-
公开(公告)号：CN115203548A
公开(公告)日：2022-10-18
申请号：CN202210818102.9
申请日：2022-07-12
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: G06F16/9535 , G06F40/30 , G06K9/62 , G06N3/04
Abstract: 一种融合评论和评分的基于LDA和深度学习的推荐方法，包括：利用LDA主题模型挖掘所述评论文本，分别得到物品主题特征矩阵TI和用户主题特征矩阵TU；利用LFM隐语义模型对所述评分进行矩阵分解，分别得到物品潜在特征矩阵HI和用户潜在特征矩阵HU；最后通过双通道deepFM深度学习推荐模型对物品特征和用户特征进行融合，以输出推荐评分。本发明一是分别发挥LDA主题模型和LFM隐语义模型的优势对评论文本数据和评分数据建模，得到更加精准的特征矩阵；二是把经典的deepFM深度学习推荐模型改进成一种双通道deepFM深度学习推荐模型，使得物品和用户的潜在特征能够更充分的融合特征，提取更加全面的特征能够使得推荐更加精准，效率更加高。
-
公开(公告)号：CN114046179A
公开(公告)日：2022-02-15
申请号：CN202111084591.1
申请日：2021-09-15
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: 一种基于CO监测数据智能识别和预测井下安全事故的方法。本发明是基于神经网络模型对煤矿中一氧化碳检测数据进行有效识别，将所述一氧化碳检测数据输入至训练好的神经网络模型中即可实时获得检测数据背后的事故原因，由此，现有技术人员无需再通过人工统计或者数据录入才能实现对一氧化碳数据超标背后的事故原因做客观统计，大大提高了智能识别的效率，即便存在误差，工作人员也只需部分修改数据即可。
-
公开(公告)号：CN119696907A
公开(公告)日：2025-03-25
申请号：CN202411890563.2
申请日：2024-12-20
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)
Abstract: 本发明属于保密通信的技术领域，更具体地，涉及一种满足K跳约束的加密图最短路径查询方法。所述方法包括：图数据拥有者生成授权令牌并通过安全信道发送给图数据查询者；图数据查询者加密查询请求并发送给图数据拥有者；图数据拥有者解密查询请求对原始图数据进行处理并加密图数据信息发送给云服务器；云服务器接收到加密的数据处理查询最短路径发送给数据查询用户；图数据查询者接收到查询的结果，利用授权令牌的sk进行解密，得到明文结果。本发明解决了现有技术数据容易泄露，查询效率低下的问题。
-
公开(公告)号：CN118427713A
公开(公告)日：2024-08-02
申请号：CN202410570232.4
申请日：2024-05-09
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) , 山东山科智控数字化科技有限公司
IPC: G06F18/2415 , G06F18/2431 , G06F18/214 , G06F18/10 , G06N3/0455 , G06F18/2131 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06N3/047 , G06N3/096
Abstract: 本发明属于基于深度迁移学习的故障诊断的技术领域，更具体地，涉及一种基于联合对抗深度迁移学习的滚动轴承故障诊断方法。所述方法包括采集原始振动信号；将采集的数据进行预处理；依据多层深度卷积网络提取的不同层次特征；构建一种伪标签模型，通过半监督学习生成目标域故障数据样本伪标签值；构建一种联合对抗深度迁移模型，利用联合广义切片Wasserstein距离准则计算联合分布；将边缘特征和条件分布输入域判别器，区分不同的域；然后输入分类器预测最终的标签。本发明解决了以解决现有技术中受限于需要大量的故障数据来训练以及滚动轴承在实际工作中工况时刻发生变化、故障数据稀缺及无标签样本等问题。
-
公开(公告)号：CN118134877A
公开(公告)日：2024-06-04
申请号：CN202410278960.8
申请日：2024-03-12
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) , 山东山科智控科技创新有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本公开涉及钢材表面缺陷检测技术领域，提出了一种基于深度学习的钢材表面缺陷检测方法，包括如下步骤：获取待检测的钢材图片数据并进行预处理；构建视觉Transformer网络与卷积神经网络串联的MTRNet模型，对预处理后的图像，采用瓶颈卷积，基于CTR模块进行微小局部缺陷识别，提取浅层特征；基于ACTR模块捕捉细长划痕缺陷，提取深层特征；对提取的浅层特征和深层特征基于卷积神经网络进行融合；对融合后的特征进行分类，得到缺陷识别结果。构建了算法速度快和检测精度高的新模型MTRNet模型，实现基于深度学习的钢材表面缺陷检测。
-
Patent Agency Ranking
公开(公告)号：CN120090863A
公开(公告)日：2025-06-03
申请号：CN202510518762.9
申请日：2025-04-24
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: H04L9/40 , H04L9/32 , H04L9/00 , G06F16/901 , G06F16/903
