-
公开(公告)号：CN118228819A
公开(公告)日：2024-06-21
申请号：CN202211649130.9
申请日：2022-12-20
Applicant: 中国科学院信息工程研究所 , 新华融合媒体科技发展(北京)有限公司
IPC: G06N5/04 , G06N5/022 , G06N3/048 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种外部事件知识增强的事件时序序列预测方法和装置。该方法包括：利用基于启发式规则的知识检索方法，从外部事件知识库中获取相关事件知识；利用知识集成策略，对已知事件与从外部事件知识库中获取的相关事件知识之间的交互进行建模，获得外部知识增强的事件时序序列嵌入；根据外部知识增强的事件时序序列嵌入，计算每个候选事件的相似度分数，选择相似度分数最高的候选事件作为预测的可能发生的下一个事件。本发明引入包含图结构信息的外部事件知识对已知事件时序序列进行嵌入增强，达到更好的效果；通过使用不同的知识集成策略，利用图卷积神经网络编码事件图中的多跳知识，实现对事件特征的高效编码，从而有效解决多跳推理问题。
-
公开(公告)号：CN111191851B
公开(公告)日：2023-06-23
申请号：CN202010005008.2
申请日：2020-01-03
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于知识图谱的数据中心能效优化方法，其步骤包括：1)构建数据中心能效知识图谱；2)对于数据中心的一实体设备i，依据所述数据中心能效知识图谱抽取与该实体设备i相关实体的属性信息，作为该实体设备i的感知数据；3)根据设定的能效模型，从所述数据中心能效知识图谱获取该能效模型所涉及实体设备的感知数据，训练该能效模型；4)根据训练后的能效模型及其所涉及的实体设备的实时状态，从能效优化方案库中选取一节能方案，对数据中心进行能效优化。本发明大大提高了资源优化效率，可用于资源感知、能效模型建立、能效评估和节能策略的推导等应用。
-
公开(公告)号：CN111581326B
公开(公告)日：2022-05-31
申请号：CN202010238159.2
申请日：2020-03-30
Applicant: 中国科学院信息工程研究所
IPC: G06F16/31 , G06F16/332
Abstract: 本发明提出一种基于异构外部知识源图结构抽取答案信息的方法，属于自然语言处理领域，为了提升问答返回的答案质量，本方法结合使用结构化知识和非结构化知识这两种异构的知识源，在获得相应的知识以后，使用结构化技术对知识进行建图处理，并结合图卷积网络技术学习图的表示，结合文本和图的信息来对从后台文本数据中返回能够正确回答用户问题的答案。本方法能够根据问题和答案的匹配程度对答案进行重排，将用户关心和期待的答案展示在最前面，使搜索结果更具针对性，使用户能够在更短的查询时间内得到更想要的答案。
-
公开(公告)号：CN113268733A
公开(公告)日：2021-08-17
申请号：CN202110436719.X
申请日：2021-04-22
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提出一种基于神经网络的容器挖矿异常检测方法及系统，属于容器入侵检测领域，通过构建挖矿容器的运行环境，采集挖矿容器的系统调用数据，对其中的系统调用序列进行分析，获得挖矿行为模式数据集，并与已公开的或自行采集的系统调用数据集进行整合形成一全量数据集，利用全量数据集训练基于神经网络的挖矿行为检测模型，利用训练好的模型进行挖矿容器的异常行为检测，能够解决现有容器挖矿数据缺失和异常检测精度低的不足的问题，实现云环境的安全防护。
-
公开(公告)号：CN109902818B
公开(公告)日：2021-05-25
申请号：CN201910035752.4
申请日：2019-01-15
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种面向深度学习训练任务的分布式加速方法及系统。该方法的步骤包括：(1)搭建分布式GPU训练集群；(2)采用换入换出策略，调节分布式GPU训练集群中单个GPU工作节点上的minibatch size；(3)根据步骤2)确定的minibatch size调整学习率；(4)采用步骤(2)和(3)确定的超参数minibatch size和学习率进行深度学习训练。本发明在不影响训练准确率的前提下，简单高效地通过减少集群间参数更新通信的次数大幅度地压缩通信时间，相较于单GPU模式，在多GPU模式下能够充分提高集群扩展效率，对超深神经网络模型的训练过程实现加速。
-
