-
公开(公告)号：CN116665809A
公开(公告)日：2023-08-29
申请号：CN202310580976.X
申请日：2023-05-22
Applicant: 中国科学院计算机网络信息中心 , 北京交通大学
Abstract: 本发明公开了一种基于图神经网络的材料性质预测方法、系统及设备，属于材料预测和分析领域。该方法包括：获取材料的晶体结构；对晶体结构进行编码初始化及标准化处理，得到对应原子的图网络；构建结构特征预测模型，并确定结构特征预测模型的网络超参信息，及设置结构特征预测模型的网络评估算法、激活函数、优化器；基于网络超参信息及网络评估算法、激活函数、优化器对结构特征预测模型进行训练与优化处理；将待预测材料数据输入至进行训练与优化处理后的结构特征预测模型，输出材料性质预测结果。本发明可实现材料结构的准确表征，最终提高模型的预测精度。
-
公开(公告)号：CN119441698A
公开(公告)日：2025-02-14
申请号：CN202411531342.6
申请日：2024-10-30
Applicant: 中国科学院计算机网络信息中心
IPC: G06F17/16 , G06N3/042 , G06N3/0495 , G06N3/08
Abstract: 本申请公开了一种张量处理单元上加速稀疏矩阵计算的方法及存储介质，所述方法包括：获取第一矩阵，其中第一矩阵包括行索引值或列索引值，第一矩阵为基于输入序列得到的稀疏矩阵；基于行索引值或列索引值，对所述第一矩阵的行和列进行重新排序，得到第二矩阵，以使所述第二矩阵相对于第一矩阵的缓存命中率更高；从GPU的内存中读取第三矩阵，并对所述第二矩阵和第三矩阵进行运算，其中所述第三矩阵是指与所述第二矩阵进行运算的矩阵，所述第三矩阵基于所述输入序列得到。通过本技术，并在tensor core上执行矩阵运算，减少了冗余计算操作，提升了运行过程中的缓存命中率实现了对稀疏矩阵的高效计算与运算资源的优化利用，极大地提升了矩阵计算的整体性能。
-
公开(公告)号：CN118484135A
公开(公告)日：2024-08-13
申请号：CN202410377055.8
申请日：2024-03-29
Applicant: 中国科学院计算机网络信息中心
Abstract: 本申请公开了一种稀疏矩阵存储方法及向量乘方法。该方法包括：根据预先确定的长度与宽度，从稀疏矩阵中获得多个矩阵块；根据每个矩阵块中非零元素的数量，从多个矩阵块中获得多个储存类；对多个储存类中具有三个以下非零元素的第i个储存类，根据非零元素于稀疏矩阵中的行坐标及列坐标，获得第i个非零元素数组；根据非零元素于稀疏矩阵中的列坐标、行坐标，获得第i个储存类的行索引数组、第一列索引数组；根据非零元素于第i个非零元素数组中的坐标，获得第i个储存类的量索引数组；根据以上索引数组及非零元素数组，储存第i个储存类；对于多个储存类中具有三个或三个以上非零元素的第t个储存类，采用压缩稀疏行CSR格式，储存第t个储存类。
-
公开(公告)号：CN117955501A
公开(公告)日：2024-04-30
申请号：CN202410127034.0
申请日：2024-01-30
Applicant: 中国科学院计算机网络信息中心
IPC: H03M7/30
Abstract: 本发明涉及无损数据压缩框架，所述无损数据压缩框架具体包括：输入模块，将待压缩字节流以输入长度为S输入；语义增强模块，对长度为S的字节流进行嵌入处理，得到矩阵Xe；将Xe分割为N个Patch，N个Patch的集合记为Xs；进行维度融合，将Xs各Patch的维度降为F，得到矩阵Xd；将Xd输入预测模型，或对Xd进行自适应步长处理后输入预测模型；预测模型，输出正向传播预测的概率，并进行反向传播，更新框架的参数；算术编码模块，依据预测的概率进行算术编码。本发明的框架，提高了字节概率预测的准确性，进而提高了多模式数据的压缩率。
-
公开(公告)号：CN110660453B
公开(公告)日：2023-03-07
申请号：CN201910953927.X
申请日：2019-10-09
Applicant: 中国原子能科学研究院 , 中国科学院计算机网络信息中心
Abstract: 本说明书实施例提供了一种基于指数时间差分格式求解速率理论方程的并行计算方法，基于速率理论建立物理微观缺陷模拟模型，速率理论没有时空尺度限制，因此在模拟高的损伤剂量条件下的微观结构演化时，能够明显体现出速率理论的优势，然后使用指数时间差分格式对于主方程进行求解，求解的结果精确性更好，精度更高。
-
Patent Agency Ranking
公开(公告)号：CN115204415A
公开(公告)日：2022-10-18
申请号：CN202210902401.0
申请日：2022-07-28
