-
公开(公告)号：CN110262900B
公开(公告)日：2023-09-29
申请号：CN201910536896.8
申请日：2019-06-20
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于申威众核处理器的主核与核组之间通信锁同步运行加速方法，包括步骤如下：A、判断程序段A、程序段B、程序段C之间的程序上下文依赖关系；如果程序段A、程序段B、程序段C三者之间都存在程序上下文依赖关系，则顺序执行；否则，调整程序段A、程序段B、程序段C之间的执行顺序，进行执行；B、对连续的后三段程序段执行步骤A直至执行完所有的程序。本发明判断程序段之间的程序上下文依赖关系，分情况灵活处理，还引入了“通信锁”同步机制，节省了主核等待时间，实现了主核和核组的并行处理，程序执行过程中，减少了对spawn和join核组线程的需要次数，提高了程序的执行效率。
-
公开(公告)号：CN108628727B
公开(公告)日：2021-06-01
申请号：CN201810353590.4
申请日：2018-04-19
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于模式运行时特征的模式作业运行状态分析方法，包括：(1)实时提取状态特征、量化特征；(2)根据状态特征判别模式作业运行状态；(3)根据量化特征分析模式作业性能是否发生异常。本发明基于定性信息的状态特征，通过对有限个状态的直接判断，可有效发现一定类别的故障，提高了故障发现的及时性。基于性能参数的量化特征，通过相关性分析、常态范围判别、固定周期预测、时间序列分析等技术，能够及时识别模式作业的运行异常，能够有效发现计算节点挂死、作业无输出、中间变量异常等目前存在的不便识别和判断的现象，有利于模式的业务连续性运行保障。
-
Patent Agency Ranking
公开(公告)号：CN108632086B
公开(公告)日：2020-12-11
申请号：CN201810356611.8
申请日：2018-04-19
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种并行作业运行故障定位方法。该方法针对并行作业运行过程中出现的故障，首先列举了导致故障发生的所有原因，并对其进行分类、分级；然后，通过问题规模及其关联关系，建立故障定位分析方法，由上而下、逐层排查故障原因，缩小了故障的处理范围，有效解决了高性能计算系统中故障定位难度高且准确性差的问题。
-
公开(公告)号：CN108632086A
公开(公告)日：2018-10-09
申请号：CN201810356611.8
申请日：2018-04-19
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种并行作业运行故障定位方法。该方法针对并行作业运行过程中出现的故障，首先列举了导致故障发生的所有原因，并对其进行分类、分级；然后，通过问题规模及其关联关系，建立故障定位分析方法，由上而下、逐层排查故障原因，缩小了故障的处理范围，有效解决了高性能计算系统中故障定位难度高且准确性差的问题。
-
公开(公告)号：CN110262900A
公开(公告)日：2019-09-20
申请号：CN201910536896.8
申请日：2019-06-20
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于申威众核处理器的主核与核组之间通信锁同步运行加速方法，包括步骤如下：A、判断程序段A、程序段B、程序段C之间的程序上下文依赖关系；如果程序段A、程序段B、程序段C三者之间都存在程序上下文依赖关系，则顺序执行；否则，调整程序段A、程序段B、程序段C之间的执行顺序，进行执行；B、对连续的后三段程序段执行步骤A直至执行完所有的程序。本发明判断程序段之间的程序上下文依赖关系，分情况灵活处理，还引入了“通信锁”同步机制，节省了主核等待时间，实现了主核和核组的并行处理，程序执行过程中，减少了对spawn和join核组线程的需要次数，提高了程序的执行效率。
-
公开(公告)号：CN108628727A
公开(公告)日：2018-10-09
申请号：CN201810353590.4
申请日：2018-04-19
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于模式运行时特征的模式作业运行状态分析方法，包括：(1)实时提取状态特征、量化特征；(2)根据状态特征判别模式作业运行状态；(3)根据量化特征分析模式作业性能是否发生异常。本发明基于定性信息的状态特征，通过对有限个状态的直接判断，可有效发现一定类别的故障，提高了故障发现的及时性。基于性能参数的量化特征，通过相关性分析、常态范围判别、固定周期预测、时间序列分析等技术，能够及时识别模式作业的运行异常，能够有效发现计算节点挂死、作业无输出、中间变量异常等目前存在的不便识别和判断的现象，有利于模式的业务连续性运行保障。
-
公开(公告)号：CN115831099A
公开(公告)日：2023-03-21
申请号：CN202211509675.X
申请日：2022-11-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G10L15/02 , G10L15/06 , G10L15/16 , G10L25/30 , G10L25/51 , G06N3/048 , G06F18/214 , G06F18/24 , G06N3/08
Abstract: 本公开提供了一种基于残差注意力网络的语音鉴伪方法及系统，所述方案包括：获取待检测的音频数据，并进行相应预处理；对预处理后的音频数据进行特征提取，并对提取的语音特征数据进行分针处理，获得固定帧长的语音信号特征数据；基于所述语音信号特征数据，利用预先训练的残差注意网络模型，获得增强后的特征数据；其中，所述残差注意网络模型包括顺序连接的卷积模块、多尺度残差模块、收缩激励单元、注意力池化模块以及全连接层；将增强后的特征数据输入预先训练的分类器中，获得语音鉴伪结果。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
