-
公开(公告)号:CN112685950B
公开(公告)日:2022-05-20
申请号:CN202011391590.7
申请日:2020-12-02
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F30/27 , G06F119/02
Abstract: 本发明公开了海洋时序观测数据的异常检测方法、系统和设备,海洋时序观测数据的异常检测方法,包括以下步骤:采集海洋观测数据并进行预处理;计算CoDisp值;基于预测数据点序列得到的t时刻的海洋观测数据的预测值;将预测值与t时刻实际测量得到的目标数据点x值相减并计算绝对值,获得PredDiff值;对预设时长内CoDisp值和PredDiff值分别统计建模,获取CoDisp值、PredDiff值的概率分布,并基于得到的概率分布,计算检测窗口内各目标数据点的异常概率。基于滑窗的动态异常概率确定方法能解决人工设定的阈值缺乏科学依据的问题,在实际应用时发挥异常检测作用。
-
公开(公告)号:CN114385126A
公开(公告)日:2022-04-22
申请号:CN202210291793.1
申请日:2022-03-24
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于资源调度技术领域,提供了一种基于K8s的多租户深度学习模型研发系统及方法,基于Docker、K8s等主流技术,针对不同租户的深度学习模型研发需求,通过微服务总线、微服务控制器和资源服务组件等统一数据、接口、资源标准,建立基于K8s的隔离空间,实现数据存储、模型设计、模型训练、模型评估、模型发布的自动化容器集群环境搭建和参数配置,支持资源管理、用户管理、权限管理、项目管理、数据管理、模型管理等操作,帮助用户快速高效地进行深度学习模型研发,解决了资源监控、自定义模型构建等方面不完善的问题,极大地提高AI应用开发的效率和资源利用率,满足多种业务场景的需求。
-
公开(公告)号:CN117350171B
公开(公告)日:2024-03-12
申请号:CN202311638586.X
申请日:2023-12-04
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F30/27 , G06N3/0464 , G06N3/0455 , G06F119/08
Abstract: 本发明提出了基于双流模型的中尺度涡三维次表层结构反演方法及系统,涉及深度学习与海洋反演交叉领域,通过卫星采集待反演的中尺度涡海表面信息;将中尺度涡海表面信息输入到训练好的双流模型中,反演出中尺度涡不同深度下的温度结果,得到中尺度涡次表层温度剖图;其中,所述双流模型引入Triplet attention注意力机制,采用三分支结构融合通道注意力和空间注意力进行跨维度交互;本发明采用双流模型实现中尺度涡次表层结构反演,发掘海表面参数间的数据关联,分别建立不同参数与次表层温度的关系模型,融合多源信息特征关系,实现特征融合,有效融合了多源数据,提升了反演效果。
-
公开(公告)号:CN117633527A
公开(公告)日:2024-03-01
申请号:CN202311549421.5
申请日:2023-11-17
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: G06F18/214 , G06N3/126
Abstract: 本发明提出了一种面向异构环境的大模型混合并行训练方法及系统,基于异构环境中不同数据中心的算力情况,以及不同数据中心之间的网络延迟情况,以待训练模型的每个训练阶段中数据中心的算力均衡性和每个训练阶段中数据中心所包含节点的计算任务传输的对等性为目标,利用遗传算法进行迭代优化,得到每个训练阶段所对应的数据中心,以及每个训练阶段内不同节点的计算任务,对待训练模型进行训练,从而将资源平衡和跨域带来的计算成本降低,提升大模型训练效率。
-
公开(公告)号:CN117195001A
公开(公告)日:2023-12-08
申请号:CN202311206504.4
申请日:2023-09-18
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)
IPC: G06F18/22 , G06F18/25 , G06F18/2413 , G06F18/241 , G06F18/21
Abstract: 本发明涉及高性能计算领域,提供了一种基于功耗曲线和脚本信息的HPC作业功耗预测方法及系统。该方法包括基于历史作业功耗曲线数据,得到第一相似度值;基于历史作业脚本信息数据,得到第二相似度值;依据需求,为第一相似度值和第二相似度值分配权重,计算加权求和,得到综合相似度值,以此构建相似度邻接矩阵;以最大化模块度指标为原则,按照相似度邻接矩阵,将HPC作业划分成不同的类别;基于划分后不同类别中历史数据,分别训练不同的神经网络模型,得到已训练的神经网络模型;匹配与目标HPC作业相似的历史作业类别,采用该历史作业类别的神经网络模型对目标HPC作业的脚本信息数据进行预测,得到预测结果。
-
公开(公告)号:CN114387190A
公开(公告)日:2022-04-22
申请号:CN202210285072.X
申请日:2022-03-23
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及数字图像处理技术领域,提供了一种基于复杂环境下的自适应图像增强方法及系统,包括采集原始水下图像并进行预处理;利用RGB直方图统计预处理后的水下图像的RGB通道信息数据集;基于RGB通道信息数据集,利用训练好的水下图像退化分类模型得到不同退化程度的图像样本;基于不同退化程度的图像样本,利用训练好的不同退化程度的水下修复网络进行修复,得到修复后的水下图像;本发明相较于现有的方法能够更好的解决在不同时间节点出现的不同退化情况,由于针对不同退化程度调用不同修复模型,所以本发明对于水下退化图像的修复效果更好更自然。
-
-
-
-
-