-
公开(公告)号：CN119200982A
公开(公告)日：2024-12-27
申请号：CN202411264707.3
申请日：2024-09-10
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)
Abstract: 本发明公开了基于Alluxio的数据存储和缓存优化方法及系统，其中方法，包括：获取待写入的文件，根据所述待写入的文件的四个属性，计算文件的优先级；所述待写入的文件的四个属性，包括：文件访问频率、文件容量、文件重要性等级以及文件新鲜度；根据文件优先级所对应的文件传输策略，将待写入的文件存储到Alluxio缓存和底层存储；获取待读取的数据，判断待读取的数据是否在缓存中，如果是，则将缓存中的数据返回给用户；如果否，则将底层存储中的数据返回给用户；根据关联规则，对待读取的数据以及待读取数据相关联的数据块进行预取操作，如果缓存使用率超过设定的阈值，则执行缓存替换操作。
-
公开(公告)号：CN118568681B
公开(公告)日：2024-10-22
申请号：CN202410977217.1
申请日：2024-07-22
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: G06F18/27 , G06F18/15 , G06F18/213 , G06F18/21 , G06N3/0455 , G06N3/084 , G06N3/0985 , G06N3/0475 , G06N3/094 , G06F30/27 , G06Q10/08 , G06Q50/06 , G06N3/048 , G06F123/02 , G06F119/06
Abstract: 本发明涉及一种基于深度学习的制冷系统能耗预测方法及系统，属于机器学习算法技术领域，包括：构建并训练能耗预测模型；将待预测时间序列预处理后，通过训练好的能耗预测模型实现制冷系统能耗预测；其中，能耗预测模型中，将包括原始时间序列数据和目标时间序列数据的序列数据作为输入序列，处理转换为隐藏表示，以捕捉序列中的模式和特征；捕捉相关信息，获得对能耗的预测值。本发明能耗预测模型对于制冷系统能耗预测精度高，可以有效的指导系统运行，避免能源的浪费和不必要的能耗。本发明能耗预测模型泛化性强，适用于高温库和低温库能耗预测，能够更好地应用于实际场景中，为决策提供可靠的支持。
-
公开(公告)号：CN118484321B
公开(公告)日：2024-10-18
申请号：CN202410946509.9
申请日：2024-07-16
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) , 山东省公安厅
IPC: G06F9/54 , G06N5/01 , G06F18/23213 , G06F18/2431
Abstract: 本发明涉及计算机存储技术领域，提供了一种基于组级学习的缓存学习方法及系统。该方法包括，获取组级特征和子组级特征；当缓存需要进行淘汰时，根据待预测组的组级特征，采用已训练的组的梯度提升树模型，得到该组的预测效用值；根据组内子组的子组级特征，采用已训练的子组的梯度提升树模型，得到该子组的预测效用值；分别将组的预测效用值和子组的预测效用值按照数值大小进行排序；从效用值最低的组开始，选择与该组写入时间最接近的N‑1个组，构成一个包含N个组的淘汰候选集合；从N个组的淘汰候选集合，选择保留效用值高于设定值的若干个子组，其余淘汰出缓存。本发明能够更准确地预测数据对象组的效用，且减少不必要的缓存淘汰。
-
公开(公告)号：CN118519752B
公开(公告)日：2024-10-01
申请号：CN202410971556.9
申请日：2024-07-19
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: 本发明涉及基于深度强化学习的两阶段工作流调度方法和系统，属于深度强化学习技术领域。包括：1）根据用户提供的工作流和数据传输信息，构建工作流池，并初始化每个工作流的状态和任务数量；2）利用TD2QN算法循环遍历每个工作流，并将入口任务加入到就绪队列中；将进入到就绪任务队列中的任务，利用TD2QN算法进行动态地选择，并为任务分配适当的计算资源，从而最大化整个工作流的效率和性能；3）当工作流成功完成时，生成并返回有关已完成工作流的详细信息，为用户提供全面的调度结果和性能评估。本发明综合考虑成本和通信时间，提高了系统效率和性能。
-
公开(公告)号：CN118484540A
公开(公告)日：2024-08-13
申请号：CN202410946552.5
申请日：2024-07-16
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) , 山东省公安厅
IPC: G06F16/35 , G06F18/213 , G06F18/2415 , G06N3/0442 , G06N3/0464 , G06N3/0455
Abstract: 本发明属于文本分类技术领域，具体涉及一种基于特征感知的文本分类方法及系统，包括：获取待分类文本数据；提取所获取的文本数据的全局特征和局部特征；采用多头注意力机制处理所提取的文本数据的全局特征和局部特征；基于特征感知算法优化处理后的文本数据的全局特征和局部特征，动态调整特征选择和网络参数，得到文本表示特征；根据所得到的文本表示特征计算待分类文本的分类概率，完成待分类文本的分类。
-
Patent Agency Ranking
