-
公开(公告)号：CN114238054A
公开(公告)日：2022-03-25
申请号：CN202111547972.9
申请日：2021-12-17
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F11/34
Abstract: 本发明提供了一种云服务器资源利用数量预测的方法。该方法改进TFT（时序融合变压器）多步时间序列预测技术，应用在云服务器资源利用数量的预测中。所述方法包括：数据集特征变量分解；生成训练集测试集；数据特征变量划分；设计并改进TFT预测模型；不同的数据特征变量进入模型相应接口；模型训练；生成目标预测模型；模型测试。本发明提供了新的变量分解方法，并利用TFT变量分类提取和多步融合预测的优势，在改进算法之后加快了模型拟合速度，提升了预测准确度和鲁棒性。该发明解决了目前云服务器资源利用的数据由于特征变量过少，多步预测准确度低的技术问题，满足了云服务平台通过对服务器资源利用数量的预测进行安全部署、资源协调的需求。
-
Patent Agency Ranking
公开(公告)号：CN113949644A
公开(公告)日：2022-01-18
申请号：CN202111230819.3
申请日：2021-10-22
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L41/147 , H04L41/142 , H04L41/14 , G06N3/04 , G06N3/08 , H04L43/0876
Abstract: 本发明提供了一种网站访问量预测方法及系统。该方法结合了LSTM模型(长短期记忆神经网络)和prophet模型(可分解时间序列模型)。所述方法包括：数据预处理，建立训练集；创建深度学习网络，采用LSTM模型建立循环神经网络并训练；把训练好的模型保存并在验证集上验证实验结果；保存结果一并计算误差；创建prophet模型，并训练；把训练好的模型保存并在验证集上验证实验结果；保存结果二并计算误差；创建二元一次方程对结果一和结果二进行线性回归得到权重和偏置参数；代入参数进行最终与预测并计算误差。本发明应用于网站平台的用户访问量预测领域，提高了预测准确度，满足了网站的流量风险评估和流量控制的实际需求。
-
公开(公告)号：CN116992870B
公开(公告)日：2023-12-19
申请号：CN202311242919.7
申请日：2023-09-26
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F40/279 , G06F16/28 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于非对称核函数的文本信息实体关系抽取方法及系统，涉及实体关系抽取技术领域，包括：获取目标文本的句子向量、实体掩码和关系掩码；所述关系掩码中包括实体词的掩码、处于实体词窗口内的周围词的动态掩码和处于实体词窗口外的边缘词的掩码；对句子向量进行特征编码；根据得到的特征向量和实体掩码得到实体向量，根据特征向量和关系掩码得到关系向量，将实体向量和关系向量作为参数以构建非对称核函数；根据非对称核函数确定目标实体对与每个关系的关联度，由此确定目标实体对在目标文本中的关系。实现对关系语义的聚焦，
-
公开(公告)号：CN117190078A
公开(公告)日：2023-12-08
申请号：CN202311450870.4
申请日：2023-11-03
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: F17D5/00 , F17D5/02 , F17D1/02 , G06F18/2433 , G06F18/25 , G06F123/02
Abstract: 本发明公开了一种输氢管网监测数据异常检测方法及系统，涉及氢能源和数据处理技术领域，该方法包括：获取当前设定时间步长的输氢管网监测数据，提取时间变量序列数据和动态变量序列数据；将提取的数据输入至时序预测模型中，通过时间特征嵌入层和动态特征嵌入层，提取时间特征嵌入和动态特征嵌入，并通过时序编码器和动态编码器分别进行编码，将编码后的特征嵌入输入至转码器中进行融合，输出融合后的变量矩阵；最后动态特征嵌入、编码后的时间特征嵌入和变量矩阵均输入至解码器进行解码，输出预测值；将预测值和实际观测值的差值与设定阈值进行比较，实际观测值是否为异常数据。本发明实现了非平稳的输氢管网监测数据的准确异常检测。
-
公开(公告)号：CN117190078B
公开(公告)日：2024-02-09
申请号：CN202311450870.4
申请日：2023-11-03
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: F17D5/00 , F17D5/02 , F17D1/02 , G06F18/2433 , G06F18/25 , G06F123/02
Abstract: 本发明公开了一种输氢管网监测数据异常检测方法及系统，涉及氢能源和数据处理技术领域，该方法包括：获取当前设定时间步长的输氢管网监测数据，提取时间变量序列数据和动态变量序列数据；将提取的数据输入至时序预测模型中，通过时间特征嵌入层和动态特征嵌入层，提取时间特征嵌入和动态特征嵌入，并通过时序编码器和动态编码器分别进行编码，将编码后的特征嵌入输入至转码器中进行融合，输出融合后的变量矩阵；最后动态特征嵌入、编码后的时间特征嵌入和变量矩阵均输入至解码器进行解码，输出预测值；将预测值和实际观测值的差值与设定阈值进行比较，实际观测值是否为异常数据。本发明实现了非平稳的输氢管网监测数据的准确异常检测。
-
公开(公告)号：CN116992870A
公开(公告)日：2023-11-03
申请号：CN202311242919.7
申请日：2023-09-26
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F40/279 , G06F16/28 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于非对称核函数的文本信息实体关系抽取方法及系统，涉及实体关系抽取技术领域，包括：获取目标文本的句子向量、实体掩码和关系掩码；所述关系掩码中包括实体词的掩码、处于实体词窗口内的周围词的动态掩码和处于实体词窗口外的边缘词的掩码；对句子向量进行特征编码；根据得到的特征向量和实体掩码得到实体向量，根据特征向量和关系掩码得到关系向量，将实体向量和关系向量作为参数以构建非对称核函数；根据非对称核函数确定目标实体对与每个关系的关联度，由此确定目标实体对在目标文本中的关系。实现对关系语义的聚焦，具有良好的可解释性。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