Applicant: 中国科学院计算机网络信息中心
IPC: G06N20/00
Abstract: 本发明涉及一种多智能体强化学习训练方法及系统，其方法包括：局部策略训练阶段，智能体局部策略利用自身的局部观测信息做出动作；全局策略训练阶段，智能体的全局策略利用局部策略作为与环境交互的动作模块，全局策略以环境全局状态作为输入，给出对全局信息在隐空间中进行编码，同时利用全部智能体的局部观测信息使用神经网络对全局状态进行拟合；局部策略结合各自的局部观测信息以及全局策略的输出在环境中做出符合环境要求的合适动作；局部策略优化阶段，利用前两个阶段得到的全局策略与局部策略以及拟合模型，在现有的局部策略的基础上进行优化，最终得到效果更好的智能体。本发明能提升多智能体强化学习训练的速度和准确性。
-
公开(公告)号：CN113360757A
公开(公告)日：2021-09-07
申请号：CN202110626878.6
申请日：2021-06-04
Applicant: 中国科学院计算机网络信息中心
IPC: G06F16/9535 , G06F40/30 , G06Q10/06
Abstract: 本发明涉及一种事件对目标业务影响的度量方法及装置，所述方法包括：获取对事件的关注度，以及获取目标业务对应的业务指标；根据所述若干单位时间段内各时间段对事件的关注度，确定关注度峰值时间段和关注度陡增时间段，并根据所述关注度峰值时间段和所述关注度陡增时间段确定事件影响区间。根据目标业务在所述若干单位时间段内各时间段对应的业务指标确定指标峰值时间段，并根据所述指标峰值时间段和所述关注度陡增时间段，确定指标影响区间。根据所述指标影响区间对应的业务指标确定事件影响程度。利用计算机，通过对历史类似的事件的舆情声量走势以及目标业务的资源分配形态走势上的分析，可以快速对事件的影响作出评估和预判。
-
公开(公告)号：CN113360600A
公开(公告)日：2021-09-07
申请号：CN202110620536.3
申请日：2021-06-03
Applicant: 中国科学院计算机网络信息中心
IPC: G06F16/33 , G06F40/216 , G06F40/30 , G06Q10/04 , G06Q10/06
Abstract: 本发明提供一种基于信号衰减的企业业绩预测指标筛选方法，通过对获取的目标企业的研报图表中的文本数据信号做衰减处理，对发布时间最新的文本，应当给予更高的权重，而离当前时点越远的文本数据信号，应给予更低的权重，这样保证了根据逻辑关联程度评判指标具有时效性，进一步地，保证筛选出来的先行指标更具预测应用价值。
-
公开(公告)号：CN113312497A
公开(公告)日：2021-08-27
申请号：CN202110611057.5
申请日：2021-06-01
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明涉及一种基于知识图谱的前瞻因子筛选方法及其系统，方法包括：通过第一企业信息获得企业产业链图谱，产业链图谱包括：企业原材料和主营产品；对当前产业链图谱中的节点进行扩展，扩展出原材料生成企业及其相关的原材料和主营产品；扩展主营产品需求企业及其相关的原材料和主营产品；将扩展的企业产业链图谱中原材料和主营产品节点提取，作为关键词，该关键词反映了企业产业链上下游原材料和主营产品关系；通过将关键词与指标进行模糊匹配，获得候选指标列表；通过第二企业信息和指标对应的指标值进行相关性计算，获得指标相关性，指标在列表中的位置反应了指标与第二企业信息的相关程度；通过将指标相关性进行去共线性计算，获得企业前瞻因子。
-
公开(公告)号：CN113128762A
公开(公告)日：2021-07-16
申请号：CN202110419476.9
申请日：2021-04-19
Applicant: 中国科学院计算机网络信息中心
IPC: G06Q10/04 , G06F16/2458 , G06N3/04 , G06N3/08 , G06Q50/06
Abstract: 本发明涉及一种多源异构数据的短期光伏发电功率预测方法及系统，该方法包括：接收非结构化数据的输入，经过Res‑Unet模型得到未来非结构化数据特征图，其中特征图作为解码器中注意力机制和长短期记忆网络模块的输入；所述编码器模块同时接收结构化数据的输入，经过编码器模块的长短期记忆网络和注意力机制模块后，得到结构化数据特征图，然后与非结构化数据特征图融合，输入到解码器模块；接收结构化数据特征图与非结构化数据特征图融合后的特征，通过注意力机制和长短期记忆网络模块对其解码后，得到未来时刻的光伏出力。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.053 seconds)
