-
公开(公告)号：CN114385601A
公开(公告)日：2022-04-22
申请号：CN202210291801.2
申请日：2022-03-24
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/21 , G06F16/22 , G06F16/2458 , G06F16/25
Abstract: 本发明涉及流式数据智能处理技术领域，提供了基于超算的云边协同高通量海洋数据智能处理方法及系统，包括基于历史海洋观测数据构建每个海洋观测数据流的初始海洋数据智能处理模型；实时获取每个海洋观测数据流的数据并进行预处理；基于预处理后的每个海洋观测数据流数据，对相应的初始海洋数据智能处理模型进行实时迭代训练更新，得到每个海洋观测数据流的最新海洋数据智能处理模型，保存在模型版本库中；通过调用每个海洋观测数据流的最新海洋数据智能处理模型对每个海洋观测数据流中不断流入的数据进行实时推理与预测；将超算训练优化后的模型推送到边缘端，在边缘端进行模型更新，并进行具体推理应用，从而避免了数据远程传输，降低了延迟。
-
公开(公告)号：CN109410194B
公开(公告)日：2022-03-29
申请号：CN201811222572.9
申请日：2018-10-19
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06T7/00 , G06V10/25 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明的基于深度学习的食管癌病理图像处理方法，包括：a).病理切片扫描；b).圈注上皮区类型，将上皮区的正常区域、低级别和高级别癌前病变区域圈注出来；c).图像预处理，获取上皮小图像；d).卷积神经网络将每个上皮小图像沿其纵向均分为n个图像块，对每个图像块进行特征提取；e).长短期记忆网络LSTM，获取上皮小图像的特征向量；f).分类器分类；g).模型建立和调优，h).准确率计算。本发明的食管癌病理图像处理方法，经CNN、LSTM网络和分类器的处理后，获取每个上皮小图像为正常、低级别和高级别癌前病变类型的概率，为病理科食管癌全切片的科学利用提供了一种行之有效的数字图像处理方法，有益效果显著，适于应用推广。
-
公开(公告)号：CN114186668A
公开(公告)日：2022-03-15
申请号：CN202111498488.1
申请日：2021-12-09
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 本发明公开了一种物联网数据流预测的在线深度学习方法、系统和设备，包括采集观测数据，获取预设时间段内观测数据的目标数据点及目标数据点序列；对原始观测数据进行处理，并构建训练和测试样本；根据训练和测试样本建立ECNN模型进行在线深度学习。对比现有技术，本发明的有益效果在于：采用进化卷积神经网络框架，可以端到端地进行训练，既具有较好的数据特征学习能力，并且还可以随数据流自适应地进化，同时解决了容量可扩展性和可持续性问题。
-
公开(公告)号：CN114004766A
公开(公告)日：2022-02-01
申请号：CN202111311399.1
申请日：2021-11-08
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了水下图像增强方法、系统和设备，水下图像增强方法，包括以下步骤：获取水下视频或图像数据；通过数据增强生成对抗网络，对所述视频或图像数据使用预设算法进行预处理得到衰减图及雾化效果图，对所述衰减图及雾化效果图提取特征获取水下仿真数据，将所述水下视频或图像数据与对应的水下仿真数据生成配对数据集；利用修复生成对抗网络对得到的配对数据集进行判别器计算损失数并进行训练得到水下图像修复模型。能够根据实际水下退化质量生成对应的仿真配对数据集，不需要参数调节，基于多尺度特征融合的水下增强算法修复水下图像颜色。
-
公开(公告)号：CN119201147A
公开(公告)日：2024-12-27
申请号：CN202411264915.3
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: 本发明提出了一种基于容器化的云边协同海洋数据质控模型部署方法及系统，采用容器技术进行模型的封装和部署，实现模型在异构边缘设备上的快速迁移和高效运行；在Docker层重用的基础上提出利用内容定义分块算法进行分段处理，以期最大程度减少镜像拉取量，实现模型容器化的快速部署。
-
Patent Agency Ranking
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：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。
-
公开(公告)号：CN116452404A
公开(公告)日：2023-07-18
申请号：CN202310437009.8
申请日：2023-04-18
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: 本发明提出了一种深度学习模型分布式训练的内存优化方法及系统，包括：将目标深度学习模型的多个网络层基于图形处理器数量划分为多个区；每个区的网络层在进行训练时，下一训练批次的反向传播基于上一训练批次的反向传播的参数，进行交叉训练；若同一训练批次前向传播和后向传播所运行时的张量大于所在图形处理器上权重缓冲区的内存，则将所述张量分配至中央处理器上执行后并返回至所在的图形处理器。通过建立下一训练批次的反向传播和上一训练批次的反向传播的依赖关系，保证了稳定的交叉训练；通过将图形处理器上权值交换到中央处理器上处理，从而减轻图形处理器上内存的压力。
-
公开(公告)号：CN110262884B
公开(公告)日：2023-03-24
申请号：CN201910536853.X
申请日：2019-06-20
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于申威众核处理器的核组内多程序多数据流分区并行的运行方法，本发明根据不同程序段之间的依赖关系，将多个可并行优化程序段放入同一核组执行，在同一核组内部，可以选择同步或者异步执行多个程序段；根据同一程序段内不同程序子段之间的依赖关系，在同一核组内部，可以选择并行执行多个程序子段。此种方法可以减少核组spawn与join的次数，减少主核与核组之间DMA传输的次数，重复利用核组中的数据，从而提高程序的运行效率。
-
公开(公告)号：CN111000553B
公开(公告)日：2022-09-27
申请号：CN201911395467.X
申请日：2019-12-30
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/346
Abstract: 本发明的基于投票集成学习的心电数据智能分类方法，其特征在于，通过以下步骤来实现：a).数据预处理；b).建立logistic回归模型；c).建立决策树模型；d).建立一个支持向量机；e).建立朴素贝叶斯模型；f).建立神经元模型；g).建立k邻近模型；h).模型集成，最终获得一个正确率不低于80%的模型，效果优于步骤b)至步骤g)中建立的单个模型。本发明的心电数据智能分类方法，首先从ccdd中获取足够数量的数据，将其分为训练集和测试集，然后建立各类模型，最后，获得一个正确率不低于80%的模型，可实现对“正常、房颤、房性早搏、偶发房性早搏、频发房性早搏、房性心动过速、房颤伴快速心室率”进行智能识别分类，实现心血管疾病的早发现、早治疗。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.053 seconds)
