据包装器的联邦数据库系统，该方法包括：在中心数据库执行中心数据库初始化；在单元数据库执行单元数据库初始化；在单元数据库执行单元数据库注册；在单元数据库执行单元数据库表注册；在中心数据库执行中心数...; 文永张浩周园林刘西华肖永浩张亚林高文杰

一种基于社交网络分析技术的员工工作考察方法: 本发明涉及员工工作考察相关领域，尤其为一种基于社交网络分析技术的员工工作考察方法，包括以下步骤：S10、综合边数据；S20、员工工作社交网络图；S30、员工工作网络指标；S40、员工工作网络分析方法。该方法在对多种类工作...; 张浩秦英张庆文永田志宇褚新坤郑翠芳; 文献传递

一种基于图卷积网络的时间差分流体仿真过程的修正方法: 本发明公开了一种基于图卷积神经网络的在时间差分流体仿真器仿真过程中修正仿真结果的方法，涉及深度学习领域，该方法包含标准化、编码、一阶修正并剥离误差、二阶修正并剥离误差、融合编码、解码、反标准化等步骤，其中，编码、解码通过...; 姜龙祥张浩褚新坤李露雄肖永浩王丽媛周园林

一种基于图卷积网络的时间差分流体仿真过程的修正方法: 本发明公开了一种基于图卷积神经网络的在时间差分流体仿真器仿真过程中修正仿真结果的方法，涉及深度学习领域，该方法包含标准化、编码、一阶修正并剥离误差、二阶修正并剥离误差、融合编码、解码、反标准化等步骤，其中，编码、解码通过...; 姜龙祥张浩褚新坤李露雄肖永浩王丽媛周园林

复杂流程装备软件数据仿真测试框架: 2023年; 针对基于总线通信的装备软件由于业务复杂、耦合紧密、时序严格、数据交换量大导致的自动化测试技术门槛高、实施难度大的问题,引入数据驱动测试和关键字驱动测试的思想,提出了一种数据仿真测试框架,制定了配置规则并在框架中实现。测试人员只需专注于业务分析,配置交换数据和关键字,就可以对复杂流程装备软件进行外围数据仿真,实施自动化测试,无需开发测试脚本,降低了自动化测试的技术门槛。结果表明:与手动测试和实物测试相比,该框架可以执行更多的业务场景,能发现业务流程相关的深层次的软件缺陷。; 张进坤史龙飞胡驰张浩杨永辉; 关键词：数据仿真自动化测试数据驱动关键字驱动

ROE格式的物理增强图神经网络求解Euler与层流不可压NS方程: 2025年; 近年来,融合物理信息的深度学习方法为偏微分方程的求解提供了一个新的思路.然而,到目前为止,大多数工作在解空间存在间断的问题上的计算精度不高,时间外推能力差.针对以上两个问题,该文提出了使用图神经网络结合流体计算领域的ROE格式融合方程或数据信息的模型———ROE-PIGNN.数值实验表明,该模型在求解由Euler方程控制的激波管问题时,可达到与传统ROE格式相当的计算精度,并具备一定时间范围的外推能力.最后,对由Navier-Stokes(NS)方程控制的二维圆柱绕流问题进行了求解,实验结果表明:模型可以预测后续的周期性流动,并实现对部分关键位置流动结构的更精确的复现,相比纯数据驱动,误差降低了60%.; 宋尚校姜龙祥王丽媛褚新坤张浩; 关键词：EULER方程 NS方程

一种基于状态节点优先级覆盖的用例设计方法: 本申请公开了一种基于状态节点优先级覆盖的用例设计方法。该方法包括获取状态机模型，对状态机模型的正确性、合规性进行验证；对模型进行解析，依据与软件功能需求关系的密切程度，将状态节点按照风险优先级划分为3个等级，即Trunk...; 仵林博马思友尚小虎胡驰邓霏邹伟高峰张浩周昱瑶

一种基于机器学习的超高速碰撞碎片云快速模拟方法: 本发明涉及计算机相关技术领域，尤其涉及一种基于机器学习的超高速碰撞碎片云快速模拟方法，包括以下步骤，S10、碎片云关键特征提取方法；S20、碎片云快速模拟模型构建方法；S30、模型中碰撞条件施加策略；S40、模型准确性评...; 文永张浩张庆褚新坤田志宇; 文献传递

一种基于物理信息图神经网络和有限差分的偏微分方程求解算法: 本发明涉及一种基于物理信息图神经网络和有限差分的偏微分方程求解算法，步骤如下：S10、物理信息图神经网络模型训练数据集的构建；S20、物理信息图神经网络模型的设计；S30、图上微分算子的计算；S40、损失函数的设计；S5...; 张浩王丽媛姜龙祥褚新坤文永李露雄宋尚校李璐璇

基于深度学习的超高速碰撞碎片云模拟被引量：2: 2020年; 数据驱动的模型已经被广泛研究,并成功应用到了计算力学.基于深度学习技术,提出一种新的采用数据驱动的碎片云生成模型.此模型可以学习SPH数值模拟结果,然后在多种控制条件下快速生成碎片云.在模型训练前的数据预处理阶段,对SPH模拟结果进行空间网格划分和质量聚合,实现了改善数据分布规律、加速模型训练和提升模型泛化性的目的.以高速靶球撞击薄壁圆筒后的碎片云质量分布为例,模拟并测试了多种控制条件下深度学习模型计算结果的正确性和稳定性,以及计算速度的高效性.实验证明,深度学习模型可以从训练集学习碎片云的物理规律,然后在训练集控制参数范围内进行良好的推理及插值;并且可以在训练数据集控制参数范围外,进行小范围推理预测;同时深度学习模型的计算速度远快于SPH方法.通过深度学习方法建立碎片云模型,可能是一种在空间飞行器防护结构原型设计阶段,实现碎片云实时生成的潜在方案.; 文永张浩李毅褚新坤田志宇张庆; 关键词：碎片云人工智能卷积神经网络数据驱动

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

张浩