-
公开(公告)号：CN116708579A
公开(公告)日：2023-09-05
申请号：CN202310974630.8
申请日：2023-08-04
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种数据访问方法、装置、电子设备及计算机可读存储介质，涉及大数据技术领域，旨在解决传统技术中由于不同协议的复杂转换所造成的服务效率低下和出错率大的问题，以有效保证用户体验，所述方法应用于协议转换器，包括：通过异构协议网络接口接收初始访问请求；根据所述初始访问请求确定异构协议类型；确定所述异构协议类型对应的目标解码器；利用所述目标解码器将所述初始访问请求转换为基于预设协议的数据访问请求；将所述数据访问请求发送至目标访问设备进行数据访问。
-
公开(公告)号：CN116684506A
公开(公告)日：2023-09-01
申请号：CN202310961853.0
申请日：2023-08-02
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种数据处理方法、系统、电子设备及计算机可读存储介质，涉及通信领域，为解决现有处理系统仅包括单块数字芯片导致的逻辑资源不足的问题，本发明的数据处理方法包括：当获取到操作命令，根据操作命令获取传输数据；基于目标传输协议对传输数据进行封装得到访问数据包，并将访问数据包发送至第二数字芯片，以便第二数字芯片返回基于访问数据包得到的响应数据包；第二数字芯片为多个数字芯片中与第一数字芯片对应的数字芯片；解析响应数据包得到第一返回数据，将第一返回数据发送给目标设备。本发明能够保证数字芯片的逻辑资源充足，满足加速开发应用的要求。
-
公开(公告)号：CN116436709B
公开(公告)日：2023-08-29
申请号：CN202310701493.0
申请日：2023-06-14
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明涉及数据安全技术领域，公开了一种数据的加解密方法、装置、设备和介质，现场可编程门阵列依据加解密算法生成包括加密密钥、解密密钥、模数的密钥信息；将待处理数据转换为设定比特位宽的标准化数据。根据加解密算法所匹配的有效比特位以及设定的位宽计算优化算法，确定出指数位宽和模数位宽。基于指数位宽、模数位宽以及标准化数据所需的密钥和模数，对标准化数据进行向量迭代加和移位运算，得到加解密数据。设定比特位宽，可实现对多种类型的加解密算法的兼容。依赖于指数位宽和模数位宽，通过单元拆分、层级复用将大位宽数据的运算拆分为小位宽的运算，使得现场可编程门阵列可以实现大位宽数据的运算。并且有着更好的系统性能和安全性。
-
公开(公告)号：CN111694340B
公开(公告)日：2023-08-18
申请号：CN202010505366.X
申请日：2020-06-05
Applicant: 浪潮电子信息产业股份有限公司
Inventor： 闫家乐
IPC: G05B23/02
Abstract: 本发明公开了一种PSU BootLoader自动测试治具及方法，控制电路需提前设置测试PSU BootLoader的不同异常情况及与不同异常情况对应的异常触发条件和异常恢复条件，目的是在系统BootLoader执行过程中，当PSU满足于任一异常触发/恢复条件时，通过控制第一、第二开关电路的导通情况，使PSU处于与所满足的异常触发/恢复条件对应的运行状态，以自动测试PSU BootLoader在不同异常情况出现和恢复正常后的功能展现情况。可见，本申请可自动模拟PSU运行过程中可能发生的不同异常情况，从而较容易实现测试PSU BootLoader功能基于不同异常情况的鲁棒性，且节约了人力消耗量。
-
公开(公告)号：CN116226434B
公开(公告)日：2023-07-21
申请号：CN202310484681.2
申请日：2023-05-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/583 , G06F16/33 , G06N3/08 , G06N3/049 , G06N3/0464
Abstract: 本申请在信息处理技术领域，公开了一种多元异构模型训练及应用方法、设备及可读存储介质，在本申请中，在训练图像检索模型时，会从异质图神经网络中抽取步骤节点特征，从图像序列特征提取网络中抽取步骤图像特征。然后，利用文本到图像的补齐网络，实现步骤节点特征向步骤图像特征的数目对齐，从而得到并基于文本对齐拟合特征计算文本补齐损失；利用图像到文本的补齐网络，实现步骤图像特征向步骤节点特征的数目对齐，从而得到并基于图像对齐拟合特征计算图像补齐损失。最终，结合模型损失、文本补齐损失和图像补齐损失，训练多元异构模型，训练出的多元异构模型实现在模态不对称的情况下，完成有效地图文检索。
-
Patent Agency Ranking
公开(公告)号：CN116226388B
公开(公告)日：2023-07-21
申请号：CN202310509057.3
申请日：2023-05-08
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/35 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/084 , G06N3/088
