-
公开(公告)号：CN118779197B
公开(公告)日：2025-02-14
申请号：CN202411237023.4
申请日：2024-09-05
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: G06F11/34 , G06F11/30 , G06F9/50 , G06N3/006 , G06F18/23213 , G06F18/2415
Abstract: 本发明涉及一种基于BWO和聚类算法的作业资源消耗模式分析方法，属于大数据计算技术领域；包括：(1)作业运行与任务调度；(2)工作节点资源指标监控；(3)数据预处理和生成数据集；(4)运行基于白鲸优化算法和K‑prototypes算法的BWO/K‑prototypes算法；(5)BWO/K‑prototypes算法最优解应用；(6)聚类结果分析；(7)Flink作业的资源消耗模式分析结果获取与保存。本发明不仅可以提升Flink集群的执行效率，避免异常抛出；还可以减少资源占用，避免不必要的资源浪费。
-
公开(公告)号：CN118381708B
公开(公告)日：2024-12-27
申请号：CN202410428516.X
申请日：2024-04-10
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: H04L41/042 , H04L41/0895 , H04L41/40 , H04L41/16
Abstract: 本发明提出了一种跨域异构存储集群的管理调度方法及系统，以总存储成本最小、总吞吐量最大以及待存储数据集与即将存储的存储系统的位置最近为优化目标，采用非支配排序的遗传算法进行约束条件求解，进行最优存储位置的选择，不仅提高了数据访问性能，减少延迟，并降低了对网络带宽和存储资源的不必要消耗。
-
公开(公告)号：CN119088312A
公开(公告)日：2024-12-06
申请号：CN202411212961.9
申请日：2024-08-30
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)
Abstract: 本发明属于冷热数据识别管理技术领域，提供了一种面向跨域异构存储系统的冷热数据存储方法及系统，通过综合考虑数据访问频率、数据更新频率、业务重要性、文件相关性和数据新鲜度多个维度进行冷热数据画像，综合判断数据的冷热属性，反映了数据的实际价值和使用需求，将数据准确的分类为热数据、温数据和冷数据，可以动态地评估数据的重要性和访问需求，将热数据、温数据和冷数据分层存储在不同存储空间中，从而更有效地进行数据存储管理，提高了跨域异构存储系统的体验感，有利于推广应用。
-
公开(公告)号：CN117596246B
公开(公告)日：2024-09-03
申请号：CN202410043836.3
申请日：2024-01-12
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: H04L67/101 , H04L67/1012 , H04L67/1008 , H04L67/60
Abstract: 本发明提供了一种基于异构资源度量特征的算力网络工作流调度方法及系统，其属于算力网络资源调度技术领域，所述方案在细粒度资源描述度量基础上，综合考虑任务、算力、网络以及数据等资源状况，通过调度跨域数据中心资源协作，有效提升了任务处理速度，提高资源利用率；所述方案可根据任务多样化的需求，制定需求与资源高度契合的调度策略，可以更加准确地匹配任务与资源，选择最适合的数据中心来执行任务；所述方案中，工作流中的子任务通过合理分配资源，缩短了任务的执行过程，提高了工作流执行效率；同时，所述方案针对多个数据中心负载情况，避免部分数据中心过载而导致任务延迟或一些数据中心空闲造成资源浪费的情况。
-
公开(公告)号：CN118200217A
公开(公告)日：2024-06-14
申请号：CN202410422956.4
申请日：2024-04-09
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: H04L45/00 , H04L45/02 , H04L45/03 , H04L45/036
Abstract: 本公开提供了基于动态异构联邦学习的协同通信方法及系统，涉及联邦学习数据通信技术领域，包括：中央服务器随机初始化全局模型参数，服务器广播全局模型参数副本至参与方客户端参与方客户端利用本地数据集和初始模型计算本地设备的模型梯度，依次进行局部更新，中央服务器接收到来自参与方客户端的更新就绪信号后，生成多组自适应设备簇，每个簇内的参与方客户端上传本地设备的模型梯度，中央服务器收到所有本地设备的模型梯度执行模型聚合更新簇内的全局模型，使用特定通信拓扑将簇内的全局模型发送给其他簇，来更新本地的模型，达到组间的模型同步和知识共享。
-
Patent Agency Ranking
公开(公告)号：CN117481606B
公开(公告)日：2024-05-14
