-
公开(公告)号：CN119249857A
公开(公告)日：2025-01-03
申请号：CN202411160062.9
申请日：2024-08-22
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: G06F30/27 , G06N3/0455 , G06N3/0895
Abstract: 本发明属于海洋科学和数据处理技术领域，提供了一种面向海洋观测数据的基座模型构建方法及系统，包括构建海洋基座模型；将获取的海洋时序数据输入海洋基座模型中，构建海洋时序数据的时间戳粒度级的Token序列，将时间戳前的偏移延迟特征向量和协变量向量连接到时间戳Token向量中；结合因果自注意力机制和旋转位置嵌入，将Token序列的特征映射到Transformer的解码器，生成下一步时间戳序列；定义损失函数，优化模型参数，得到训练好的海洋基座模型。本发明在多种海洋数据集上学习通用的特征表示和时序模式，从而构建一个具有高度泛化能力的海洋通用模型，不仅能够处理大规模、多源的海洋数据，还能够捕捉数据的时序特性，提供实时的数据处理和预测能力。
-
公开(公告)号：CN118484540B
公开(公告)日：2024-10-18
申请号：CN202410946552.5
申请日：2024-07-16
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) , 山东省公安厅
IPC: G06F16/35 , G06F18/213 , G06F18/2415 , G06N3/0442 , G06N3/0464 , G06N3/0455
Abstract: 本发明属于文本分类技术领域，具体涉及一种基于特征感知的文本分类方法及系统，包括：获取待分类文本数据；提取所获取的文本数据的全局特征和局部特征；采用多头注意力机制处理所提取的文本数据的全局特征和局部特征；基于特征感知算法优化处理后的文本数据的全局特征和局部特征，动态调整特征选择和网络参数，得到文本表示特征；根据所得到的文本表示特征计算待分类文本的分类概率，完成待分类文本的分类。
-
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。
-
Patent Agency Ranking
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
176
records
(took 0.051 seconds)
