-
公开(公告)号：CN110379438A
公开(公告)日：2019-10-25
申请号：CN201910670840.1
申请日：2019-07-24
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种数字语音信号基频检测与提取方法及系统，所述方法包括：获取一帧待检测的语音序列数据；基于短时傅里叶变换将所述语音信号数据从时域转化到频域，得到频谱序列；将所述频域划分为两个频带范围；分别提取所述两个频带范围中的峰值点，以及所述频域中的最大值点；根据所述峰值点和最大值点对基频进行粗估计；根据频域与时域的对应关系，计算基频的粗估计在时域语音序列中对应的下标；基于所述下标所对应的频率，对基频进行精确估计。本发明能够解决现有的语音信号基频检测与提取方法中存在的稳定性、精准性和实时性不能兼顾的问题。
-
公开(公告)号：CN119557407B
公开(公告)日：2025-05-23
申请号：CN202510111798.5
申请日：2025-01-24
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) , 山东山科智能科技有限公司 , 山东浪潮智慧医疗科技有限公司 , 山东健康医疗大数据有限公司
IPC: G06F16/3329
Abstract: 本发明公开了基于语义向量优化和动态提示的智能问答方法及系统，方法包括：将目标问题，输入到训练后的问答模型中，得到目标问题对应的答案；其中，训练后的问答模型，包括依次连接的输入层、嵌入层、语义向量生成模块、特征压缩模块、动态提示生成模块、答案生成模块、线性层和激活函数层；其中，特征压缩模块的输出端还与RAG检索模块的输入端连接，RAG检索模块的输出端与动态提示生成模块的输入端连接；所述训练后的问答模型，训练过程包括：构建语义向量生成模块，对语义向量生成模块进行预训练；将经过预训练的语义向量生成模块，设置到问答模型中，对问答模型进行训练，当总损失函数值不再下降时，停止训练，得到训练后的问答模型。
-
公开(公告)号：CN114664318B
公开(公告)日：2025-05-09
申请号：CN202210301250.3
申请日：2022-03-25
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: G10L21/0208 , G10L25/30 , G06N3/0475 , G06N3/0442 , G06N3/047 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了基于生成对抗网络的语音增强方法及系统，包括：获取带噪声语音信号；将带噪声语音信号，输入到训练后的生成对抗网络中，输出增强后的语音信号；其中，所述生成对抗网络，包括两个生成器和两个判别器；所述生成对抗网络，训练过程中通过对两个生成器与两个判别器的相互博弈，提升生成器逼近目标信号的能力。本发明充分考虑了语音信号的时序关系，改进了先前的生成器与判别器的全卷积的设计，生成器中添加使用多头注意力机制，并将多生成器多阶段增强与注意力机制相结合，充分利用了多头注意力机制与生成对抗网络博弈思想。本方法能够是增强后的语音具有更高的质量与可懂度。
-
公开(公告)号：CN119646885B
公开(公告)日：2025-05-06
申请号：CN202510173637.9
申请日：2025-02-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/62 , G06N3/098 , G06N3/0985
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及一种基于模型分层优化的保隐私个性化联邦学习方法。所述方法包括每个客户端获取服务器端的全局模型，使用自端的训练数据集更新本地模型，然后对本地模型进行分层优化，确定每一个客户端待上传的部分模型参数；对每个客户端待上传的部分模型参数进行裁剪，并引入差分隐私噪声，然后发送至服务器端；服务器端按照每个客户端数据量的大小为各个客户端分配权重，然后将各个客户端上传的模型参数进行聚合得到新的全局模型并发送至各个客户端；重复S1~S3至达到设置的训练轮次或收敛。本发明解决了在保障用户隐私的同时提高联邦学习中异构性带来的模型性能影响和通信效率的问题。
-
公开(公告)号：CN119719387A
公开(公告)日：2025-03-28
申请号：CN202411893504.0
申请日：2024-12-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 潍柴动力股份有限公司
IPC: G06F16/36 , G06F16/951 , G06F40/289 , G06F40/284 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/09 , G06F21/56
Abstract: 本发明属于信息检索安全的技术领域，更具体地，涉及一种面向威胁情报处理的知识图谱构建方法、系统及计算机可读存储介质。所述方法包括收集结构化数据、半结构化数据和非结构化数据并分别处理；对所述待分析的威胁情报文本数据进行实体关系抽取，得到目标实体关系识别结果；最后进行知识图谱的构建。本发明解决了威胁情报的来源通常具有多源异构的特性，这种多样性导致了数据整合和分析的复杂性，对构建高质量知识图谱构成影响等问题。
-
