-
公开(公告)号：CN118395204A
公开(公告)日：2024-07-26
申请号：CN202410597097.2
申请日：2024-05-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/22 , G06N3/0464 , G06F18/214 , G06F18/20
Abstract: 本发明公开了基于时间卷积网络的海洋数据在线预测与检测方法及系统，其中方法包括：构建自适应时间卷积网络；构建训练集，所述训练集为海洋监测历史时序数据；所述自适应时间卷积网络，是对原始时间卷积网络，加入多头自注意力机制，并在残差单元中引入自适应层；将训练集输入到自适应时间卷积网络中对其进行训练，得到训练后的自适应时间卷积网络；训练过程中，将前K‑1个时刻的海洋监测数据作为网络的输入值，将第K时刻的海洋监测数据作为网络的输出值；获取待预测的海洋时序数据，将待预测的海洋时序数据输入到训练后的自适应时间卷积网络中，输出预测的海洋数据；将预测的海洋数据与设定阈值进行比较，确定预测的海洋数据是否发生异常。
-
公开(公告)号：CN118297849A
公开(公告)日：2024-07-05
申请号：CN202410343675.X
申请日：2024-03-25
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: 本发明公开的一种多特征融合的水下图像增强方法及系统，包括：获取无标签水下图像；通过无标签水下图像对水下图像增强模型进行训练，训练过程中，水下图像增强模型从无标签水下图像中提取亮度特征、语义特征、梯度特征、全局特征和局部特征，将亮度特征、语义特征、梯度特征、全局特征和局部特征合并，获得水下图像增强结果，训练完成，获得训练好的水下图像增强模型；利用训练好的水下图像增强模型对待增强的水下图像进行增强。实现了对水下图像的有效增强。
-
公开(公告)号：CN118070888A
公开(公告)日：2024-05-24
申请号：CN202410236056.0
申请日：2024-03-01
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: G06N5/022 , G06F18/214
Abstract: 本发明提出了基于自适应动态温度的元学习知识蒸馏方法及系统，在元学习阶段，首先复制第一学生模型，将复制得到的第二学生模型与第一教师模型进行蒸馏，根据第二学生模型的反馈动态更新第一教师模型，提高第一教师模型的“教学能力”，最终得到更新后的第一教师模型；在蒸馏阶段，使用已更新的第一教师模型与第一学生模型进行知识蒸馏操作；与此同时，为了提高蒸馏效果，动态调整蒸馏温度，这一过程有效地提升了蒸馏操作的性能。
-
公开(公告)号：CN118037599A
公开(公告)日：2024-05-14
申请号：CN202410343235.4
申请日：2024-03-25
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: 本发明公开的一种真实水下图像复原方法及系统，包括：获取场景透射图、空气环境中场景图像及水下环境图像；根据场景透射图和空气环境中场景图像，获得场景的雾霾特征和光衰减特征；通过训练后水下图像生成模型对场景的光衰减特征、雾霾特征和水下环境图像进行处理，获得水下场景图像；利用水下场景图像对水下图像复原模型进行训练，训练完成，获得训练好的水下图像复原模型；通过训练好的水下图像复原模型对真实水下图像进行处理，获得修复后水下图像。实现了对水下图像的有效复原。
-
公开(公告)号：CN116681112A
公开(公告)日：2023-09-01
申请号：CN202310526213.7
申请日：2023-05-06
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)
IPC: G06N3/0495 , G06N3/082 , G06N3/0985
Abstract: 本发明属于深度学习的数据分析工作流领域，提供了一种基于Ray的云边协同数据分析工作流优化方法及系统。该方法包括，获取数据集，基于Ray，采用数据集在终端设备上训练第一学生模型和第一教师模型，得到蒸馏训练方法；将数据集和蒸馏训练方法上传至云端，设置并行工作器的数量和超参数，采用数据集和蒸馏训练方法在云端上训练第二学生模型和第二教师模型，得到训练好的第二学生模型，并将训练好的第二学生模型部署到终端。本发明采用优化的模型压缩方法对云端训练好的大模型进行压缩操作获得小模型，将小模型一键部署到资源受限的终端设备上。
-
Patent Agency Ranking
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：CN115861646A
公开(公告)日：2023-03-28
申请号：CN202211466939.8
申请日：2022-11-22
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于结构重参数化的轻量级目标检测方法及系统，包括：获取待目标检测的数据样本并进行预处理；将预处理后的数据样本输入至网络推理模型中输出目标检测结果，所述网络推理模型为是由训练好的多分支网络训练模块采用结构重参数转换成的单路结构的网络模型，其中，结构重参数转换的方式为分支合并和卷积序列合并。通过结构重参数化方式解耦训练和推理阶段，在训练阶段采用多分支结构获取更多语义信息和特征表示，迭代更新权重参数，同时在推理阶段采用带有训练权重信息的单路结构，在加快模型的推理速度的同时保证模型精度。
-
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。
-
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：CN118982074A
公开(公告)日：2024-11-19
申请号：CN202411463393.X
申请日：2024-10-21
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明提出一种基于高效微调和联邦学习的行业大模型训练方法及系统，涉及联邦学习领域。该方法由中心端执行，包括：获取原始全局模型，初始化可调低秩矩阵；所述可调低秩矩阵用于根据客户端资源量进行秩缩放；将模型结构和可调低秩矩阵发送给各客户端，以使各客户端基于本地数据对可调低秩矩阵进行微调训练，得到更新的可调低秩矩阵，并发送至中心端；将更新的可调低秩矩阵进行聚合，更新原始全局模型的权重文件，得到优化的全局模型。本发明客户端在微调训练时对预训练权重进行量化，并对具有秩缩放功能的可调低秩矩阵进行微调训练，以提取客户端本地数据有效特征，实现了模型参数的灵活调整与资源的高效利用。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.042 seconds)
