-
公开(公告)号：CN116055290A
公开(公告)日：2023-05-02
申请号：CN202211728383.5
申请日：2022-12-30
Applicant: 济南超级计算中心有限公司 , 山东省计算中心(国家超级计算济南中心)
IPC: H04L41/0631 , H04L67/10
Abstract: 本发明公开了一种面向HPC计算任务的作业安全运行预警系统及方法，该系统包括多个客户端、服务端和预警端；多个客户端分别部署在HPC计算任务中的各运行节点处，用于采集各节点的实时节点运行信息；服务端部署在第一服务器中，用于对采集的实时节点运行信息进行数据处理并将其封装为预警系统可识别的数据格式；预警端部署在第二服务器中，用于识别处理后的节点数据，根据预设的预警规则和作业预警模型进行数据分析，分析各节点状态和作业运行状态，获取分析结果，根据分析结果对当前作业进行标记，对可能出现异常的作业进行预警。本发明通过上述系统对异常情况进行提前识别与定位，实现作业安全运行的提前预警，保障HPC计算任务的准确性。
-
公开(公告)号：CN118015686B
公开(公告)日：2024-06-28
申请号：CN202410423859.7
申请日：2024-04-10
Applicant: 济南超级计算技术研究院 , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于信息处理技术领域，提供了基于全模拟光子神经网络的情绪识别装置及方法，通过创建与训练图像数据集中不同离散情绪值对应的训练透明矩阵，通过训练透明矩阵中的单元值的卷积记录每一类情绪的每个点；在3D全息存储器矩阵上生成不同的分离全息点，所述全息点对应各种离散情绪值；随着训练透明矩阵的光学改变，以参考光束和对象光束的不同角度记录3D全息存储器矩阵的不同全息点处的各种情绪；接收待识别的图像，通过记录在3D全息存储器矩阵中的全息点的值识别得到情绪种类，减少了离散数字和光学操作。
-
公开(公告)号：CN118015686A
公开(公告)日：2024-05-10
申请号：CN202410423859.7
申请日：2024-04-10
Applicant: 济南超级计算技术研究院 , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于信息处理技术领域，提供了基于全模拟光子神经网络的情绪识别装置及方法，通过创建与训练图像数据集中不同离散情绪值对应的训练透明矩阵，通过训练透明矩阵中的单元值的卷积记录每一类情绪的每个点；在3D全息存储器矩阵上生成不同的分离全息点，所述全息点对应各种离散情绪值；随着训练透明矩阵的光学改变，以参考光束和对象光束的不同角度记录3D全息存储器矩阵的不同全息点处的各种情绪；接收待识别的图像，通过记录在3D全息存储器矩阵中的全息点的值识别得到情绪种类，减少了离散数字和光学操作。
-
公开(公告)号：CN117221627A
公开(公告)日：2023-12-12
申请号：CN202311082448.8
申请日：2023-08-24
Applicant: 山东省计算中心(国家超级计算济南中心) , 济南超级计算技术研究院
IPC: H04N21/236 , H04N21/242 , H04N21/43
Abstract: 本发明涉及一种多视角同步方法及自由视角系统，包括图像采集装置，具有多组并且布置在同一场景中，获取该场景内多个不同视角的画面并发送给计算服务器；计算服务器根据所有图像采集装置获取画面时对应的时间戳，将画面同步，同步后形成的视频流推送到内容分发服务器中；内容分发服务器根据移动端发送的请求，将单路或双路视频流推送到移动端中；移动端根据接收到的双路视频流中两个真实视点的图像，预测过渡视点对应的光流，对预测光流和输入帧进行变换及融合，获取过渡视点对应的估计图像，从而在双路视频流对应的真实视角中间，插入多个合成的虚拟图像。
-
公开(公告)号：CN115174654B
公开(公告)日：2023-05-23
申请号：CN202210824779.3
申请日：2022-07-14
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L67/141 , H04L69/16 , G06F13/42 , G06F13/40