Patent Agency Ranking
公开(公告)号：CN109951438B
公开(公告)日：2020-11-20
申请号：CN201910035739.9
申请日：2019-01-15
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种分布式深度学习的通信优化方法及系统。该方法包括：1)对于分布式深度学习的训练过程中各计算节点产生的梯度，采用稀疏化方法选取部分梯度值；2)对采用稀疏化方法选取的部分梯度值进行量化，将量化后的梯度值作为梯度通信的传输对象，传输给参数服务器。本发明提出了梯度的稀疏化传递和量化压缩的结合，并且针对训练过程中的不同特点划分了三个不同的训练阶段，根据不同的训练状况进行调整，将梯度压缩的效果进一步提升，提高了分布式场景下的训练效率，并且没有对收敛性能和模型的精度产生明显的负面影响。
-
公开(公告)号：CN111310054A
公开(公告)日：2020-06-19
申请号：CN202010150774.8
申请日：2020-03-06
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535
Abstract: 本发明公开一种基于自适应Margin对称度量学习的推荐方法和装置。该方法包括：根据给定的用户交互记录，通过度量学习方法拟合用户-物品的关系；采用基于triple-loss的欧氏度量学习范式进行建模；设计基于user-centric和item-centric的几何对称的关系度量方法；采用自适应Margin的方法自动学习得到用户和物品的Margin；将自适应Margin与用户/物品的偏置建立联系，解释其物理含义；使用多任务学习框架进行联合训练，得到推荐模型；基于该推荐模型为用户进行物品推荐。本发明充分考虑用户个体化差异，能很好地模拟真实场景下的用户-物品交互关系，能够显著提高物品推荐的性能。
-
公开(公告)号：CN110647904A
公开(公告)日：2020-01-03
申请号：CN201910707010.1
申请日：2019-08-01
Applicant: 中国科学院信息工程研究所
IPC: G06K9/62 , G06F16/903
Abstract: 本发明提出一种基于无标记数据迁移的跨模态检索方法及系统，将经过聚类的无标注信息的单模态图像和文本数据作为迁移源域，有标注信息的跨模态数据集作为目标域，通过迁移学习将源域迁移至目标域的跨模态数据集，扩大训练数据规模，增加跨模态数据的语义信息，学得一个更好的共同空间。本发明很好地解决了跨模态数据集数据规模小的问题，更加符合实际用户查询不在预定义类别范围内的情况；同时，可以更好地提取不同模态数据的上层语义信息，克服模态之间的异构性差异，增加模态之间的相似性，提高跨模态检索准确率。
-
公开(公告)号：CN109951438A
公开(公告)日：2019-06-28
申请号：CN201910035739.9
申请日：2019-01-15
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种分布式深度学习的通信优化方法及系统。该方法包括：1)对于分布式深度学习的训练过程中各计算节点产生的梯度，采用稀疏化方法选取部分梯度值；2)对采用稀疏化方法选取的部分梯度值进行量化，将量化后的梯度值作为梯度通信的传输对象，传输给参数服务器。本发明提出了梯度的稀疏化传递和量化压缩的结合，并且针对训练过程中的不同特点划分了三个不同的训练阶段，根据不同的训练状况进行调整，将梯度压缩的效果进一步提升，提高了分布式场景下的训练效率，并且没有对收敛性能和模型的精度产生明显的负面影响。
-
公开(公告)号：CN109800066A
公开(公告)日：2019-05-24
申请号：CN201811524080.5
申请日：2018-12-13
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种数据中心节能调度方法及系统，通过获取当前数据中心内所有服务器的资源利用率、任务队列中待调度任务的资源需求以及当前外部环境参数，利用预设的预测模型来预测所述待调度任务在任意一台服务器上部署后数据中心总功耗以及机房空调设置参数；依据预测结果确定符合预设条件的数据中心节能调度方案，并且按照该方案对数据中心总能耗进行调度。本发明通过机器学习的方法联合调度服务器系统与机房空调系统的能耗，解决了相关技术中存在针对单一层面优化、采用不准确能耗模型、基于CFD仿真调度而导致的节能效率低的问题，达到了跨层统一优化数据中心总能耗的效果。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.034 seconds)
