-
公开(公告)号：CN111736154B
公开(公告)日：2023-09-15
申请号：CN202010574529.X
申请日：2020-06-22
Applicant: 太极计算机股份有限公司
Abstract: 本发明涉及通讯技术领域，是三维气象雷达回波模型的构建方法和显示方法，包括第一步，获取反射率数据：获取气象雷达在目标时间点所有降水回波点的第一反射率数据；第二步，坐标系转换：将基于柱坐标系的第一反射率数据转换成基于三维地理坐标系的第二反射率数据；第三步，三维格点化：根据第二反射率数据获取每个格点的第三反射率数据；第四步，构建三维回波模型。本发明提供构建多层三维雷达回波模型，模型中包含了高度信息，且不会损失对应相同地理位置的不同高度的反射率数值。模型包括两层，能够包含两种反射率的降水回波点的分布状况。本发明提供的显示技术，能够调节内层模型和外层模型的外部轮廓的透明度，使外层模型不会遮挡内层模型。
-
公开(公告)号：CN116578406A
公开(公告)日：2023-08-11
申请号：CN202310854346.7
申请日：2023-07-13
Applicant: 太极计算机股份有限公司
Abstract: 本发明提供了一种面向分布式机器学习系统的任务平台连续运行调度方法，属于分布式机器学习技术领域，其中方法包括基于任务平台解析高优先级任务，且结合机器学习系统中所有节点占用任务结束时间以及当前资源占用情况进行分析，确定最快满足高优先级需求的第一节点，并向所述第一节点发送调度指令，将所述高优先级任务加入至对应第一节点的第一等待队列；基于任务平台解析低优先级任务，并确定剩余未被占用的节点和节点未被占用的资源是否满足所述低优先级任务的需求，若否，则将所述低优先级任务加入至所述机器学习系统的第二等待队列，有效保证了所述机器学习系统中节点的资源利用率。
-
公开(公告)号：CN116303747B
公开(公告)日：2023-08-01
申请号：CN202310328317.7
申请日：2023-03-30
Applicant: 太极计算机股份有限公司 , 中国民用航空局空中交通管理局航空气象中心
IPC: G06F16/26 , G06F16/2458 , G06F16/29 , G06F18/22 , G06Q50/26
Abstract: 本发明提供了一种基于航空气象四维数据集的可视化系统，包括：数据调取模块，用于从航空气象数据库中调取基于目标空间的气象数据集以及从航空飞行数据库中调取基于目标空间的飞行数据集；数据匹配模块，用于按照四维度气象条件，将气象数据集与飞行数据集进行数据匹配，得到针对不同空间点的组合信息；存储模块，用于对组合信息按照时间线顺序进行第一存储，同时，对组合信息按照不同天气要素进行第二存储；提取模块，用于根据用户可视化需求，匹配可视化方案，并按照可视化方案从第一存储结果中进行第一提取以及从第二存储结果中进行第二提取；可视化模块，用于对第一提取结果以及第二提取结果进行可视化融合展示。保证存储信息的灵活搭建，提高可视化效率。
-
公开(公告)号：CN116303747A
公开(公告)日：2023-06-23
申请号：CN202310328317.7
申请日：2023-03-30
Applicant: 太极计算机股份有限公司 , 中国民用航空局空中交通管理局航空气象中心
IPC: G06F16/26 , G06F16/2458 , G06F16/29 , G06F18/22 , G06Q50/26
Abstract: 本发明提供了一种基于航空气象四维数据集的可视化系统，包括：数据调取模块，用于从航空气象数据库中调取基于目标空间的气象数据集以及从航空飞行数据库中调取基于目标空间的飞行数据集；数据匹配模块，用于按照四维度气象条件，将气象数据集与飞行数据集进行数据匹配，得到针对不同空间点的组合信息；存储模块，用于对组合信息按照时间线顺序进行第一存储，同时，对组合信息按照不同天气要素进行第二存储；提取模块，用于根据用户可视化需求，匹配可视化方案，并按照可视化方案从第一存储结果中进行第一提取以及从第二存储结果中进行第二提取；可视化模块，用于对第一提取结果以及第二提取结果进行可视化融合展示。保证存储信息的灵活搭建，提高可视化效率。
-
公开(公告)号：CN115543537A
公开(公告)日：2022-12-30
申请号：CN202211247259.7
申请日：2022-10-12
Applicant: 太极计算机股份有限公司
Abstract: 本申请涉及一种机器学习模型在集群中的处理方法、装置及存储介质，该方法包括：获取模型训练调度请求，所述模型训练调度请求用于对集群中的数据库中的目标模型进行训练，所述模型训练调度请求中包括训练参数、模型识别参数和资源参数；所述数据库中存储有多个机器学习模型，所述目标模型为多个所述机器学习模型中的任一模型；基于所述集群本地的镜像资源构建容器镜像，并将所述调度请求中所包括的参数内置与所述容器镜像中；基于所述容器镜像对所述目标模型进行训练；在训练完成后，将训练完成后的所述目标模型的信息注册至所述集群的注册表中并发布已注册的所述信息。通过本申请，解决了现有技术中需要单独为每个机器学习任务分配GPU的问题。