Patent Agency Ranking
公开(公告)号：CN119646885A
公开(公告)日：2025-03-18
申请号：CN202510173637.9
申请日：2025-02-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/62 , G06N3/098 , G06N3/0985
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及一种基于模型分层优化的保隐私个性化联邦学习方法。所述方法包括每个客户端获取服务器端的全局模型，使用自端的训练数据集更新本地模型，然后对本地模型进行分层优化，确定每一个客户端待上传的部分模型参数；对每个客户端待上传的部分模型参数进行裁剪，并引入差分隐私噪声，然后发送至服务器端；服务器端按照每个客户端数据量的大小为各个客户端分配权重，然后将各个客户端上传的模型参数进行聚合得到新的全局模型并发送至各个客户端；重复S1~S3至达到设置的训练轮次或收敛。本发明解决了在保障用户隐私的同时提高联邦学习中异构性带来的模型性能影响和通信效率的问题。
-
公开(公告)号：CN119474622A
公开(公告)日：2025-02-18
申请号：CN202510059378.7
申请日：2025-01-15
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开提供了一种面向电磁有限元方程组的并行迭代求解方法及系统，涉及电磁有限元技术领域，包括：构建待求解的电磁有限元方程组#imgabs0#；将电磁有限元方程组划分为多个计算子任务，将子任务的子矩阵块#imgabs1#和子右端项向量#imgabs2#分配给超级计算机中的各进程；利用初始化后的Householder‑GMRES算法，各进程并行进行子任务的计算，得到各进程的局部最优解#imgabs3#；对各进程的局部最优解#imgabs4#进行汇总，得到电磁有限元方程组的最优解#imgabs5#；本发明将电磁有限元、Householder‑GMRES算法、并行计算三者结合起来，利用并行优化技术提高电磁有限元线性方程组求解效率。
-
公开(公告)号：CN119274014A
公开(公告)日：2025-01-07
申请号：CN202411292960.X
申请日：2024-09-14
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: G06V10/774 , G06V10/20 , G06V10/764
Abstract: 本发明提出了基于AMAdam的对抗样本生成方法及系统，涉及对抗样本生成领域，具体方案包括：将获取的源图像预处理成被攻击的图像，创建与被攻击的图像形状相同的全零张量；将全零张量作为初始扰动，采用循环迭代的方式，基于当前扰动的梯度，采用AMAdam集合动量项的方法计算梯度的无偏一阶矩和无偏二阶矩，通过无偏一阶矩和无偏二阶矩生成新的扰动，直到达到最大迭代次数，得到最终的扰动；将最终的扰动添加到被攻击的图像上，生成对抗样本；本发明将AMAdam算法集成到基于梯度的迭代攻击中，使用梯度的无偏一阶矩和无偏二阶矩，为被攻击图像生成并更新扰动，构建对抗样本，提升基于迁移的对抗样本生成方法的整体性能。
-
公开(公告)号：CN118886003A
公开(公告)日：2024-11-01
申请号：CN202411355197.0
申请日：2024-09-27
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/55 , G06N3/0442 , G06N3/092 , G06Q50/06 , G06N7/01
Abstract: 本发明属于电子数字数据处理的技术领域，更具体地，涉及面向智能电网隐蔽性攻击的时序预测强化学习检测方法。所述方法包括以下步骤：首先，对智能电网进行建模，获得仪器测量数据，并对数据进行预处理；其次，将预处理后的数据作为长短期记忆网络的输入，对智能电网进行状态估计；然后，将智能电网中的攻击检测问题建模为部分可观测马尔可夫决策问题；最后，利用强化学习方法解决部分可观测马尔可夫决策问题，实现智能电网隐蔽性攻击检测。本发明可以以较低的延迟和误检率来检测智能电网中的隐蔽攻击。
-
公开(公告)号：CN115171642B
公开(公告)日：2024-10-29
申请号：CN202210795721.0
申请日：2022-07-07
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: G10K11/178 , G06N3/08 , G06N3/044
Abstract: 本发明属于主动降噪技术领域，提供了一种基于改进的循环神经网络的主动降噪方法及系统，该方法包括获取待降噪信号数据；基于待降噪信号数据和训练好的改进的循环神经网络模型对噪声信号进行滤波控制，生成滤波后的信号；其中，所述改进的循环神经网络模型的构建过程为：采用门控循环单元替换传统循环神经网络中的隐藏单元中的tanh函数，形成了一个带有门控的RNN网络，同时使用遗忘门和记忆门对具有时间相关性的噪声信号进行处理；对滤波后的信号通过次级路径模型模拟得到抗噪声信号；依据相消干涉原理，根据抗噪声信号对噪声信号进行消除得到去噪后的信号。不仅保证了信号的时间相关性，而且提高了训练效率。
-
-
-
-
-
-
-
-
-
Search Results
289
records
(took 0.043 seconds)
