-
公开(公告)号：CN118568681B
公开(公告)日：2024-10-22
申请号：CN202410977217.1
申请日：2024-07-22
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: G06F18/27 , G06F18/15 , G06F18/213 , G06F18/21 , G06N3/0455 , G06N3/084 , G06N3/0985 , G06N3/0475 , G06N3/094 , G06F30/27 , G06Q10/08 , G06Q50/06 , G06N3/048 , G06F123/02 , G06F119/06
Abstract: 本发明涉及一种基于深度学习的制冷系统能耗预测方法及系统，属于机器学习算法技术领域，包括：构建并训练能耗预测模型；将待预测时间序列预处理后，通过训练好的能耗预测模型实现制冷系统能耗预测；其中，能耗预测模型中，将包括原始时间序列数据和目标时间序列数据的序列数据作为输入序列，处理转换为隐藏表示，以捕捉序列中的模式和特征；捕捉相关信息，获得对能耗的预测值。本发明能耗预测模型对于制冷系统能耗预测精度高，可以有效的指导系统运行，避免能源的浪费和不必要的能耗。本发明能耗预测模型泛化性强，适用于高温库和低温库能耗预测，能够更好地应用于实际场景中，为决策提供可靠的支持。
-
公开(公告)号：CN118519752B
公开(公告)日：2024-10-01
申请号：CN202410971556.9
申请日：2024-07-19
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: 本发明涉及基于深度强化学习的两阶段工作流调度方法和系统，属于深度强化学习技术领域。包括：1）根据用户提供的工作流和数据传输信息，构建工作流池，并初始化每个工作流的状态和任务数量；2）利用TD2QN算法循环遍历每个工作流，并将入口任务加入到就绪队列中；将进入到就绪任务队列中的任务，利用TD2QN算法进行动态地选择，并为任务分配适当的计算资源，从而最大化整个工作流的效率和性能；3）当工作流成功完成时，生成并返回有关已完成工作流的详细信息，为用户提供全面的调度结果和性能评估。本发明综合考虑成本和通信时间，提高了系统效率和性能。
-
公开(公告)号：CN118351467A
公开(公告)日：2024-07-16
申请号：CN202410594858.9
申请日：2024-05-14
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/17 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明涉及人工智能技术领域，提供的一种基于强特征提取和批处理维度的航空图像小目标检测方法，通过在ResNet50网络模型中的C1和C2层依次连接可变形多尺度通道注意力网络中的第1层、第2层和注意力机制层，将图像数据输入第一检测模型，不同层的输出数据通过第一卷积过程得到特征图。将注意力机制层的输出分别通过第一卷积过程和第二卷积过程，得到不同特征图。将不同层的特征图构成多尺度特征图等操作。本发明还公开了一种系统，该方法和系统能够将可变形卷积的自适应采样与关注机制的重点放在针对小目标的重要特征上，添加偏移量来调整空间样本，更好地适应小目标，混合增强了图像中小目标的特征提取能力，使其更加高效和精确。
-
公开(公告)号：CN117640378A
公开(公告)日：2024-03-01
申请号：CN202311621139.3
申请日：2023-11-29
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: H04L41/0823 , H04L41/0894 , H04L41/042 , H04L41/046 , H04L41/16 , H04L41/14 , H04L41/50 , H04L67/10 , H04L67/288 , H04L67/51 , H04L67/568
Abstract: 本发明涉及云边环境下性能感知的微服务自适应部署和资源分配方法及系统，包括：挖掘有关不同微服务之间的干扰和通信约束；将具有强性能干扰的微服务放置到不同节点以减轻干扰造成的性能损失，并将具有强I/O依赖关系的微服务放置到同一节点内以减少通信开销；在放置结束后，通过定制的基于MADDPG资源分配模型学习资源分配、多用户工作负载特征、微服务之间的依赖程度和差异化SLO之间的关系，在保障多用户工作负载差异化的端到端尾延迟SLO的情况下，协同地为每个微服务进行适当的资源分配。本发明智能地为每个微服务分配适当的资源，进而提高资源利用率。
-
公开(公告)号：CN115037749A
公开(公告)日：2022-09-09
申请号：CN202210644605.9
申请日：2022-06-08
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L67/10 , H04L67/1074 , H04L67/133 , H04L67/63