Abstract: 本发明属于保密通信的技术领域，更具体地，涉及一种满足标签和跳数双约束的加密图最短路径查询方法。所述方法包括：数据拥有者向用户发送授权令牌；数据拥有者对原始图进行索引构建，并发送给云服务器；用户利用授权令牌中的密钥加密查询请求，生成查询令牌T，并发送给云服务器；云服务器S接收到用户发送的查询令牌T之后，根据T中的信息进行最短路径查询，并将查询结果发送给用户；用户接收到云服务器S发送的查询结果后，使用授权令牌中的密钥k1进行节点解密，得到明文结果，获取满足查询条件的最短路径。本发明解决了现有技术利用标签进行最短路径查询时搜索空间大，计算复杂的问题。
-
公开(公告)号：CN119892499A
公开(公告)日：2025-04-25
申请号：CN202510360779.6
申请日：2025-03-26
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: H04L9/40 , G06F18/15 , G06F18/214 , G06F18/2135 , G06F18/21 , G06F18/2433 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/094
Abstract: 本发明属于数据分析与网络安全技术领域，具体涉及一种基于物理约束与自适应阈值的虚假数据注入攻击检测和定位方法。所述方法包括：通过预处理多个传感器的测量数据，将数据输入到基于物理约束和时间条件嵌入的WGAN框架进行训练；WGAN生成符合物理规律的高质量合成数据，并结合LSTM捕捉时间序列的长短期特性；随后，利用CNN‑Transformer模型进行全局特征提取和动态阈值生成，结合基于分位数的动态检测机制分析正常数据的分布，精准定位潜在攻击来源；最终，通过循环优化模型架构与参数，提升检测与定位的精度与效率。
-
公开(公告)号：CN119670916A
公开(公告)日：2025-03-21
申请号：CN202510200623.1
申请日：2025-02-24
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 , G06F18/213 , G06F18/2115 , G06F18/2413
Abstract: 本发明属于联邦学习的技术领域，具体涉及一种基于特征对比优化与分类器动态集成的联邦学习方法及装置。其方法包括：通过服务器初始化全局模型并将其下发给参与联邦学习的#imgabs0#个客户端，客户端基于接收到的全局模型进行本地模型更新以及对更新后的本地模型进行训练，再利用训练后的本地特征提取器对其本地私有数据集进行特征提取，以构建本地特征原型集合，再将本地模型、本地特征原型集合、客户端总样本量上传至服务器，服务器在全局聚合时，使用对比学习技术提升全局特征原型质量，最后将聚合得到的全局原型和全局特征原型集合下发给各客户端，执行下一轮次的学习，直至本地模型收敛或到达设定的通信轮次。
-
公开(公告)号：CN114897059B
公开(公告)日：2025-02-11
申请号：CN202210439669.5
申请日：2022-04-25
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)
IPC: G06F18/2415 , G06F18/231 , G06F18/214 , G06F18/2131 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/088 , G06N3/09 , G01M13/021 , G01M13/028 , G01M13/045 , G06F123/02
Abstract: 本发明涉及利用大数据预测机械故障的技术领域，具体为一种基于自适应层次聚类和Subset的机械设备分级故障诊断方法，选择不同故障类型下不分故障程度的训练样本作为自适应层次聚类的输入，采用自适应层次聚类对不同故障类型下不区分故障程度的训练样本进行聚类分析，以根据机械设备的振动信号得出的故障类型的聚类结果作为输出结果；对训练识别出的不同故障类型，按照故障程度分类建立SubDAE模型；预训练与整体微调准确定位故障点，提高了本方法的智能性；优选特征的使用，简化了特征集合，避免了维数灾难，减少了计算负担，提高故障诊断的效率。
-
公开(公告)号：CN115248570B
公开(公告)日：2024-10-29
申请号：CN202210532348.X
申请日：2022-05-09
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: G05B19/05
Abstract: 一种编译型可编程逻辑控制器的开发环境包括：S1：将梯形图分类：S2：设计翻译模板；S3：驱动设计；S4：生成C语言程序；S5：编译C语言程序；S6：下载可执行文件。本发明效率高，将梯形图的图元直接翻译成C语言，再编译执行，属于直接编译执行，大大提高了执行效率。满足多种开发场景，本发明属于低代码开发的一种形式，不仅适用于梯形图，更为基于图形的低代码开发科研人员提供一种技术思路，因此，更易实现梯形图与C语言的混合编程，由于C语言的灵活性，可最大程序地满足工程技术人员的实际需求，特别是需要算法集成的场合。满足市场应用的预期：本发明对于PLC研发人员来说，更易新增新的功能指令，快速适应市场的应用需求。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.043 seconds)
