-
公开(公告)号：CN119226092A
公开(公告)日：2024-12-31
申请号：CN202411732114.5
申请日：2024-11-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种异构计算系统的检查点部署方法、系统、产品以及装置，涉及计算机技术领域。根据各异构算力设备的需求参数计算在每个存储设备上部署检查点时各存储设备对应的故障恢复耗时期望值，以权衡各异构算力设备的各需求参数对应检查点恢复的影响。根据各异构算力设备的需求参数和故障恢复耗时期望值确定初步的第一检查点部署关系，以实现在部署过程中针对于各异构算力设备的特性参数对应部署检查点到各个存储设备的局部最优选择的可预测性。根据初步的第一检查点部署关系，通过各异构算力设备的部署位置进行优化确定第二检查点部署关系，有效跳出局部最优解增加找到全局最优解的可能性，提高训练任务的执行效率。
-
公开(公告)号：CN117811846B
公开(公告)日：2024-05-28
申请号：CN202410230120.4
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04L9/40 , H04L67/10 , H04L41/142 , G06N3/045 , G06N3/098
Abstract: 本发明公开了一种基于分布式系统的网络安全检测方法、系统、设备及介质，涉及网络安全领域，为解决边缘计算设备采用固定大小的本地网络安全检测模型无法发挥最优性能的问题，该方法包括基于本地安全数据训练初始网络安全检测模型；将测试安全数据集输入初始网络安全检测模型后，根据两个输出网络块对应的输出值调整初始网络安全检测模型的神经网络深度得到本地网络安全检测模型；当满足参数更新条件时，利用本地网络安全检测模型的模型参数和关联计算设备的模型参数更新本地网络安全检测模型；通过更新后的本地网络安全检测模型进行本地网络安全检测。本发明能够使边缘计算设备发挥最优的本地网络安全检测性能，减少了通信开销和带宽需求。
-
公开(公告)号：CN117829274A
公开(公告)日：2024-04-05
申请号：CN202410230112.X
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/098 , G06N5/04 , G06V10/764 , G06V10/82 , G06Q10/04
Abstract: 本发明公开了一种模型融合方法、装置、设备、联邦学习系统及存储介质，属于边缘计算领域，用于在簇内聚合与全局聚合时分别确定权重系数进行加权聚合，解决了边缘计算设备的数据异构导致的模型精度受损的问题。一方面由各簇簇头为簇内各边缘计算设备确定设备权重系数，并进行加权聚合，另一方面由中心服务器确定各个簇的簇权重系数，并进行加权聚合，在两次加权聚合时分别参考对应的模型性能进行权重系数的确定，不但可以根据重要性区别调节对于各边缘计算设备的学习率，提升了全局网络模型的精度，使中心服务器在工业设备故障预测、网络安全问题识别与图片分类时发挥最优的效果。
-
公开(公告)号：CN117806838A
公开(公告)日：2024-04-02
申请号：CN202410230125.7
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F9/50 , G06F18/22 , G06F18/241 , G06N20/00 , G06N5/04
Abstract: 本发明提供基于异构数据的设备分簇方法、装置、设备、系统及介质，涉及计算机技术领域，首先可将多个边缘设备划分至多个设备簇，以便各边缘设备对机器学习模型进行层级联邦训练；同时，在分簇过程中，本发明可确定各边缘设备本地的机器学习模型对同一测试数据集的推理结果，并可基于该推理结果确定各边缘设备间的训练数据相似度；进而，可利用各训练数据相似度将各边缘设备划分至多个设备簇，即可在分簇过程中考虑数据异构的特点和分布情况，并将拥有相似数据的设备放在同一簇中，从而可提高簇内数据的相似性。这样，在各边缘设备进行层级联邦训练时，可确保相近的机器学习模型参数先聚合，可确保全局模型更快收敛，并可提升联邦学习效率。
-
公开(公告)号：CN117332823B
公开(公告)日：2024-03-05
申请号：CN202311596641.3
申请日：2023-11-28
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/0475 , G06N3/0442 , G06N3/08 , G06N5/04 , G06F40/35
Abstract: 本发明公开了一种目标内容自动生成方法、装置、电子设备及可读存储介质，应用于人工智能领域。其中，方法包括将用户的目标内容生成请求作为提示信息输入至自然语言任务处理模型得到指示任务，通过指令接口调用相应外部执行程序执行任务得到初始目标内容；利用当前长期记忆数据对指示任务和初始目标内容进行处理得到目标更新任务；将目标更新任务、初始目标内容和当前短期记忆数据作为下一轮次的提示信息输入至自然语言任务处理模型，循环执行直至指示任务为终止指令，将其上一轮次的初始目标内容作为目标内容进行输出。本发明可以解决相关技术低精度、低效率且高成本智能生成内(56)对比文件Feng Xiaocheng 等.Topic-to-EssayGeneration with Neural Networks《.PROCEEDINGS OF THE TWENTY-SEVENTHINTERNATIONAL JOINT CONFERENCE ONARTIFICIAL INTELLIGENCE》.2018,4078-4084.Xu Zhen 等.Dynamic Working Memory forContext-Aware Response Generation《.IEEE/ACM Transactions on Audio, Speech, andLanguage Processing》.2019,第27卷(第9期),1419-1431.Minlie Huang 等.Challenges inBuilding Intelligent Open-domain DialogSystems《.ACM Transactions on InformationSystems》.2020,第38卷(第3期),1–32.罗威.长时记忆循环神经网络算法研究《.中国博士学位论文全文数据库 信息科技辑》.2022,第2022年卷(第1期),I140-61.