申请号：CN202311498055.5
申请日：2023-11-13
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: A61B5/00 , A61B5/346 , G06F18/241 , G06F18/10 , G06F18/213 , G06F18/22 , G06N3/048 , G06N3/0464
Abstract: 一种基于改进孪生网络的小样本心电信号分类方法，涉及心电信号分类技术领域，通过构建CMP模块作为孪生网络的子网络，将提取局部特征和全局特征相结合，能够更好的分析波峰的位置、振幅和偏移量等信息，使得转换后的特征向量变得更加鲁棒，从而提高小样本心电信号分类的准确率和稳定性。
-
公开(公告)号：CN115357785B
公开(公告)日：2023-06-30
申请号：CN202210936398.4
申请日：2022-08-05
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院 , 齐鲁工业大学
IPC: G06F16/9535 , G06F16/958 , G06F16/335 , G06F40/289 , G06F40/30
Abstract: 一种基于语义交互和局部激活的企业资讯推荐方法，通过SIN企业资讯编码器可以在标题和内容之间进行单词级语义交互，缓解了独立编码标题和内容时的语义偏差，有效增强了企业资讯表示。通过LAU用户编码器更加符合用户的真实的行为习惯，可以分区域处理用户点击历史，以细粒度的方式有效捕获用户的各种潜在兴趣。提出的LAU用户编码器可以利用候选企业资讯激活相关的关键性潜在兴趣，并结合注意力机制使其保留到了最终交互阶段，这有效增强了用户兴趣表示；上述三点的成功使得我们的方法有效提高了企业资讯推荐的准确性。
-
公开(公告)号：CN116227164A
公开(公告)日：2023-06-06
申请号：CN202310066558.9
申请日：2023-01-12
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: G06F30/20 , G06F119/08
Abstract: 本发明公开了一种传热设备热传导的三对角异构众核并行求解方法及系统，涉及计算机处理技术领域。包括步骤：采集传热设备的热传导参数，建立传热模型；输入热传导参数至传热模型，构建热传导方程；通过差分和转化得到关于热传导的三对角线性方程组；通过并行消元的方法对三对角矩阵方程数据消除数据依赖；抽取部分组成小型三对角矩阵方程；采用追赶法求解缩减三对角矩阵方程；将各个进程以任务并行的方式回代输出三对角矩阵方程剩余全部解；并根据求解结果绘制温度变化曲线，获得热传导过程的温度变化。解决了传热设备热传导现象模拟仿真过程中，需要求解的三对角矩阵方程规模较大，导致热传导过程的分析过程耗时较长，结果不够准确的问题。
-
公开(公告)号：CN115952385A
公开(公告)日：2023-04-11
申请号：CN202310224172.6
申请日：2023-03-10
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种用于大规模稀疏方程组求解的并行超节点排序方法及系统，涉及高性能计算技术领域，针对在稀疏矩阵LU分解过程中生成的超级节点块状矩阵，基于二维进程网格，按照块状矩阵的行和列循环映射矩阵数据，将该块状矩阵的上三角部分数据通过转置映射到处理下三角部分数据的进程中，同时采用动态分配资源的策略，根据实际映射到进程的行矩阵块的数量，为每个进程网格中的进程分配内存，以此节省大量的内存空间，提高内存扩展性，并提高稀疏矩阵求解的规模扩展性，解决现有排序方法无法适用于求解大规模稀疏线性方程组的问题。
-
公开(公告)号：CN115879569A
公开(公告)日：2023-03-31
申请号：CN202310214205.9
申请日：2023-03-08
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: G06N20/00 , G06F18/25 , G16Y40/10 , G06N3/0455 , G06N3/084
Abstract: 本发明提出了一种IoT观测数据的在线学习方法及系统，涉及数据处理技术领域，根据获取的初始时序观测数据，初始化在线深度学习模型；实时获取传感器生成的时序观测数据，根据时序观测数据形成输入数据流；在线深度学习模型处理输入数据流，生成最终预测结果；在处理输入数据流的过程中，对输入数据流进行即时学习，实时动态更新在线深度学习模型；即时学习，是基于数据流的均值和方差，学习数据分布，构造准正态分布，重构新的样本，实现变分注意力网络，基于分布差异、重构差异和推理差异，进行模型的动态调整；本发明学习不同隐藏层之间的隐藏信息，提高模型推理的准确性，同时通过在线学习，对不同隐藏层间的参数进行动态调整。
-
-
-
-
-
-
-
-
-
Search Results
207
records
(took 0.048 seconds)
