-
公开(公告)号：CN117782100A
公开(公告)日：2024-03-29
申请号：CN202311820877.0
申请日：2023-12-27
Applicant: 中科南京信息高铁研究院
IPC: G01C21/20 , G08G3/00 , G06T7/00 , G06V10/80 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06V10/82
Abstract: 本发明涉及航迹预测领域，具体涉及一种多模态航迹预测方法、装置、电子设备。方法包括以下步骤：获取第一预设时长、预设精度的航迹数据；获取航迹数据中每个时间点对应的地形图像；将第一预设时长、预设精度的航迹数据及其对应的地形图像输入预训练的多模态预测模型，得到第二预设时长、预设精度的航迹预测数据；本技术方案综合运用了地形模态输入处理、非线性感知与时序建模，以及融合注意力机制优化多源数据整合，共同提升了航迹预测的整体效能。
-
公开(公告)号：CN117749908A
公开(公告)日：2024-03-22
申请号：CN202311628607.X
申请日：2023-12-01
Applicant: 盐城中科高通量计算研究院有限公司 , 中科南京信息高铁研究院
Abstract: 本发明涉及数据传输和数据压缩技术领域，具体涉及一种基于控制流与数据流协同的高通量数据压缩传输方法。包括：步骤一、控制流分析：分析传输数据的需求和特征；步骤二、数据压缩：发送端将原始数据进行分块处理，并利用压缩算法对数据流进行压缩处理；步骤三、控制流优化：发送端将压缩后的数据流与控制流协同打包，形成数据包；步骤四、数据传送：发送端通过网络将数据包传输到接收端；步骤五、数据流解压：接收端接收到数据包后，将数据包进行解包，分离出控制流和数据流；接收端根据控制流指令对数据流进行解压缩，并将解压后的数据流进行处理。该方法通过将控制流和数据流在传输过程中协同处理，实现高效的数据传输和压缩。
-
公开(公告)号：CN116048912A
公开(公告)日：2023-05-02
申请号：CN202211636518.5
申请日：2022-12-20
Applicant: 中科南京信息高铁研究院
IPC: G06F11/30 , G06F18/2431 , G06F18/214 , G06F18/2433
Abstract: 本发明涉及数据处理领域，具体涉及一种基于弱监督学习的云服务器配置异常识别方法主要包括以下步骤：S1:读取服务器基础配置信息，所述服务器基础配置信息包括离散变量与非离散变量，读取历史服务器使用时长；S2:将服务器基础配置信息作为CatBoost回归模型的特征变量，将历史服务器使用时长作为CatBoost回归模型的监督信息，得到服务器使用时长的预测模型；S3：将服务器基础配置信息中的非离散变量、使用服务器使用时长的预测模型得到的预期服务器使用时长作为孤立森林模型的特征变量，得到异常识别模型。本发明利用了服务器使用时长作为服务器搭配异常问题的弱监督信号，从而提升了模型的表现力。
-
公开(公告)号：CN119902772A
公开(公告)日：2025-04-29
申请号：CN202411988124.5
申请日：2024-12-31
Applicant: 盐城中科高通量计算研究院有限公司 , 中科南京信息高铁研究院
IPC: G06F8/41
Abstract: 本发明公开了面向异构硬件的高通量计算框架及自适应编译方法，涉及高通量计算与计算机体系结构交叉技术领域，具体包括统一计算框架模块、自适应编译模块和运行时支持模块，所述统一计算框架模块提供一个抽象的高层计算接口，使开发人员按照统一的接口规范编写高通量计算代码，分解计算任务，并进行任务调度和数据管理；自适应编译模块用于对编写的高通量计算代码进行编译，并根据异构硬件特性自动优化代码；运行时支持模块在任务执行时监控系统状态并进行动态调整。本发明构建统一的面向异构硬件的计算框架和自适应编译方法，通过抽象硬件差异、自动代码优化和运行时动态调整，实现高通量计算在异构硬件环境下的高效执行。
-
公开(公告)号：CN119622473A
公开(公告)日：2025-03-14
申请号：CN202411750800.5
申请日：2024-12-02
Applicant: 中科南京信息高铁研究院
IPC: G06F18/241 , G06F18/25 , G06F18/21 , G06V10/44 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种应对海上复杂环境的多模舰船智能识别系统，包括：数据采集与增强模块，用于采集舰船图片及相应的辅助信息并对舰船图片进行增强；图像清晰度提升模块，用于对增强后的图像进行清晰度提升；图像分割模块，用于对增强后的图片进行舰船识别以及背景分离；多模态分类模块，用于对舰船图片进行分类识别，确定舰船型号。本发明通过多模态数据融合、先进的图像处理技术、创新的分类模型设计和详尽的知识库构建，大幅提升了海上舰船识别的准确性、适应性和效率。
-
Patent Agency Ranking
公开(公告)号：CN119847673A
公开(公告)日：2025-04-18
申请号：CN202411898076.0
