-
公开(公告)号：CN116913413A
公开(公告)日：2023-10-20
申请号：CN202311166774.7
申请日：2023-09-12
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)
IPC: G16C20/30 , G16C20/70 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本公开提供了基于多因子驱动的臭氧浓度预测方法、系统、介质及设备，涉及臭氧浓度预测技术领域，包括获取大气数据中的多个大气污染物数据因子的张量形式；将所述张量形式输入至多通道Earthformer模型中，输出表征臭氧浓度的变量；其中，当将数据因子的张量形式输入至多通道Earthformer模型后，首先，分层编码器将输入的张量形式逐步编码为多层表示，在每一层表示中引入注意力机制，通过并行应用注意力机制获取数据因子张量形式的局部特征向量，然后再将每个局部特征向量融合生成全局特征向量，利用特征向量以非自动回归的方式生成臭氧浓度预测结果。本公开提高了臭氧浓度预测的准确性。
-
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：CN119669716A
公开(公告)日：2025-03-21
申请号：CN202510168242.X
申请日：2025-02-17
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: G06F18/211 , G06F18/10 , G06F18/214 , G06F18/243 , G06N3/006
Abstract: 本发明涉及一种基于改进鸽群优化算法水质异常检测特征选择方法及系统，属于机器学习领域，包括：对净水厂数据进行预处理；执行改进鸽群算法，对鸽群进行评估；将适应度最低的鸽子的位置及速度赋予给全局最优鸽子；更新鸽子速度，并利用Sigmoid函数转换鸽子速度，根据Sigmoid函数的输出值更新鸽子位置；当达到迭代停止条件时，返回全局最优鸽子；否则，将鸽群进行变异，通过利他主义更新位置和速度；将变异完成的鸽子根据适应度值排名，计算理想目的地，更新鸽群位置；本发明通过设置自适应迭代地图和罗盘因子，同时引入利他主义机制，使鸽子个体之间能够进行信息交互和协作，促进群体的共同进化，进一步优化其搜索能力。
-
公开(公告)号：CN119557849A
公开(公告)日：2025-03-04
申请号：CN202411610574.0
申请日：2024-11-12
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 , G06N3/0442 , G06N3/045 , G01W1/10 , G01W1/02 , G06F123/02
Abstract: 本发明涉及气象温度预测方法、系统、存储介质及设备，获取历史温度数据和影响温度变化的气象数据并预处理；预处理后的数据分别利用正向和反向的LSTM网络处理，得到时间序列的前向和后向隐藏状态序列，经拼接或逐元素加和得到双向隐藏状态序列；通过权重矩阵，将双向隐藏状态映射到注意力得分，经归一化处理得到每个时间步的注意力权重，并利用得到的注意力权重对双向隐藏状态序列加权求和，利用得到的上下文向量经全连接层处理，生成温度预测值。结合了双向LSTM和注意力机制，不仅增强了模型对复杂温度时间序列数据的处理能力，而且提高了预测的准确性和鲁棒性，从而应对传统方法的不足。
-
公开(公告)号：CN119149240A
公开(公告)日：2024-12-17
申请号：CN202411594962.4
申请日：2024-11-11
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: G06F9/50
Abstract: 本发明提出面向深度学习的细粒度、干扰感知的GPU调度方法及系统，涉及GPU资源调度技术领域。包括在离线阶段收集工作负载的资源需求信息；生成每个应用程序对应的在GPU上执行的CUDA内核任务；拦截每个应用程序CUDA内核任务的启动请求，并将启动请求对应的CUDA内核任务缓存在每个应用程序对应的任务队列中；对于高优先级应用程序，直接将对应任务队列中的CUDA内核任务提交给GPU调度；对于低优先级应用程序，根据干扰评分以及资源需求判断是否提交CUDA内核任务至GPU进行调度。本发明能够减少任务之间的资源冲突和干扰，实现GPU资源共享，提高GPU资源利用率。
-
Patent Agency Ranking
公开(公告)号：CN118503152B
公开(公告)日：2024-10-18
申请号：CN202410953981.5
申请日：2024-07-17
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) , 山东省公安厅
