-
公开(公告)号：CN114385619B
公开(公告)日：2022-07-15
申请号：CN202210285171.8
申请日：2022-03-23
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/215 , G06F16/2458 , G06N3/04
Abstract: 本发明属于基于特定计算模型的计算机系统领域，提供了一种多通道海洋观测时序标量数据缺失值预测方法及系统，获取带有海洋缺失值的海洋观测时序标量数据；基于所述海洋观测时序标量数据，采用TA‑RNN模型，得到海洋缺失值预测结果；所述TA‑RNN模型包括卷积注意模块、空间注意模块和时间注意模块，所述卷积注意模块用于将所述海洋观测时序标量数据进行细化；所述空间注意模块用于捕获细化后的所述海洋观测时序标量数据的动态空间相关性；所述时间注意模块用于捕获空间注意模块输出数据中不同时间间隔之间的动态时间相关性。
-
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：CN118606293A
公开(公告)日：2024-09-06
申请号：CN202410639776.1
申请日：2024-05-22
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)
Abstract: 本发明提出了一种跨域异构存储系统的数据迁移方法及系统，将改进的蚁群算法来对数据迁移路径优化问题进行求解，根据路径的传输成功率动态调整信息素浓度，使其与传输成功率成正比，即传输成功率越高的路径，其对应的信息素浓度越高，从而增加选择该路径的概率；根据传输数据量以及目标节点的负载情况动态调整启发函数值，使其与目标节点的负载成反比，负载越重的节点，其对应路径的启发函数值越低，以降低选择该路径的概率，从而实现存储系统的负载均衡，提高数据迁移的效率和质量。
-
公开(公告)号：CN118540324A
公开(公告)日：2024-08-23
申请号：CN202410603350.0
申请日：2024-05-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L67/10 , G06Q10/0639 , G06Q50/26 , G06F9/54 , H04L67/1004 , H04L67/00 , H04L67/30
Abstract: 本公开提供了基于云边协同的延迟最小化海洋数据质控方法及系统，涉及海洋数据质量控制技术领域，包括：边缘端获取海洋观测数据；生成数据质控任务，通过海洋数据质控模型对海洋观测数据进行质量控制；选择在与云端之间的网络通道传输压力小时，将质控后的结果数据以及数据质控卸载任务上传至云端；云端接收质控后的结果数据以及数据质控卸载任务；定期优化海洋数据质控模型并对整个系统中的海洋数据质控模型进行更新部署，实时对边缘端的负载情况进行监控，根据负载情况的动态变化，利用动态任务卸载策略，将数据质控任务在边缘端和边缘端之间、边缘端和云端之间进行卸载，以实现系统总体延迟的最小化。
-
公开(公告)号：CN115167771A
公开(公告)日：2022-10-11
申请号：CN202210790040.5
申请日：2022-07-06
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开提供了一种InfiniBand网络数据缓存处理系统及方法，其属于网络通信技术领域，所述方案运用FPGA实现数据处理和缓存，可以大大节省硬件设备所带来的开销；且由于可现场编程等特性可以灵活的更改数据处理机制；相较软件实现，硬件实现处理速度更加快速；同时，所述方案中的跨时钟域数据处理中多个随机存取存储器并行的结构设计，多个大容量存储缓冲器并行存储，将同一个数据包的各个部分分别存储在不同的大容量存储缓冲器。这些设计加快了缓存系统的写入和读取速度，增大了吞吐率，加快了FPGA数据缓存处理系统的传输速度，使FPGA数据缓存处理系统不会由于堵塞而丢失数据。
-
Patent Agency Ranking
公开(公告)号：CN114387190B
公开(公告)日：2022-08-16
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。
-
公开(公告)号：CN114547725A
公开(公告)日：2022-05-27
申请号：CN202210032937.1
申请日：2022-01-12
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F30/13 , G06F30/17 , G06F30/23 , G06F30/28 , G01D21/02 , G06F113/08 , G06F119/02 , G06F119/14
Abstract: 本发明公开了基于数字孪生的水下工程结构智能检测方法及系统，其中方法包括：根据水下工程结构的设计方案和实际工况，建立有限元主模型；基于有限元主模型，对水下工程结构进行评估预警，如果评估的结构性能不达标，就发出告警信息，跳转到维修步骤；如果结构性能达标，就根据评估结果生成检测点阵；基于检测点阵，进行水下工程结构的流场检测和结构检测，得到检测数据集；根据检测数据集，对有限元主模型进行更新，重新对水下工程结构进行评估预警。提出了一种建立水下工程结构数字孪生体的方法，基于无人潜航器进行流场的数据采集和结构的无损检测，构建了以有限元主模型为核心的数字孪生系统，实现水下结构性能的监控、评估及预警。
-
公开(公告)号：CN114385619A
公开(公告)日：2022-04-22
申请号：CN202210285171.8
申请日：2022-03-23
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/215 , G06F16/2458 , G06N3/04
Abstract: 本发明属于基于特定计算模型的计算机系统领域，提供了一种多通道海洋观测时序标量数据缺失值预测方法及系统，获取带有海洋缺失值的海洋观测时序标量数据；基于所述海洋观测时序标量数据，采用TA‑RNN模型，得到海洋缺失值预测结果；所述TA‑RNN模型包括卷积注意模块、空间注意模块和时间注意模块，所述卷积注意模块用于将所述海洋观测时序标量数据进行细化；所述空间注意模块用于捕获细化后的所述海洋观测时序标量数据的动态空间相关性；所述时间注意模块用于捕获空间注意模块输出数据中不同时间间隔之间的动态时间相关性。
-
公开(公告)号：CN114385233A
公开(公告)日：2022-04-22
申请号：CN202210291811.6
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: 本申请属于计算机系统技术领域，提供了一种跨平台自适应数据处理工作流系统及方法，包括客户端，被配置为基于应用程序编程接口调用和画布式拖拽构建工作流，将所构建的工作流通过Istio安全网关发送到服务端；服务端，被配置为基于服务器接口接收客户端所构建的工作流，基于运算符计算平台适配器进行工作流逻辑运算符的计算环境优化适配。本申请采用基于Kubernetes的微服务架构，采用Istio安全网关作为客户端与服务端的唯一通道，实现跨平台自适应数据工作流的处理。
-
公开(公告)号：CN113963251A
公开(公告)日：2022-01-21
申请号：CN202111421605.4
申请日：2021-11-26
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/05 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06T3/40 , G06T7/11
Abstract: 本发明公开了海洋生物检测方法、系统和设备，海洋生物检测方法，包括以下步骤：获取ImageNet数据集、海洋生物细粒度图像分类数据集以及拍摄得到的海洋生物数据集；使用所述ImageNet数据集对预设分类网络进行训练，得到预训练模型；使用所述海洋生物细粒度图像分类数据集对所述预训练模型进行训练得到训练模型；选取部分所述海洋生物数据集进行标注得到标注数据集；使用预设算法对标注数据集进行强化；使用训练模型结合多尺度检测网络和位置注意力机制基于强化后的标注数据集进行训练，得到海洋生物检测模型；输入未被标注的自拍摄海洋生物数据集，输出检测信息，能够准确的检测出图像或视频中存在的海洋生物种类。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.034 seconds)