申请日：2024-12-23
Applicant: 中国科学院计算技术研究所 , 中科南京信息高铁研究院
IPC: G06F9/455 , G06F16/903
Abstract: 本发明提出一种用于高效管理、拉取容器镜像的方案。在该方案中，在镜像仓库侧，对其镜像文件存储架构进行深度改进，采用数据块为单位细致梳理镜像文件的相关数据，精准识别并剔除重复数据块，极大降低了镜像仓库的存储压力，使存储资源得到更合理利用。在此基础上，巧妙融合哈希桶与布隆过滤器的技术优势，构建高效的指纹检索结构，显著提高数据块的检索效率；在客户端侧，以数据块为单位从镜像仓库拉取容器镜像以启动容器，这种精准拉取方式巧妙避开了不必要数据的传输，为数据传输开辟捷径，有效减少了网络资源占用，切实提高容器镜像拉取效率，全方位推动容器技术在数据处理与应用上的进步。
-
公开(公告)号：CN117609470A
公开(公告)日：2024-02-27
申请号：CN202311681686.0
申请日：2023-12-08
Applicant: 中科南京信息高铁研究院
IPC: G06F16/332 , G06N5/02 , G06N20/00 , G06F40/30
Abstract: 本发明提供了一种基于大语言模型和知识图谱的问答系统、其构建方法及智能化数据治理平台，解决了传统模型在处理离散变量时可能忽略的重要信息问题，从而实现了更准确和全面的数据分析。利用自然语言处理将用户查询转换为数据库命令，结合结构化和非结构化数据生成的知识图谱，提高了数据查询的效率和准确性。本发明通过langchain技术连接大型语言模型与图数据库，在数据处理和查询的速度、灵活性及扩展性方面具有显著优势，能够有效地处理大规模数据集，满足日益增长的数据需求。总体而言，本发明在提高数据处理效率、用户交互友好性、以及处理复杂数据关系和大量非结构化数据方面带来的改进，为现代数据密集型应用环境提供了强大的支持。
-
公开(公告)号：CN119902871A
公开(公告)日：2025-04-29
申请号：CN202411988119.4
申请日：2024-12-31
Applicant: 盐城中科高通量计算研究院有限公司 , 中科南京信息高铁研究院
Abstract: 本发明涉及高通量计算技术领域，且公开了基于生物启发式算法的高通量计算资源调度系统及方法，包括任务建模与初始化模块、生物启发式调度算法模块和动态调整与监控模块，任务建模与初始化模块接收计算任务和资源信息，将处理后的数据传递给生物启发式调度算法模块；生物启发式调度算法模块进行资源调度优化，并将任务分配方案输出给任务执行部分；动态调整与监控模块在任务执行过程中监控系统状态。该基于生物启发式算法的高通量计算资源调度系统及方法，通过采用基于生物启发式算法的调度策略，能够全面考虑任务和资源的多种复杂因素，有效提升资源利用率，减少任务的等待时间和执行时间。
-
公开(公告)号：CN116450300A
公开(公告)日：2023-07-18
申请号：CN202310487399.X
申请日：2023-05-04
Applicant: 中科南京信息高铁研究院
Abstract: 本发明涉及软件开发领域，具体涉及一种基于容器技术的并行自动化GitOps系统，包括：统一Gitlab代码仓库运行环境，存放开发人员提交的代码的环境,同时为容器化的中间件服务提供基础运行环境；统一流水线任务容器运行环境，运行持续集成工具，同时按照所属分支类型为属于不同分支的流水线任务挂载属于该分支单独的仓库；统一业务容器开发运行环境，提供各个不同业务系统项目的各个小组之间相互资源隔离的自测环境，同时为其中的微服务容器提供映射到宿主机的端口；统一业务容器测试运行环境；统一业务容器生产运行环境。本发明能够充分利用服务器的计算和存储能力，在保证各个项目没有环境冲突的情况下，能够有效节约服务器资源，提高资源利用率。
-
公开(公告)号：CN119759946A
公开(公告)日：2025-04-04
申请号：CN202411613241.3
申请日：2024-11-13
Applicant: 中国科学院计算技术研究所 , 中科南京信息高铁研究院
IPC: G06F16/2453 , G06F16/22 , G06F16/21 , G06F40/284 , G06N3/044 , G06N3/0442 , G06N3/042 , G06N3/08
Abstract: 本发明提供了一种代价估计模型构建方法，包括：步骤S1、获取已执行的历史查询计划以构建训练数据集；步骤S2、采用独热编码方式和词嵌入编码方式对历史查询计划进行编码处理，以获取历史查询计划的初始向量表示；步骤S3、构建初始模型；步骤S4、以历史查询计划的初始向量表示为输入，历史查询计划的执行代价为输出，执行多轮迭代训练更新初始模型参数直至收敛。本发明的技术方案在提取特征信息时额外提取算子位置信息的特征，使得代价估计模型能够更加全面的表示查询计划在算力网场景下的执行特性；还引入词嵌入编码方式进行编码处理，不仅提高了编码效率，还能在不牺牲准确性的前提下减少代价估计模型预测时占用的计算资源。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.024 seconds)
