-
公开(公告)号:CN115879569A
公开(公告)日:2023-03-31
申请号:CN202310214205.9
申请日:2023-03-08
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: G06N20/00 , G06F18/25 , G16Y40/10 , G06N3/0455 , G06N3/084
Abstract: 本发明提出了一种IoT观测数据的在线学习方法及系统,涉及数据处理技术领域,根据获取的初始时序观测数据,初始化在线深度学习模型;实时获取传感器生成的时序观测数据,根据时序观测数据形成输入数据流;在线深度学习模型处理输入数据流,生成最终预测结果;在处理输入数据流的过程中,对输入数据流进行即时学习,实时动态更新在线深度学习模型;即时学习,是基于数据流的均值和方差,学习数据分布,构造准正态分布,重构新的样本,实现变分注意力网络,基于分布差异、重构差异和推理差异,进行模型的动态调整;本发明学习不同隐藏层之间的隐藏信息,提高模型推理的准确性,同时通过在线学习,对不同隐藏层间的参数进行动态调整。
-
公开(公告)号:CN112256883B
公开(公告)日:2023-01-13
申请号:CN202011112293.4
申请日:2020-10-16
Applicant: 山东省计算中心(国家超级计算济南中心)(CN)
Abstract: 本发明的量纲知识图谱构建方法,包括:a).多源异构数据获取;收集互联网上、专家手工整理以及论文中开放共享的科研数据;b).量纲数据预处理;c).量纲数据融合;对来源不同的量纲数据进行人工对齐与建立关联;d).量纲数据的图存储;将经步骤c)融合后的量纲数据导入Neo4J图数据库中,构建量纲知识图谱;e).量纲知识图谱自动化更新。本发明的量纲知识图谱构建方法,可实现量纲知识图谱可以自动化更新,有利于解决数据融合过程中基本单位之间的异构性问题,有利于提升相似性算法、实体对齐和知识融合算法的准确性,同时也有利于提升知识图谱的可计算性。
-
公开(公告)号:CN111000553B
公开(公告)日:2022-09-27
申请号:CN201911395467.X
申请日:2019-12-30
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/346
Abstract: 本发明的基于投票集成学习的心电数据智能分类方法,其特征在于,通过以下步骤来实现:a).数据预处理;b).建立logistic回归模型;c).建立决策树模型;d).建立一个支持向量机;e).建立朴素贝叶斯模型;f).建立神经元模型;g).建立k邻近模型;h).模型集成,最终获得一个正确率不低于80%的模型,效果优于步骤b)至步骤g)中建立的单个模型。本发明的心电数据智能分类方法,首先从ccdd中获取足够数量的数据,将其分为训练集和测试集,然后建立各类模型,最后,获得一个正确率不低于80%的模型,可实现对“正常、房颤、房性早搏、偶发房性早搏、频发房性早搏、房性心动过速、房颤伴快速心室率”进行智能识别分类,实现心血管疾病的早发现、早治疗。
-
公开(公告)号:CN112417166B
公开(公告)日:2022-08-26
申请号:CN202011309998.5
申请日:2020-11-20
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的知识图谱三元组置信度评价方法,包括评估阶段、融合阶段和校验阶段,a).实体层面评估;a‑1).数据源角度;a‑2).文献共现角度;a‑3).外链规模角度;a‑4).文本描述角度;a‑5).实体重要性角度;a‑6).实体的度的角度;b).关系层面评估;b‑1).数据源角度;b‑2).文献共现角度;b‑3).对实体间已知关系层面的评价;b‑4).对实体间未知关系层面的评价;c).知识图谱全局层面评估。本发明的知识图谱三元组置信度评价方法,可高效、快速、大规模的发掘知识图谱数据中的错误,进而提升整个知识图谱系统的数据质量;可以对链接预测、关系推理等机器学习任务的结果进行数据可靠性校验。
-
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:CN112685950B
公开(公告)日:2022-05-20
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:CN114385126A
公开(公告)日:2022-04-22
申请号:CN202210291793.1
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: 本发明属于资源调度技术领域,提供了一种基于K8s的多租户深度学习模型研发系统及方法,基于Docker、K8s等主流技术,针对不同租户的深度学习模型研发需求,通过微服务总线、微服务控制器和资源服务组件等统一数据、接口、资源标准,建立基于K8s的隔离空间,实现数据存储、模型设计、模型训练、模型评估、模型发布的自动化容器集群环境搭建和参数配置,支持资源管理、用户管理、权限管理、项目管理、数据管理、模型管理等操作,帮助用户快速高效地进行深度学习模型研发,解决了资源监控、自定义模型构建等方面不完善的问题,极大地提高AI应用开发的效率和资源利用率,满足多种业务场景的需求。
-
公开(公告)号:CN111125347A
公开(公告)日:2020-05-08
申请号:CN201911376996.5
申请日:2019-12-27
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/338 , G06F16/36
Abstract: 本发明的基于unity3d的知识图谱3D可视化方法,包括:a).摄像机、天空盒和场景初始化;b).三元组数据获取;c).预制体的创建及三维物理结构组织;d).三维力学模型构建;e).帧循环;f).沉浸式摄影机脚本;g).全局摄影机脚本;h).属性信息显示及UI绘制;i).检索功能及传送功能;j).沉浸视图、全局视图切换。本发明的基于unity3d的知识图谱3D可视化方法,具有良好的可移植性和可扩展性,可以发布到web、手机、PC等多种平台,而不会像WebGL等技术一样开发后即对平台具有高度依赖;另一方面表现在未来可以方便的扩展至虚拟现实、增强现实等新兴的显示技术上,实现更广阔、更沉浸、更具互动性的知识图谱3D可视化。
-
公开(公告)号:CN108536794A
公开(公告)日:2018-09-14
申请号:CN201810281245.4
申请日:2018-04-02
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东省公安厅
IPC: G06F17/30
Abstract: 本发明的符合泊松分布的有序多分类变量的数据规格化方法,设数据样本的属性A符合泊松分布,属性A的m个类别经自然编码后的原始值分别为v1、v2、…、vm,vi、vj∈Z且vi≠vj,1≤i≤m,1≤j≤m,样本中属性A的总数量记为N,属性A中类别k下的数量记为nk;有序多分类变量的属性A规格化后的数据值v′k通过公式(1)进行求取:其中,1≤k≤m, 为属性A中m个类别原始值的均值,其通过如下公式进行求取。本发明的数据规格化方法,使得处理后的变量可应用在如神经网络、最近邻分类、聚类等基于对象距离的挖掘算法中,有益效果显著,适于应用推广。
-
公开(公告)号:CN104270459A
公开(公告)日:2015-01-07
申请号:CN201410556001.4
申请日:2014-10-20
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L29/08
CPC classification number: G06F9/5077
Abstract: 本发明的增强公平性的云计算用户资源配额分配方法,包括:步骤1:申请类型的判断,如为首次申请,执行步骤2;如为变更申请,执行步骤4;步骤2:获取用户应用系统所对应资源配额的最大限额;步骤3:资源配额首次分配;步骤4:判断变更申请类型,如为减少资源配额,则释放相应的资源配额;如为增加资源配额,执行步骤5;步骤5:计算信用因子;步骤6:如果大于基准值,则分配申请增加的资源配额;如果小于基准值,则将申请增加的资源配额乘以系数再分配给用户;步骤7:以时间为周期动态调整用户的资源配额。本发明的云计算用户资源配额分配方法,阻止资源滥用,增强分配公平性;能够有效预估云计算平台资源需求量,满足更多用户的需求。
-
-
-
-
-
-
-
-
-