-
公开(公告)号：CN108764445A
公开(公告)日：2018-11-06
申请号：CN201810401967.9
申请日：2018-04-28
Applicant: 国家电网公司 , 国网河北省电力有限公司信息通信分公司 , 中国科学院计算机网络信息中心
Abstract: 本发明涉及一种基于卷积神经网络的非对称信息多方动态博弈方法和系统，其中所述方法包括：对原始数据进行处理，得到训练数据；原始数据为服务器中记录数据；将训练数据转化成TFRecord格式的训练数据；建立一个卷积神经网络，将TFRecord格式的训练数据对卷积神经网络进行训练，以此进行最佳决策。本发明通过将服务器中原有的训练数据转化为适用于卷积神经网络的训练数据后，对卷积神经网络进行训练，使得系统可以在动态博弈过程根据当前信息进行最佳决策，从而达到战胜其他博弈方、取得胜利的目的。
-
公开(公告)号：CN109117254A
公开(公告)日：2019-01-01
申请号：CN201810697878.3
申请日：2018-06-29
Applicant: 国家电网公司 , 国网河北省电力有限公司信息通信分公司 , 中国科学院计算机网络信息中心
Abstract: 本发明涉及一种深度学习框架的调度方法及系统，其中，系统包括全局资源管理器ResourceManager、多个节点管理器NodeManager、应用程序管理器ApplicationMaster和资源容器Container；在所述YARN调度系统的配置选项中增加图像处理器GPU选项以及是否使用图像处理器GPU，并在所述全局资源管理器ResourceManager中增加图像处理器GPU的资源类型、添加图像处理器GPU的权重设置、增加可深度优先搜索GPU通用接口；对每种应用设计单独的客户端并修改部分应用程序管理器，使更改配置后的YARN调度系统与其他系统软件相结合。采用本发明的系统和方法，结合传统的大数据集群框架HadoopYARN，能够在Hadoop平台上实现GPU资源的管理与调度，在本发明的系统中深度学习框架作为一个普通程序被使用的调度，极大提高GPU的被使用能力。
-
公开(公告)号：CN112311723A
公开(公告)日：2021-02-02
申请号：CN201910683787.9
申请日：2019-07-26
Applicant: 国网河北省电力有限公司信息通信分公司 , 国家电网有限公司 , 中国科学院计算机网络信息中心
Inventor： 陈连栋 , 王珏 , 杨会峰 , 刘芳 , 辛锐 , 王占魁 , 申培培 , 刘玮 , 程凯 , 国明 , 孙辰军 , 黄镜宇 , 李宁博 , 刘咸通 , 陈明 , 辛晓鹏 , 赵林丛 , 林静 , 路欣
Abstract: 本发明提供一种基于国家电网信息系统特点的域名服务防护方法，依次建立具有国家电网信息系统特点的域名服务特征库、防护策略知识库。使用深度学习的方法,对具有国家电网信息系统特点的新特征进行机器学习,补充新特征，同时对访问系统的流量进行检测，分析其流量特征是否符合国家电网信息系统的特点。如果不符合，则根据防护策略知识库进行自动防御。如果防护策略知识库没有发现该特征，则配合以人工处理，将处理方式自动记录，以后变为自动处理。与现有域名服务防护方法，本发明着重基于保证国家电网信息系统安全、稳定运行，与此同时，提高了处理效率，节约了升级成本。
-
公开(公告)号：CN106503827B
公开(公告)日：2020-12-11
申请号：CN201610838314.8
申请日：2016-09-21
Applicant: 国网河北省电力公司 , 国家电网公司 , 中国科学院计算机网络信息中心
Abstract: 本发明提供了一种多时序混合整数规划问题的处理方法和装置。该方法包括：根据多时序混合整数规划问题，创建多时序混合整数规划问题的数学模型，其中，数学模型包含目标函数和约束条件。采用多个线程对多时序混合整数规划问题的数学模型进行计算。当多个线程中的任一线程获得多时序混合整数规划问题的数学模型的最优解时，终止多个线程中的其他线程。上述方法，通过并行多线程算法能够在短时间有效的求解带有较多约束的混合整数规划问题，从而解决新能源发电受限的情况，获取新能源目标函数的最优值。
-
公开(公告)号：CN106503827A
公开(公告)日：2017-03-15
申请号：CN201610838314.8
申请日：2016-09-21
Applicant: 国网河北省电力公司 , 国家电网公司 , 中国科学院计算机网络信息中心