Abstract: 本申请公开了一种文献分类方法、一种图神经网络训练方法及相关组件，应用于数据处理技术领域，包括：获取n篇文献作为一组训练样本，并将文献类别作为标签；得到训练样本的特征提取结果；确定出用于反映训练样本中的n篇文献之间的引用关系的第一信息，以及用于反映训练样本中的n篇文献之间的相似度的第二信息；将特征提取结果，第一信息及第二信息输入至预设的图神经网络，得到图神经网络所输出的针对训练样本中的n篇文献的类别预测结果；基于类别预测结果更新图神经网络的参数，并返回执行获取n篇文献作为一组训练样本的操作，直到图神经网络训练完成。应用本申请的方案，提高了文献分类的准确率。
-
公开(公告)号：CN116206188B
公开(公告)日：2023-07-21
申请号：CN202310484624.4
申请日：2023-05-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V10/82 , G06N3/082 , G06N3/0464
Abstract: 本申请公开了一种图像识别方法、系统、设备及存储介质，应用于图像识别技术领域，包括：对训练完成的图像识别网络的目标卷积层进行剪枝，得到压缩卷积层并判断与目标卷积层的差异是否超出差异范围；若否，则按照结构重参数化的方式对压缩卷积层进行重构，得到第一重构卷积层；若是，则按照核集理论的重要性权重更新规则，对压缩卷积层的卷积核进行缩放，得到缩放卷积层，再对缩放卷积层进行重构，得到第二重构卷积层；使用第一或第二重构卷积层替换图像识别网络中的目标卷积层，得到压缩图像识别网络以进行图像识别。应用本申请的方案，采用结构重参数化结合核集理论的方式，有效地保障了所得到的压缩图像识别网络的图像识别准确率。
-
公开(公告)号：CN111934945B
公开(公告)日：2023-07-21
申请号：CN202010662644.2
申请日：2020-07-10
Applicant: 浪潮电子信息产业股份有限公司
Inventor： 戴林青
Abstract: 本发明提出了一种BMC sharelink网口插拔的测试方法，包括：将待测服务器与测试服务器通过网络连接，设置测试服务器中BMC的多个sharelink网口的第一静态IP；测试服务器设定插拔测试次数，按照sharelink网口顺序依次将sharelink网口down掉；设置待测服务器中的多个sharelink网口的第二静态IP，执行up操作，循环查询多个sharelink网口的连接状态，执行对应网口ping操作，输出测试结果，本发明还提出了一种BMC sharelink网口插拔的测试系统，有效的提高了测试效率，降低了测试成本，节省了测试时间。
-
公开(公告)号：CN111756826B
公开(公告)日：2023-07-18
申请号：CN202010538136.3
申请日：2020-06-12
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04L67/1042 , H04L67/1097 , H04L41/0654 , H04L69/16
Abstract: 本申请公开了一种DLM的锁信息传输方法，包括：节点通过TCP/IP网络对锁信息进行传输；当出现网络故障时，判断在第一预设时间段内所述网络是否恢复成功；若是，则采用恢复成功的TCP/IP网络将所述锁信息进行传输；若否，则采用预设的共享通信区域按照磁盘通信方式将所述锁信息进行传输。通过先进行TCP/IP网络传输，当出现故障后无法短时间内修复时采用磁盘通信的方式传输锁信息，避免因网络问题导致的传输失败，提高了锁信息的传输可靠性。本申请还公开了一种分布式节点、计算机设备以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN116431816A
公开(公告)日：2023-07-14
申请号：CN202310694562.X
申请日：2023-06-13
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/35 , G06F16/33 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及数字化处理技术领域，公开了一种文献分类方法、装置、设备和计算机可读存储介质，构建文献数据库的初始文献特征矩阵、局部一致性矩阵和全局一致性矩阵。利用文献分类模型中的双通道神经网络，确定出初始文献特征矩阵和局部一致性矩阵对应的第一文献学习结果以及初始文献特征矩阵和全局一致性矩阵对应的第二文献学习结果。对双通道神经网络各图卷积层的输出特征进行相关性分析，以确定出第三文献学习结果。基于文献数据库的已有标签、局部一致性矩阵、第一文献学习结果、第二文献学习结果以及第三文献学习结果，对文献分类模型的参数进行修正，依据训练好的文献分类模型，确定出文献数据库中无标签文献的类别，提高了文献分类的准确度。
-
-
-
-
-
-
-
-
-
Search Results
8671
records
(took 0.101 seconds)