IPC: G06F12/10 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明涉及计算机缓存技术领域，提供了一种基于门控循环与多头注意力机制的缓存替换方法及系统。该方法包括，将获取的当前访问的缓存行地址和程序计数器，转换为嵌入向量；基于嵌入向量以及前一时间步的隐藏状态，采用门控循环单元，得到当前时间步的隐藏状态，作为下一时间步门控循环单元的输入之一；将拼接的若干时间步的隐藏状态和缓存行地址输入多头注意力机制，得到上下文向量；将上下文向量输入全连接层，输出每个缓存行被替换的概率。本发明将机器学习应用于缓存优化，以满足不断变化的数据处理需求，提高缓存系统的性能和智能程度，更好地应对日益复杂和多边的数据需求，实现更高效的缓存系统。
-
公开(公告)号：CN118503152A
公开(公告)日：2024-08-16
申请号：CN202410953981.5
申请日：2024-07-17
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) , 山东省公安厅
IPC: G06F12/10 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明涉及计算机缓存技术领域，提供了一种基于门控循环与多头注意力机制的缓存替换方法及系统。该方法包括，将获取的当前访问的缓存行地址和程序计数器，转换为嵌入向量；基于嵌入向量以及前一时间步的隐藏状态，采用门控循环单元，得到当前时间步的隐藏状态，作为下一时间步门控循环单元的输入之一；将拼接的若干时间步的隐藏状态和缓存行地址输入多头注意力机制，得到上下文向量；将上下文向量输入全连接层，输出每个缓存行被替换的概率。本发明将机器学习应用于缓存优化，以满足不断变化的数据处理需求，提高缓存系统的性能和智能程度，更好地应对日益复杂和多边的数据需求，实现更高效的缓存系统。
-
公开(公告)号：CN117786120B
公开(公告)日：2024-05-24
申请号：CN202410216838.8
申请日：2024-02-28
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)
IPC: G06F16/35 , G06F40/284 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/0499 , G06N3/082 , G06N3/048
Abstract: 本发明提出了基于层次化注意力机制的文本情感分类方法及系统，涉及人工智能领域，具体方案包括：对待分类的文本数据进行数据预处理，并通过Bert模型将其转化为情感词向量；将情感词向量输入到基于层次化注意力机制的文本情感分类模型中，生成并输出文本情感分类结果；其中，所述层次化注意力机制由缩放点积注意力层、注意力池化层和多头注意力层组成，通过缩放点积注意力层对情感词向量进行初步筛选，增强词向量的表示能力，所述注意力池化层用来筛选重要的情感特征，而多头注意力层进行进一步的特征提取和整合；本发明充分挖掘文本语义信息，从而显著提高情感分类的准确率。
-
公开(公告)号：CN117707742A
公开(公告)日：2024-03-15
申请号：CN202410159991.1
申请日：2024-02-05
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)
Abstract: 本发明涉及高性能计算的作业调度技术领域，公开了基于负载预测的能耗均衡作业调度方法及系统，方法包括：获取历史时间段内，集群中节点的负载指标数据和功耗数据；对负载指标数据进行预处理并提取每个节点的历史负载特征变量；将每个节点的历史负载特征变量，输入到训练后的负载预测模型中，输出每个节点在未来时间点的负载预测值；根据每个节点在未来时间点的负载预测值，将集群中的每个节点划分为不同的负载类别；在每个负载类别中，按照功耗值由低到高的顺序对节点进行排序，优先选取低负载类别节点中的低功耗节点进行作业调度；调度后对高负载类别节点上运行的作业，实施作业迁移。本发明能够避免负载不均衡导致的热点问题和系统性能下降。
-
公开(公告)号：CN116737521A
公开(公告)日：2023-09-12
申请号：CN202310744383.2
申请日：2023-06-21
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 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明属于HPC作业预测领域，提供了一种基于自监督对比学习的HPC作业功耗预测方法及系统，本发明采用了基于表示学习和自监督学习的方法进行训练，采用向量对比的方式进行学习，将生成的向量表示在时间戳粒度以及实例粒度进行对比；在时间粒度上进行对比，学习数据随时间的动态变化趋势；在实例粒度上进行对比，学习不同类别的数据之间的差异和相似特征；基于得到的动态变化趋势、差异和相似特征进行作业功耗预测。考虑了数据的连续性，可以在长期预测任务中取得较好的性能，计算复杂度也明显低于RNN和GRU模型。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.046 seconds)
