-
公开(公告)号：CN116580357A
公开(公告)日：2023-08-11
申请号：CN202310540362.9
申请日：2023-05-11
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
Abstract: 本发明公开了工人安全头盔实时检测方法、系统、设备及存储介质，所述方法，包括：获取待处理的图像；将待处理的图像输入到训练后的头盔检测网络中，输出头盔佩戴检测结果；其中，所述头盔检测网络，包括：依次连接的骨干网络、颈部网络和解耦头；所述骨干网络，用于对输入的图像进行特征提取；所述颈部网络，用于对提取的特征进行特征增强处理；所述解耦头对增强的特征进行分类得到工人是否佩戴头盔的检测结果。提高了模型对于小目标的检测能力。
-
公开(公告)号：CN116486235A
公开(公告)日：2023-07-25
申请号：CN202310528342.X
申请日：2023-05-11
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: G06V10/82 , G06V10/774 , G06N3/04 , G06V10/764 , G06N3/094
Abstract: 本发明涉及图像处理技术领域，本发明公开了基于稀疏矩阵和惩罚项的对抗样本生成方法及系统，包括获取图像，将所述图像输入模型，得到对每个类别的分类得分，并利用正确类别的得分，计算稀疏矩阵；利用所述稀疏矩阵设置扰动大小，并利用模型损失函数的梯度信息设置扰动，采用基于梯度的对抗样本生成算法，得到对抗样本。可以减少扰动的L0范数。
-
公开(公告)号：CN116306830A
公开(公告)日：2023-06-23
申请号：CN202310091475.5
申请日：2023-02-03
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: 本发明提出基于特征和标签平滑的多步梯度对抗样本生成方法及系统，属于人工智能安全领域。包括：获取被攻击图像；基于Grad‑CAM++算法获得被攻击图像的重要特征区域；以被攻击图像为中心，选取被攻击图像邻域内N张图像，计算邻域内N张图像的损失函数梯度信息；利用正态分布函数对邻域内N张图像的损失函数梯度信息进行加权求和，对被攻击图像的重要特征区域生成扰动；对被攻击图像添加扰动，生成添加扰动后的图像；判定添加扰动后的图像是否攻击成功或达到最大迭代次数，若攻击成功或达到最大迭代次数，则生成对抗样本。本发明对特征区域进行攻击，降低了对抗样本L0范数，对多组梯度信息进行加权求和处理，降低对替代模型的拟合程度，增加黑盒攻击成功率。
-
公开(公告)号：CN115879569B
公开(公告)日：2023-05-23
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。
-
公开(公告)号：CN116069481A
公开(公告)日：2023-05-05
申请号：CN202310354096.0
申请日：2023-04-06
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: 本发明属于图形处理器资源调度领域，提供了一种共享GPU资源的容器调度系统及调度方法，针对GPU资源由系统外部在各应用平台进行复用，将导致服务器的反复初始化及迁移，造成人工损耗以及时间的浪费的问题，本发明考虑从计算任务移植方面进行GPU资源的共享，在GPU资源池上构建容器系统，通过将各个平台的任务容器化后调度到提供的资源池GPU节点上，实现异构平台间GPU资源共享，提高整体平台的GPU资源利用率可满足云计算、大数据、人工智能和高性能计算场景平台的快速灵活部署实施。
-
Patent Agency Ranking
公开(公告)号：CN115873819B
公开(公告)日：2023-05-02
申请号：CN202310009831.4
申请日：2023-01-05
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于计算生物学、计算机辅助设计和酶工程技术领域，具体涉及基于超级计算辅助获得D‑氨基酸转氨酶突变体及其应用。本发明基于超级计算辅助技术成功获得一种新的D‑氨基酸转氨酶突变体并对该酶进行了应用。与野生型酶相比，上述D‑氨基酸转氨酶突变体在40℃的半衰期t1/2>12 h，而野生型D‑氨基酸转氨酶仅为8.8 min，突变体的半失活温度T5015为45.3℃，比野生型D‑氨基酸转氨酶提高了约5.4℃。从而显著提高了其热稳定性及酶活性等，有效拓宽其应用领域和范围，具有广泛的工业应用前景，因此具有良好的实际应用之价值。
-
公开(公告)号：CN115834248A
公开(公告)日：2023-03-21
申请号：CN202310063509.X
申请日：2023-02-06
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: 本发明属于数据处理相关技术领域，提出了面向信息物理系统的攻击和异常数据流检测方法及装置，包括：获取信息物理系统中实时数据流并将所获取的数据流转换为数据对象集；对所述数据对象集进行预处理后输入至训练好的反向传播网络中，得到数据对象集所对应的数据标签；根据数据对象集所对应的数据标签判断当前数据是否被攻击或攻击类型，对可能存在的威胁进行快速检测。
-
公开(公告)号：CN115374792A
公开(公告)日：2022-11-22
申请号：CN202211116359.6
申请日：2022-09-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F40/30 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了联合预训练和图神经网络的政策文本标注方法及系统；其中所述方法包括：获取待标注的政策文本，对待标注的政策文本进行预处理；对预处理后的政策文本输入到训练后的政策文本标注模型中，输出政策文本的标注结果；其中，训练后的政策文本标注模型，其工作原理包括：对于处理后的政策文本提取单词向量和句子向量；基于预处理后的政策文本构建文本级图结构，获取文本级图结构对应的邻接矩阵；基于单词向量和句子向量，提取出政策文本的语义特征；基于单词向量和邻接矩阵，提取出政策文本的结构特征；基于语义特征和结构特征，确定政策文本标注结果。
-
公开(公告)号：CN115086070B
公开(公告)日：2022-11-15
申请号：CN202210849921.X
申请日：2022-07-20
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 本发明涉及基于特定计算模型的计算机系统技术领域，本发明公开了工业互联网入侵检测方法及系统，包括：获取工业互联网中各个设备之间传输的网络数据；将获取的网络数据，输入到训练后的入侵检测模型中，模型输出入侵检测结果；其中，所述训练后的入侵检测模型，将网络数据映射到高维特征空间中，判断网络数据样本是否落入最小超球体内部，如果落入最小超球体内部，则表示当前网络数据非入侵数据；如果落入最小超球体外部，则表示当前网络数据为入侵数据。提高了工业互联网入侵检测的准确率。
-
公开(公告)号：CN115293662A
公开(公告)日：2022-11-04
申请号：CN202211230749.6
申请日：2022-10-10
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明提出了融合并行与分布式的海洋观测数据智能计算方法及系统，涉及海洋观测时序数据流智能计算领域,实时获取每个通道的海洋观测数据流存储到分布式集群；对数据流进行乱序、去重和缺失预处理；基于预处理后的海洋观测数据流，采用超算MPI并行训练模型，进行多通道在线学习模型训练，得到每个通道的最新海洋观测数据智能计算模型；基于Flink分布式流处理系统，对每个通道不断流入的海洋观测数据，选择通道对应的最新海洋观测数据智能计算模型，进行实时推理与预测；本发明适合多通道多任务的应用场景，有效支持流式数据的在线学习与推理任务以及高通量传感器数据的管理，实现数据的多通道计算模型的快速迭代升级以及数据的实时推理。
-
-
-
-
-
-
-
-
-
Search Results
289
records
(took 0.049 seconds)