公开(公告)号：CN118470679A
公开(公告)日：2024-08-09
申请号：CN202410916914.6
申请日：2024-07-10
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: G06V20/56 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于轻量级车道线分割识别方法及系统，属于人工智能无人驾驶技术领域。包括：数据预处理：对车道线数据集TuSimple图像进行预处理和图像增强操作，得到训练集、验证集和测试集；构建ULNet轻量级的车道线分割模型，对图像进行训练，获得训练好的参数；将预处理后的图片输入训练好的车道线检测模型中进行车道检测，得到车道线检测结果；训练车道线分割模型对图像车道线进行检测，输出车道线分割结果。本发明能够有效地识别出车道线信息，并且保证能够轻量化地部署在车道线检测移动设备上，模型的计算量较低，达到低参数化的效果，并且模型在训练好后所占用的存储空间很少，能够有效地部署在移动汽车上。
-
公开(公告)号：CN118351467A
公开(公告)日：2024-07-16
申请号：CN202410594858.9
申请日：2024-05-14
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/17 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明涉及人工智能技术领域，提供的一种基于强特征提取和批处理维度的航空图像小目标检测方法，通过在ResNet50网络模型中的C1和C2层依次连接可变形多尺度通道注意力网络中的第1层、第2层和注意力机制层，将图像数据输入第一检测模型，不同层的输出数据通过第一卷积过程得到特征图。将注意力机制层的输出分别通过第一卷积过程和第二卷积过程，得到不同特征图。将不同层的特征图构成多尺度特征图等操作。本发明还公开了一种系统，该方法和系统能够将可变形卷积的自适应采样与关注机制的重点放在针对小目标的重要特征上，添加偏移量来调整空间样本，更好地适应小目标，混合增强了图像中小目标的特征提取能力，使其更加高效和精确。
-
公开(公告)号：CN118245118A
公开(公告)日：2024-06-25
申请号：CN202410679259.7
申请日：2024-05-29
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: G06F9/38
Abstract: 本发明涉及一种基于新一代申威众核处理器从核局存受限优化方法，属于电子信息的技术领域，包括：针对依赖数据占用存储小于共享LDM最大存储空间的情况，主核提前计算循环中的依赖部分，并将计算得出的依赖数据存储在数组中，从核通过DMA或者共享LDM空间DMA方式从主核获取依赖数据，完成计算；针对依赖数据占用存储不小于共享LDM最大存储空间的情况，在主核中构建一个哈希表，主核提前计算循环中的依赖部分，并将计算得出的依赖数据存储在哈希表中；从核通过DMA或者共享LDM空间DMA方式获取哈希表，从而获取所需的依赖数据，完成计算。本发明将预先计算好的依赖部分分配给从核执行，从而有效提高程序的效率。
-
公开(公告)号：CN117667606B
公开(公告)日：2024-05-24
申请号：CN202410146277.9
申请日：2024-02-02
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: G06F11/30 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本公开提供了基于用户行为的高性能计算集群能耗预测方法及系统，涉及高性能计算、云计算技术领域，获取实时监视的所有处于活跃状态的用户会话以及各节点、机柜的能耗数据；提取用户会话中的用户行为序列，对所述用户行为序列进行分类编码并转换为图数据结构；将所述图数据结构输入至用户行为预测模型中，预测未来设定时间内的行为序列并作为协变量；将所述协变量与能耗数据进行数据合并、扩充特征序列，获取包含用户行为信息的高维时序能耗数据，将所述高维时序能耗数据输入至能耗预测模型中，得到对集群各机柜、节点未来设定时间内的能耗预测值。本公开考虑用户行为对能耗的影响，从而实现更精准的预测。
-
公开(公告)号：CN118012818A
公开(公告)日：2024-05-10
申请号：CN202410428041.4
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: G06F15/173 , G06F9/54
Abstract: 本发明涉及一种基于新一代申威众核处理器的进程间通信优化方法；属于电子信息的技术领域，将芯片内的核组划分不同的进程通信域；包括芯片之间的通信优化和芯片内部的通信优化；芯片之间的通信优化，包括：划分通信域；划分进程，将不同的进程分配到不同的通信域中；不同进程根据数据使用规律和机器硬件架构划分到不同的通信域；在不同的通信域中同时进行不同的进程间通信操作；芯片内部的通信优化，包括：对于不同类型的进程间通信操作，由一个特定的核组编号的进程在交叉段上申请一片空间，在同一芯片上的不同核组分别向交叉段中特定位置同时添加数据，在所有进程间执行一次同步。本发明为不同类型的进程通信操作提供了不同的方法。
-
-
-
-
-
-
-
-
-
Search Results
196
records
(took 0.051 seconds)