Abstract: 本发明涉及一种性能感知的大规模微服务智能多资源协同调度方法及系统，包括：采集微服务资源使用信息与微服务运行时信息并进行数据预处理；对资源协同调度进行决策的性能感知的多层联动；对微服务进行资源调度的资源分配。通过自动的信息采集可以实时地感知微服务的资源使用和延迟性能等情况；在此基础上，利用多智能体深度强化学习方法可以捕获各个微服务之间的依赖关系，并根据工作负载的动态变化协同地对每个微服务所使用的多种资源进行弹性细粒度的调整。本发明可以在尽可能保障大规模微服务应用的尾延迟SLO的同时，降低微服务每个资源维度的资源冗余，进而提高整体资源利用率。
-
Patent Agency Ranking
公开(公告)号：CN115033477A
公开(公告)日：2022-09-09
申请号：CN202210644574.7
申请日：2022-06-08
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种面向大规模微服务的性能异常主动检测和处理方法及系统，包括：对微服务的资源使用情况以及运行时信息进行采集，通过采集信息判断微服务应用是否存在性能异常；如果微服务应用存在性能异常，首先，通过采集信息生成微服务历史执行图，然后，基于记忆化搜索对微服务关键路径进行提取，随后，基于部分SLO对关键微服务进行定位，最后，基于离散系数确定关键微服务的关键资源，并增加关键资源的配额，以避免或缓解尾延迟SLO违规。
-
公开(公告)号：CN114491204A
公开(公告)日：2022-05-13
申请号：CN202111473648.7
申请日：2021-11-29
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: G06F16/951 , G06F16/901 , G06Q50/20
Abstract: 本发明涉及一种用于信息类专业实验的课程自动搭建方法及系统，包括步骤如下：(1)初始化；A、爬虫网上信息类课程教材书籍信息，构建基于一门课程的知识点关键词词库以及知识图谱；B、对资源进行封装，对资源包推荐标签，进行标签处理；(2)根据用户需求构建实验课程：C、根据用户提供的教材书籍信息拉取出该教材或相似课程教材的关键词词库；D、根据步骤C匹配拉取出的关键词词库构造出实验课程。本发明依据系统提供最先进、最全面的信息资源，为教师提供最便捷的课程自动搭建模式，解决了教师繁琐备课的难题；本发明为信息类专业的学生提供了全面的自主学习和操作的平台；本发明增强了师生间的互动性，使实验教学的效率最大化。
-
公开(公告)号：CN120029694A
公开(公告)日：2025-05-23
申请号：CN202510511736.3
申请日：2025-04-23
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: 本发明涉及利用深度强化学习和注意力机制的任务卸载方法及系统，属于任务卸载技术领域。包括：数据获取和预处理；数据包括边缘服务器信息、用户信息及任务信息；将预处理后的数据输入至训练好的任务卸载模型，基于DPAQN算法实现任务卸载。本发明DPAQN算法在优化任务卸载的综合性能方面具有明显优势，平均优于现有算法约20.71%到30.39%。
-
公开(公告)号：CN119723266A
公开(公告)日：2025-03-28
申请号：CN202411785568.9
申请日：2024-12-06
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V10/80 , G06V10/82 , G06V10/764 , G06F40/126 , G06F18/25 , G06F18/241 , G06N3/045 , G06N3/08
Abstract: 本发明涉及人工智能技术领域，提供一种基于多模态特征融合的医学影像与文本联合分析模型，采用文本编码器将输入的医学文本数据进行编码，采用图像编码器将输入的医学影像数据进行编码，再通过矩阵乘法进行特征融合得到第一数据，采用多头注意力机制模块将第一数据输入至多头注意力层和前馈神经网络层处理。采用特征选择模块将第二数据与转置后的图像特征向量进行运算，采用分类器将第三数据通过全连接层，生成诊断结果的交叉熵损失函数的概率值。本发明还公开了一种构建方法快速建立模型，该模型的结构使其能够适应不同类型的医学影像和文本数据，能够整合医学图像和文本报告中的关键信息且融合深层次交互信息，提高整个诊断模型的准确性。
-
公开(公告)号：CN118779197B
公开(公告)日：2025-02-14
申请号：CN202411237023.4
申请日：2024-09-05
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: G06F11/34 , G06F11/30 , G06F9/50 , G06N3/006 , G06F18/23213 , G06F18/2415
Abstract: 本发明涉及一种基于BWO和聚类算法的作业资源消耗模式分析方法，属于大数据计算技术领域；包括：(1)作业运行与任务调度；(2)工作节点资源指标监控；(3)数据预处理和生成数据集；(4)运行基于白鲸优化算法和K‑prototypes算法的BWO/K‑prototypes算法；(5)BWO/K‑prototypes算法最优解应用；(6)聚类结果分析；(7)Flink作业的资源消耗模式分析结果获取与保存。本发明不仅可以提升Flink集群的执行效率，避免异常抛出；还可以减少资源占用，避免不必要的资源浪费。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.053 seconds)
