-
公开(公告)号：CN118381708B
公开(公告)日：2024-12-27
申请号：CN202410428516.X
申请日：2024-04-10
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)
IPC: H04L41/042 , H04L41/0895 , H04L41/40 , H04L41/16
Abstract: 本发明提出了一种跨域异构存储集群的管理调度方法及系统，以总存储成本最小、总吞吐量最大以及待存储数据集与即将存储的存储系统的位置最近为优化目标，采用非支配排序的遗传算法进行约束条件求解，进行最优存储位置的选择，不仅提高了数据访问性能，减少延迟，并降低了对网络带宽和存储资源的不必要消耗。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN117350171A
公开(公告)日：2024-01-05
申请号：CN202311638586.X
申请日：2023-12-04
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F30/27 , G06N3/0464 , G06N3/0455 , G06F119/08
Abstract: 本发明提出了基于双流模型的中尺度涡三维次表层结构反演方法及系统，涉及深度学习与海洋反演交叉领域，通过卫星采集待反演的中尺度涡海表面信息；将中尺度涡海表面信息输入到训练好的双流模型中，反演出中尺度涡不同深度下的温度结果，得到中尺度涡次表层温度剖图；其中，所述双流模型引入Triplet attention注意力机制，采用三分支结构融合通道注意力和空间注意力进行跨维度交互；本发明采用双流模型实现中尺度涡次表层结构反演，发掘海表面参数间的数据关联，分别建立不同参数与次表层温度的关系模型，融合多源信息特征关系，实现特征融合，有效融合了多源数据，提升了反演效果。
-
公开(公告)号：CN116452404A
公开(公告)日：2023-07-18
申请号：CN202310437009.8
申请日：2023-04-18
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: 本发明提出了一种深度学习模型分布式训练的内存优化方法及系统，包括：将目标深度学习模型的多个网络层基于图形处理器数量划分为多个区；每个区的网络层在进行训练时，下一训练批次的反向传播基于上一训练批次的反向传播的参数，进行交叉训练；若同一训练批次前向传播和后向传播所运行时的张量大于所在图形处理器上权重缓冲区的内存，则将所述张量分配至中央处理器上执行后并返回至所在的图形处理器。通过建立下一训练批次的反向传播和上一训练批次的反向传播的依赖关系，保证了稳定的交叉训练；通过将图形处理器上权值交换到中央处理器上处理，从而减轻图形处理器上内存的压力。
-
公开(公告)号：CN109410115B
公开(公告)日：2023-04-18
申请号：CN201811284175.4
申请日：2018-10-31
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法，在水印嵌入过程中，利用两个二值伪随机序列k1、k2，在不含有SIFT特征点的图像子块的离散余弦变换系数中嵌入水印；在水印的提取过程中，计算不含有SIFT特征点的图像子块的离散余弦变换系数与序列k1、k2的相关系数，并根据相关系数的大小确定出水印相应位的值，以提取水印。本发明的水印嵌入与提取方法，具有较强的鲁棒性，即使图像在遭受诸如中值滤波、维纳滤波、高斯滤波、剪切或压缩等攻击后，仍旧可以提取出与原始水印相似度极高的水印，使其可应用在数字媒体发布、数字信息版权认证、数字司法取证等场景。
-
公开(公告)号：CN115908772A
公开(公告)日：2023-04-04
申请号：CN202211475396.6
申请日：2022-11-23
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V10/20 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于Transformer和融合注意力机制的目标检测方法，包括：获取待检测图像进行预处理；将预处理后的待检测图像输入至训练好的目标检测模型中，输出检测结果；其中，所述目标检测模型包括Swin Transformer模块、注意力融合模块和检测模块，所述Swin Transformer模块用于提取待检测图像的全局特征，所述注意力融合模块用于局部特征提取，并将全局特征和局部特征采用跨层级联的方式进行融合，所述检测模块用于根据融合后的特征输出检测结果。融合局部感受野与Transformer的全局信息，以进一步提升局部特征与全局信息融合的能力，增强低信噪比目标的检测效果。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.067 seconds)
