-
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：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：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。
-
公开(公告)号：CN112685950A
公开(公告)日：2021-04-20
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：CN119201147A
公开(公告)日：2024-12-27
申请号：CN202411264915.3
申请日：2024-09-10
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)
Abstract: 本发明提出了一种基于容器化的云边协同海洋数据质控模型部署方法及系统，采用容器技术进行模型的封装和部署，实现模型在异构边缘设备上的快速迁移和高效运行；在Docker层重用的基础上提出利用内容定义分块算法进行分段处理，以期最大程度减少镜像拉取量，实现模型容器化的快速部署。
-
Patent Agency Ranking
公开(公告)号：CN119088312A
公开(公告)日：2024-12-06
申请号：CN202411212961.9
申请日：2024-08-30
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: 本发明属于冷热数据识别管理技术领域，提供了一种面向跨域异构存储系统的冷热数据存储方法及系统，通过综合考虑数据访问频率、数据更新频率、业务重要性、文件相关性和数据新鲜度多个维度进行冷热数据画像，综合判断数据的冷热属性，反映了数据的实际价值和使用需求，将数据准确的分类为热数据、温数据和冷数据，可以动态地评估数据的重要性和访问需求，将热数据、温数据和冷数据分层存储在不同存储空间中，从而更有效地进行数据存储管理，提高了跨域异构存储系统的体验感，有利于推广应用。
-
公开(公告)号：CN118982074A
公开(公告)日：2024-11-19
申请号：CN202411463393.X
申请日：2024-10-21
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明提出一种基于高效微调和联邦学习的行业大模型训练方法及系统，涉及联邦学习领域。该方法由中心端执行，包括：获取原始全局模型，初始化可调低秩矩阵；所述可调低秩矩阵用于根据客户端资源量进行秩缩放；将模型结构和可调低秩矩阵发送给各客户端，以使各客户端基于本地数据对可调低秩矩阵进行微调训练，得到更新的可调低秩矩阵，并发送至中心端；将更新的可调低秩矩阵进行聚合，更新原始全局模型的权重文件，得到优化的全局模型。本发明客户端在微调训练时对预训练权重进行量化，并对具有秩缩放功能的可调低秩矩阵进行微调训练，以提取客户端本地数据有效特征，实现了模型参数的灵活调整与资源的高效利用。
-
公开(公告)号：CN118674011A
公开(公告)日：2024-09-20
申请号：CN202410820143.0
申请日：2024-06-24
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: G06N3/096 , G06N3/0455 , G06F16/35 , G06N5/04
Abstract: 本发明属于深度学习大模型技术领域，具体涉及一种面向深度学习大模型的参数微调迁移学习方法及系统，包括：获取待优化设备数据；提取所获取的待优化设备数据的不同维度的特征提取算子；采用参数微调的低秩优化算法聚合所提取的不同维度的特征提取算子，对所获取的设备数据进行迁移学习，得到知识向量；其中，通过参数微调的低秩优化算法添加高效参数，调整参数以获得全量微调性能，增强多维特征聚合，以多维知识提取和聚合为中心提升处理下游任务；根据所得到的知识向量，完成设备的优化。
-
公开(公告)号：CN117910329B
公开(公告)日：2024-09-13
申请号：CN202410309464.4
申请日：2024-03-19
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)
IPC: G06F30/25 , G06F30/27 , G06N3/006 , G06N3/0442
Abstract: 本发明涉及计算机技术领域，提供了一种基于改进粒子群优化算法的海洋时序数据预测方法及系统。该方法包括，获取海洋传感器样本数据，采用改进的粒子群优化算法对预测模型的超参数进行优化，得到最优超参数，以此得到已训练的预测模型；获取待预测的海洋传感器数据，采用已训练的预测模型，得到预测结果；其中，所述改进的粒子群优化算法包括：采用非线性动态权重替换固定惯性权重，并在非线性动态权重中引入自适应权重因子。本发明通过将固定权重改为非线性动态权重，早期设置较大的权重，促进全局搜索，后期利用较小的权重提升局部搜索能力。这种动态调整有助于在全局探索和局部精细调整之间找到更好的平衡。
-
公开(公告)号：CN118200217A
公开(公告)日：2024-06-14
申请号：CN202410422956.4
申请日：2024-04-09
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: H04L45/00 , H04L45/02 , H04L45/03 , H04L45/036
Abstract: 本公开提供了基于动态异构联邦学习的协同通信方法及系统，涉及联邦学习数据通信技术领域，包括：中央服务器随机初始化全局模型参数，服务器广播全局模型参数副本至参与方客户端参与方客户端利用本地数据集和初始模型计算本地设备的模型梯度，依次进行局部更新，中央服务器接收到来自参与方客户端的更新就绪信号后，生成多组自适应设备簇，每个簇内的参与方客户端上传本地设备的模型梯度，中央服务器收到所有本地设备的模型梯度执行模型聚合更新簇内的全局模型，使用特定通信拓扑将簇内的全局模型发送给其他簇，来更新本地的模型，达到组间的模型同步和知识共享。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.051 seconds)