Abstract: 本发明提供了一种多时序混合整数规划问题的处理方法和装置。该方法包括：根据多时序混合整数规划问题，创建多时序混合整数规划问题的数学模型，其中，数学模型包含目标函数和约束条件。采用多个线程对多时序混合整数规划问题的数学模型进行计算。当多个线程中的任一线程获得多时序混合整数规划问题的数学模型的最优解时，终止多个线程中的其他线程。上述方法，通过并行多线程算法能够在短时间有效的求解带有较多约束的混合整数规划问题，从而解决新能源发电受限的情况，获取新能源目标函数的最优值。
-
Patent Agency Ranking
公开(公告)号：CN107276115A
公开(公告)日：2017-10-20
申请号：CN201710344435.1
申请日：2017-05-16
Applicant: 国家电网公司 , 国网河北省电力公司 , 中国科学院计算机网络信息中心
Abstract: 本发明涉及一种新能源接纳能力优化仿真系统，所述系统的数学模型包括：TP(t,j)＝TPmin(t,j)·X(t,j)+P(t,j)及本发明实施例提供的一种新能源接纳能力优化仿真系统有效地解决了传统机组组合建模火电机组启停机过于频繁的问题。此外，启停机过程约束还可以应用到基于机组组合建模的其他电力系统模型，使得建模更加贴近实际情况。本发明为实际生产提供了更好的指导，解决了目前由于传统机组组合建模火电机组启停机过于频繁的问题导致新能源发电受限现象严重的情况，通过求解该模型，提高了模型运算效率，实现了最大化新能源的接纳能力的目的。
-
公开(公告)号：CN108343315A
公开(公告)日：2018-07-31
申请号：CN201810073670.4
申请日：2018-01-25
Applicant: 国家电网公司 , 国网河北省电力有限公司信息通信分公司
CPC classification number: E05B19/0082 , E05B19/00 , G06K7/1417
Abstract: 本发明适用于机房工具管理技术领域，提供了钥匙管理方法及装置。所述方法包括：接收客户端发送过来的登录信息，根据预存的客户端信息验证登录信息是否正确；若验证登录信息正确，发送扫码提示给客户端，以使客户端根据扫码提示扫描钥匙箱上的二维码；接收客户端在扫描二维码后发送的第一取钥匙指令，第一取钥匙指令携带客户端编号；根据客户端编号获取客户端的巡视范围和使用权限；根据巡视范围和使用权限推送给客户端可用钥匙选项；接收客户端根据可用钥匙选项发送的第二取钥匙指令，将第二取钥匙指令发送至钥匙箱，以使钥匙箱弹出对应的钥匙。采用上述方案后，能提高钥匙管理效率，提高工作人员的工作效率，保障机房的安全。
-
公开(公告)号：CN119441698B
公开(公告)日：2025-04-29
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：CN118821941A
公开(公告)日：2024-10-22
申请号：CN202410825709.9
申请日：2024-06-25
Applicant: 中国科学院计算机网络信息中心
IPC: G06N5/04
Abstract: 本申请提供了一种理性思考的方法，应用于大语言模型，方法包括：确定结构化流程，结构化流程包括：识别任务中的关键信息，关键信息包括关键词和潜在的问题类型；根据关键信息将任务拆分为多个子任务；获取与每个子任务的答案相关的先验信息；根据先验信息反思关键信息和多个子任务中每个子任务的有效性和合理性，纠正潜在的问题类型和逻辑漏洞；基于反思的结果对每个子任务进行推理和逻辑计算；评估每个子任务的初步答案，整合后确定合理的答案；将结构化流程整合到决策过程中，使得大语言模型在接收到任务后，执行结构化流程，输出合理的答案。
-
公开(公告)号：CN109034386A
公开(公告)日：2018-12-18
申请号：CN201810668856.4
申请日：2018-06-26
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明提供一种基于资源调度器的深度学习系统及其方法，包括：多个高性能计算节点，每个高性能计算节点包含多块图形处理器；还包括：资源调度器和深度学习框架，其中，资源调度器用于根据用户所提需求，从多个高性能计算节点中选取所需要的资源分配给用户；通过解析插件解析所述资源调度器分配给用户资源的环境变量，获取相应的参数；深度学习框架根据所述参数形成一个运行的进程，从而开始执行深度学习程序；在深度学习程序完成之后，所述资源调度器回收所有分配的资源，从而完成整个深度学习过程。本发明为各类深度学习框架提供一个整体的集中管理的系统，有效地提高了分布式学习框架的运算效率。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.145 seconds)