-
Patent Agency Ranking
公开(公告)号：CN116680206B
公开(公告)日：2024-01-12
申请号：CN202310974608.3
申请日：2023-08-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F12/06
Abstract: 本发明公开了一种内存扩展方法、装置、系统、电子设备及可读存储介质，涉及大数据技术领域，旨在解决传统技术中单节点无法满足大规模数据计算的内存需要的问题，所述内存扩展方法应用于内存池地址管理服务器，包括接收内存请求节点发送的内存扩展请求；根据所述内存扩展请求确定其他各内存节点的远程可扩展内存容量；利用各所述远程可扩展内存容量为所述内存请求节点进行内存扩展。应用本技术方案，实现了利用其他各个内存节点为内存请求节点提供远程内存服务，进而实现了单节点的内存扩展，可以有效满足该单节点内大规模数据计算的内存需要。
-
公开(公告)号：CN116680206A
公开(公告)日：2023-09-01
申请号：CN202310974608.3
申请日：2023-08-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F12/06
Abstract: 本发明公开了一种内存扩展方法、装置、系统、电子设备及可读存储介质，涉及大数据技术领域，旨在解决传统技术中单节点无法满足大规模数据计算的内存需要的问题，所述内存扩展方法应用于内存池地址管理服务器，包括接收内存请求节点发送的内存扩展请求；根据所述内存扩展请求确定其他各内存节点的远程可扩展内存容量；利用各所述远程可扩展内存容量为所述内存请求节点进行内存扩展。应用本技术方案，实现了利用其他各个内存节点为内存请求节点提供远程内存服务，进而实现了单节点的内存扩展，可以有效满足该单节点内大规模数据计算的内存需要。
-
公开(公告)号：CN116226319A
公开(公告)日：2023-06-06
申请号：CN202310520116.7
申请日：2023-05-10
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/31 , G06F16/332 , G06F16/38 , G06F16/51 , G06F16/532 , G06F16/583 , G06F18/214 , G06F18/25
Abstract: 本申请在信息处理技术领域，公开了一种混合异构模型训练方法、装置、设备及可读存储介质，在本申请中，在提取程序性多结构样本的程序性文本数据时，首先提取出各个时序步骤和辅助信息的特征，然后会计算出步骤文本特征间的连接概率关系，并基于连接概率关系，以步骤文本特征和辅助文本特征为节点，建立并基于生成树进行特征聚合，得到含有时序步骤与时序步骤之间的层级关系，和时序步骤与辅助信息之间的隶属关系的多叉树形特征。进一步基于多叉树形特征和图像序列特征计算训练损失，并基于训练损失对初始模型进行参数调节，可以使得混合异构模型具备挖掘程序性文本数据中层次级工作流关系，从而提升训练后的混合异构模型的检索性能。
-
公开(公告)号：CN110689548A
公开(公告)日：2020-01-14
申请号：CN201910931351.7
申请日：2019-09-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种医学图像分割方法、装置、设备及可读存储介质，该方法，包括：获取待分割的医学图像，并将医学图像输入至深度学习图像分割网络中；利用重点关注指定组织边缘的目标分割参数对医学图像进行组织分割，获得图像分割结果；其中，深度学习图像分割网络的训练过程，包括：利用医学图像训练样本对应的分割标签，确定医学图像训练样本的边缘增强区域；将医学图像训练样本输入至深度学习图像分割网络进行组织分割，获得训练分割结果；利用损失函数计算损失值时，为训练分割结果中边缘增强区域对应像素增加损失权重；利用损失值对深度学习图像分割网络的分割参数进行调节，获得目标分割参数。该方法可提高医学图像分割精度。
-
公开(公告)号：CN119621355B
公开(公告)日：2025-05-13
申请号：CN202510162976.7
申请日：2025-02-14
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F9/50
Abstract: 本发明公开了计算机技术领域内的一种异构系统中分布式任务内存分配方法、设备、介质及产品。本发明在不降低各个异构算力设备计算性能的最小访存带宽的约束下，针对参与同一分布式任务的多个异构算力设备实现了内存分配，既能保证各个异构算力设备执行分布式任务时的计算性能，又能完成内存分配，从而在异构系统中在平衡内存特性和算力设备计算能力的前提下实现了合理的内存分配，能够充分利用异构算力设备的计算性能，加速分布式任务处理效率。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.047 seconds)
