张矩
- 作品数：43 被引量：14H指数：2
- 供职机构：中国科学院重庆绿色智能技术研究院更多>>
- 发文基金：国家自然科学基金国家科技支撑计划四川省科技计划项目更多>>
- 相关领域：自动化与计算机技术医药卫生航空宇航科学技术文化科学更多>>
- 一种提高WRF并行计算效率的方法
- 本发明涉及一种提高WRF并行计算效率的方法，属于气象预报及超算应用技术领域。该方法通过减少X方向进程数，从而提高WRF并行计算效率，具体包括以下步骤：S1：配置WRF并行计算的总进程数NP；S2：设置WRF的x和y方向进...
- 孙启龙赵学良陈芋文钟坤华张矩张渝林林小光
- 文献传递
- OpenFoam中多面体网格生成的MPI+OpenMP混合并行方法被引量：1
- 2022年
- 网格生成是计算流体力学中非常重要的一环,大规模数值模拟过程中对网格精度要求的提高会导致网格生成所耗的时间增加.文中基于OpenFoam开源软件中的网格生成算法,主要研究多面体网格的并行生成,并提出OpenMP和MPI混合并行的多面体网格生成方法.通过理论分析得到,使用混合并行方法生成相同质量的网格时,混合并行方法生成网格的时间消耗随着线程数量和网格单元数量的增加而减少.3组使用不同求解器的数值模拟实验结果表明,该混合并行方法不但可以保证生成网格的质量---可以正常进行数值计算模拟且模拟结果与原方法相比几乎没有差别,而且生成同样质量与数量网格的耗时最多可以缩短至未使用OpenMP并行方法之耗时的1/4以内.
- 刘江刘文博张矩
- 关键词：计算流体力学OPENFOAM
- 基于组合机器学习的手术危重症辅助评估方法
- 本发明为基于组合机器学习的手术危重症辅助评估方法，包括如下步骤：S1：将历史监护与监测的时序数据进行分割和人为标记；S2：利用基于决策树的随机森林回归进行数据补全；S3：危重症共有指标的相关性分析；S4：利用组合机器学习...
- 陈芋文吴海洋陈嘉翼张矩
- 一种生物医学文献长查询内容检索方法、装置及计算机设备
- 本发明涉及生物医学文献内容检索技术，特别涉及一种生物医学文献长查询内容检索方法、装置及计算机设备，方法包括构建生物医学文献层次树，子节点基于其对应主题词与检索库中文档的文档片段的相关度选择存储文档片段；对用户输入的长查询...
- 林小光张矩孙启龙
- 一种基于强化学习的监护预警方法及系统
- 本发明提出一种基于强化学习的监护预警方法及系统，包括：根据实时输入的时序监护数据，预测所述时序监护数据与不良事件标签的关联关系，创建决策环境；对所述智能体决策动作进行建模；所述智能体根据当前时刻输入的时序监护数据选择决策...
- 陈芋文张矩钟坤华孙启龙林小光刘江
- 文献传递
- 一种作业调度和计算资源分配方法
- 本发明涉及一种作业调度和计算资源分配方法，属于计算机技术领域。该方法包括以下步骤：S1：根据用户业务需求为用户分配计算资源；S2：根据用户业务需求建立作业队列，记录每个作业的优先级、作业提交时间、作业要求计算完毕时间信息...
- 杨涌王湘赵学良黄东张矩延关德
- 文献传递
- 基于序列标注算法比较的医学文献风险事件抽取研究被引量：5
- 2017年
- 医学文献快速增长,如何从医学文献文本大数据中挖掘出有价值的知识是一种巨大挑战。聚焦医学文献中定量风险语句的风险事件抽取,构建智能临床决策支持系统医学风险知识库。运用序列标注算法中重要的隐马尔可夫模型、最大熵马尔可夫模型和条件随机场三种模型分别对医学文献非结构化全文文本中风险事件信息进行抽取,并对算法进行比较。从三个模型平均F1测度值来看,条件随机场效果最好,其次为最大熵马尔可夫模型,然后是隐马尔可夫模型,但是每个模型都有自己对某些风险事件抽取的准确率或者召回率的优势。
- 喻鑫张矩张矩邱武松
- 关键词：隐马尔可夫模型条件随机场
- 基于主题的旅游本体构建方法
- 本发明涉及一种基于主题的旅游本体构建方法，属于旅游信息化领域。该方法步骤为：通过对各大旅游网站进行旅游景点描述性文字的爬虫爬取数据，并进行去重去噪后，对文本分词；训练文档主题生成模型，得到文档‑主题矩阵，并提取出主题，作...
- 林小光杜佩文钟坤华张矩
- 利用支持向量机预测重症监护室患者死亡风险的研究被引量：2
- 2022年
- 目的探讨支持向量机(Support Vector Machine,SVM)方法在预测重症监护室(ICU)患者入院后死亡率方面的应用。方法纳入MIMICⅢ数据库18094例ICU住院患者,将总数据集(n=18094)随机分为训练集(n=12666,70%)和测试集(n=5428,30%)。基于Python平台,采用支持向量机(SVM)学习算法,利用LASSO特征选择结果,建立预测重症监护室患者入院后死亡率的模型。并使用测试集进行模型评估。结果基于SVM算法构建ICU患者入院后24 h和48 h死亡率预测模型的AUC分别为0.8051(0.7936-0.8166)和0.8117(0.7999-0.824),敏感性分别为0.7513和0.7372,特异性分别为0.7130和0.7429。结论基于支持向量机算法建立的预测重症监护室患者死亡率模型预测效果较好,具有较高准确率。
- 邓鹏陈芋文李雨捷杨智勇钟坤华张矩鲁开智易斌
- 关键词：支持向量机人工智能重症监护室
- 一种基于强化学习的监护预警方法及系统
- 本发明提出一种基于强化学习的监护预警方法及系统，包括：根据实时输入的时序监护数据，预测所述时序监护数据与不良事件标签的关联关系，创建决策环境；对所述智能体决策动作进行建模；所述智能体根据当前时刻输入的时序监护数据选择决策...
- 陈芋文张矩钟坤华孙启龙林小光刘江
- 文献传递
