-
公开(公告)号：CN116167304B9
公开(公告)日：2024-08-06
申请号：CN202310436896.7
申请日：2023-04-23
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F30/28 , G06F17/12 , G06F17/15 , G06F17/16 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明涉及油藏数值模拟技术领域，本发明公开了基于神威架构的油藏数值模拟GMRES优化方法及系统，包括：将油藏数值模拟压力方程离散后得到的压力线性方程组的求解任务，按系数矩阵的维度划分为若干个计算任务，并将计算任务并行分发至多个主核；每个主核将计算任务中热点函数的数据平均分发至从核，并调用从核进行热点函数计算；主核根据从核回传的计算结果，计算得到压力线性方程组的解。实现了两级并行和负载均衡，极大的缩短了计算时间。
-
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：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：CN117707785A
公开(公告)日：2024-03-15
申请号：CN202311870609.X
申请日：2023-12-28
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: 本发明提出了面向浅水方程的pcg申威众核优化方法及系统，涉及数据处理技术领域。包括读取系数矩阵和右端项，设定基本条件；在管理核心中，基于整行对系数矩阵进行数据划分，在行方向上进行均匀分块，得到分块数据；对计算核心的LDM均匀划分两个分区，将分块数据分多次传输至计算核心，两个分区并行实现传输和计算过程；将同一核组内各计算核心计算后的数据进行求和，放入共享内存区域中，由指定计算核心再次求和后比较残差，判断是否满足残差下降要求。本发明使用基于行的划分方法、两级并行、避免通信等方法加快计算速度，针对浅水方程提供了高效的对角预条件PCG在神威超级计算机上的实现方式。
-
公开(公告)号：CN117633232A
公开(公告)日：2024-03-01
申请号：CN202311661689.8
申请日：2023-12-06
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: G06F16/35 , G06N3/0442
Abstract: 本发明涉及一种基于热点预测的Hudi异步数据聚类的方法和系统；包括：SQL查询语句解析，包括收集SQL语句、分词处理、建立词汇表、建立嵌入层；基于获取并解析后的SQL语句，采用训练好的基于在线学习算法的LSTM模型预测查询热点字段和查询热点表；获取训练好的基于在线学习算法的LSTM模型预测的查询热点字段和查询热点表，多次自动化进行异步数据聚类分析。本发明可以一定程度地避免异步聚类时产生的数据不一致问题，使得分区中的数据文件有较高的新鲜度；另外，通过优化热点数据布局，大大提高了以Hudi作为Presto引擎数据源时的查询效率。
-
Patent Agency Ranking
公开(公告)号：CN117557093A
公开(公告)日：2024-02-13
申请号：CN202311468817.7
申请日：2023-11-07
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: G06Q10/0635 , G06Q10/04 , G06F16/906 , G06F16/9535 , G06F16/9537 , G06F18/213 , G06F18/2415 , G06N3/047 , G06N3/048 , G06N3/084 , G06Q50/20 , H04L67/02
Abstract: 本发明涉及一种基于在线学习平台的早期学业风险预警方法及系统，是指：将在线学习平台产生的学生原始数据集依次经过数据处理、特征选择、学业风险预测、学业预警，与在线学习平台进行集成，对其中有学业风险的学生发送预警信息进行提醒；特征选择，包括：接收学生数据集，经过基于支持向量机的遗传算法处理后，输出最优子集学生数据集；学业风险预测，包括：接收最优子集学生数据集，传入混合神经网络模型即H2AL模型中进行训练，得到训练好的H2AL模型；本发明能够进行自动特征提取，更好地反映数据的内在结构，能够有效地处理大量特征，从中提取出最相关的信息，有助于减少模型对噪声和不必要特征的过度拟合，从而提高模型的泛化能力。
-
公开(公告)号：CN116527274B
公开(公告)日：2024-02-06
申请号：CN202310534559.1
申请日：2023-05-10
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: H04L9/32
Abstract: 本发明涉及数字签名技术领域，公开了基于多标量乘快速计算的椭圆曲线验签方法及系统；其中方法包括：椭圆曲线数字签名步骤和椭圆曲线签名验签步骤；椭圆曲线数字签名步骤和椭圆曲线签名验签步骤中的多标量乘计算过程包括：获取椭圆曲线上基点P、点Q以及基点P的三倍点仿射坐标3P，对获取的数据进行预计算处理得到参数表；对标量系数K和标量系数L进行处理得到系数表；对参数表和系数表进行逐位计算，对逐位计算结果进行坐标还原处理得到多标量乘结果。通过对数字签名算法中遇到的多标量乘运算进行优化，大大降低了数字签名和数字验签过程的时间复杂度，提升数字签名的运算速度，提升系统的整体性能，提升用户体验。
-
公开(公告)号：CN117033026A
公开(公告)日：2023-11-10
申请号：CN202311038791.2
申请日：2023-08-17
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: G06F9/54
Abstract: 本发明涉及一种基于新一代神威超级计算机硬件架构的多层次集合通信的优化方法，包括：根据应用程序所使用的进程数不同，确定应用程序属于哪一种情况；根据新一代神威超级计算机的硬件架构，对不同情况内的1对N型、N对1型、N对N型集合通信函数进行优化，包括：通过进程分组，在各组内进行集合通信，用下层架构中的通信来代替上层架构中的通信。本发明考虑到应用程序所需要的进程数存在多种情况以及实际可供使用的资源，在多种情况下进行了测试。本发明方法在实际使用时所受的进程资源的限制，提供了处理不同资源限制下的方法，减少了使用难度，提高了用户体验。经过本发明方法优化后的集合通信函数拥有明显的加速效果。
-
公开(公告)号：CN116994054A
公开(公告)日：2023-11-03
申请号：CN202310986619.3
申请日：2023-08-07
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: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/098
Abstract: 本发明公开了面向类别不平衡的联邦学习图像分类方法及系统，多个客户端按照标准的联邦学习方法联合训练一个全局模型；每个客户端将本地训练数据划分为头类和尾类，计算得到尾类所对应的混淆类，基于类激活图对本地训练数据中的尾类和对应的混淆类进行特征提取，得到尾类特有特征和混淆类通用特征；每个客户端将尾类特有特征与对应的混淆类通用特征进行特征融合，得到尾类的增广样本，以增强本地训练数据；每个客户端使用增强的本地训练数据对全局模型进行微调，并将其上传到服务器来进一步更新全局模型。此外，本发明设计了一个新的损失函数TailDistillation Loss，能够减轻全局类不平衡的影响。
-
公开(公告)号：CN110825520B
公开(公告)日：2023-08-29
申请号：CN201910994328.2
申请日：2019-10-18
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F9/50 , H04L41/0896
Abstract: 本发明的实现资源高效利用的集群极速弹性伸缩方法，智能伸缩补偿过程包括：步骤1：创建智能弹性伸缩补偿模块IACM和补偿队列；步骤2：判断服务集群在未来一段时间是否需要增加节点；步骤3：把Pod资源，加入到补偿队列中；步骤4：设置补偿队列的优先级；步骤5：对Pod资源回收操作；步骤6：维护Pod资源；步骤7：周期性判断。本发明的集群极速弹性伸缩方法，服务集群在资源需求增加时，新的副本已经存在“补偿队列”中，直接拉起就可以加入集群，节省了建新副本的时间，实现了更加极致、快速的扩展集群节点资源的目标。当资源池资源匮乏时，进行资源调节，对资源占比较大致无法调节，可进行驱逐或杀死任务，以实现资源调度和资源伸缩。
-
-
-
-
-
-
-
-
-
Search Results
162
records
(took 0.052 seconds)