-
Patent Agency Ranking
公开(公告)号：CN115271102B
公开(公告)日：2022-12-16
申请号：CN202211169956.5
申请日：2022-09-26
Applicant: 太极计算机股份有限公司
IPC: G06F9/48
Abstract: 本发明提供了一种机器学习引擎的任务导向的优先级方法及系统，其方法包括：确定用户的用户需求以及用卡状态，并判断所述用户的卡时额度是否充足，若不充足，则自动生成所述用户的待完成任务；分析所述待完成任务的任务优先级，并基于机器学习引擎规划对弹性任务的抢占时机；按照所述抢占时机，自动获取匹配资源供所述待完成任务使用。通过对确定需求以及用卡状态，便于向待完成任务规划弹性任务的优先处理情况，进而实现对待完成任务的优先级处理。
-
公开(公告)号：CN111736154A
公开(公告)日：2020-10-02
申请号：CN202010574529.X
申请日：2020-06-22
Applicant: 太极计算机股份有限公司
Abstract: 本发明涉及通讯技术领域，是三维气象雷达回波模型的构建方法和显示方法，包括第一步，获取反射率数据：获取气象雷达在目标时间点所有降水回波点的第一反射率数据；第二步，坐标系转换：将基于柱坐标系的第一反射率数据转换成基于三维地理坐标系的第二反射率数据；第三步，三维格点化：根据第二反射率数据获取每个格点的第三反射率数据；第四步，构建三维回波模型。本发明提供构建多层三维雷达回波模型，模型中包含了高度信息，且不会损失对应相同地理位置的不同高度的反射率数值。模型包括两层，能够包含两种反射率的降水回波点的分布状况。本发明提供的显示技术，能够调节内层模型和外层模型的外部轮廓的透明度，使外层模型不会遮挡内层模型。
-
公开(公告)号：CN118781861A
公开(公告)日：2024-10-15
申请号：CN202410649955.3
申请日：2024-05-23
Applicant: 太极计算机股份有限公司
Abstract: 本发明提供一种非航路上的飞行颠簸计算方法，属于飞行安全技术领域，包括：获取飞机历史飞行的EDR数据，分析EDR数据确定第一数据、第二数据；基于第一数据、第二数据确定飞机在航路上的飞行颠簸区域以及飞行的实际颠簸数据；获取历史飞行颠簸区域的第三数据，确定飞行颠簸区域的预测颠簸数据；基于飞机在飞行颠簸区域的实际颠簸数据以及预测颠簸数据，确定飞机在非航路上的飞行颠簸结果。可以客观分析飞行数据确定飞机在飞行颠簸区域的运行状态，全面准确的确定飞机在航路上飞行颠簸区域的实际颠簸数据、预测颠簸数据以及非航路上的飞行颠簸结果，优化飞行策略，增强乘客舒适度，提高飞机飞行的安全性和稳定性，减少意外事件的发生。
-
公开(公告)号：CN118778662A
公开(公告)日：2024-10-15
申请号：CN202410650456.6
申请日：2024-05-23
Applicant: 太极计算机股份有限公司
IPC: G05D1/46 , G01C23/00 , G05D109/20
Abstract: 本发明提供基于机器视觉的低空飞行颠簸区域判别方法，属于区域判别领域，包括：基于待判别通用航空飞行器的位移传感器采集位移数据，来获取待判别通用航空飞行器的飞行数据，并确定每个飞行时刻下的飞行状态；从通用航空飞行器数据库获取型号参数建立飞行器模型，并按照对应的规定飞行方式进行低空飞行模拟；获取飞行器模型在完整模拟过程中的飞行图像集，并获取每张飞行图像的飞行轮廓参数；确定每张飞行图像的采集时刻并匹配飞行状态，结合对应采集时刻下的飞行轮廓参数，确定颠簸区域。通过采集位移数据确定飞行状态并建立模型进行模拟，根据模拟结果确定轮廓参数，并根据采集时刻确定颠簸区域，能够实现恶劣数据条件下对颠簸区域的精确判断。
-
公开(公告)号：CN116578406B
公开(公告)日：2023-10-10
申请号：CN202310854346.7
申请日：2023-07-13
Applicant: 太极计算机股份有限公司
Abstract: 本发明提供了一种面向分布式机器学习系统的任务平台连续运行调度方法，属于分布式机器学习技术领域，其中方法包括基于任务平台解析高优先级任务，且结合机器学习系统中所有节点占用任务结束时间以及当前资源占用情况进行分析，确定最快满足高优先级需求的第一节点，并向所述第一节点发送调度指令，将所述高优先级任务加入至对应第一节点的第一等待队列；基于任务平台解析低优先级任务，并确定剩余未被占用的节点和节点未被占用的资源是否满足所述低优先级任务的需求，若否，则将所述低优先级任务加入至所述机器学习系统的第二等待队列，有效保证了所述机器学习系统中节点的资源利用率。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.034 seconds)