Abstract: 本发明属于网络通信技术领域，提供了一种基于FPGA和InfiniBand网络的异地通信方法及系统，该方法通过软硬件结合的方式解决IB网络无法进行异地互联的问题，主要通过FPGA开发板实现IB网络物理层及链路层子网管理相关协议内容，从CPU程序中卸载IB网络相关功能，进而消除CPU程序对IB网络原生驱动的依赖。
-
Patent Agency Ranking
公开(公告)号：CN119622172A
公开(公告)日：2025-03-14
申请号：CN202411576831.3
申请日：2024-11-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本公开提供了基于GPU的稀疏三角求解并行优化方法及系统，涉及高性能并行计算技术领域，包括；获取待求解的线性方程组；对线性方程组中的稀疏系数矩阵进行分解，得到三角稀疏矩阵；基于三角稀疏矩阵，进行稀疏三角并行求解，得到最终的解；其中，所述稀疏三角并行求解是根据非零元素之间的依赖关系，确定每个非零元素所在的层级，基于层级划分顺序执行的子任务，单个子任务内采用同一层级内的非零元素并行求解、不同层级间的块间同步求解的方式，经由GPU的内核得到最终的解；本发明能进一步提高稀疏三角求解在GPU上的多线程并行性，还能有效避免负载不均衡问题以及资源利用率不高的问题。
-
公开(公告)号：CN119600329A
公开(公告)日：2025-03-11
申请号：CN202411560517.6
申请日：2024-11-04
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00
Abstract: 本公开提供了基于YOLOv8‑CP的微小宫颈细胞图像分类系统，涉及微小宫颈细胞图像分类技术领域，包括：图像获取模块，被配置为获取宫颈细胞病理图像，并进行预处理；分类模块，被配置为将预处理后的宫颈细胞病理图像输入至改进的YOLOv8‑CP网络模型进行识别分类，获取分类后的宫颈细胞类型；其中，将预处理后的宫颈细胞病理图像输入至改进的YOLOv8‑CP网络模型，所述改进的YOLOv8‑CP网络模型中，在改进的YOLOv8‑CP网络模型的骨干网络中引入上下文锚点注意力机制，并将其添加到SPPF结构的前面，利用所述上下文锚点注意力机制提取局部区域特征，并增强远程像素之间的相互依赖关系，引入强效损失函数增强对中等质量锚框的聚焦能力，实现对宫颈细胞病理图像的分类。
-
公开(公告)号：CN119399538A
公开(公告)日：2025-02-07
申请号：CN202411503853.7
申请日：2024-10-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/764 , G06V10/82 , G06V10/52 , G06V10/80 , G06V10/40 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提出基于改进DCGAN的脉冲星候选体生成方法及系统，利用改进的DCGAN生成脉冲星候选体图像，通过对不同尺度的通道信息进行提取，然后采用不同尺度的卷积处理生成通道注意力权重；提取输出特征多尺度的特征，然后基于不同池化操作处理，得到空间注意力图；能够增强图像的局部细节和全局特征，从而显著提升生成图像的整体质量和细节表现。
-
公开(公告)号：CN117746405A
公开(公告)日：2024-03-22
申请号：CN202311570207.8
申请日：2023-11-22
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/60 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094
Abstract: 本发明涉及脉冲星候选体识别技术领域，特别涉及脉冲星候选体的识别方法、系统、设备及存储介质，所述方法，包括：构建脉冲星候选体的第一数据集，对所述第一数据集进行预处理，采用预处理后的第一数据集对生成对抗网络进行训练，得到训练后的生成对抗网络；采用训练后的生成对抗网络对第一数据集进行处理，生成第二数据集；将第一、第二数据集合并作为总数据集；将总数据集，输入到DenseNet网络中，对其进行训练，得到训练后DenseNet网络；获取待识别脉冲星候选体的图像；将待识别脉冲星候选体的图像，输入到训练后的DenseNet网络，输出脉冲星候选体的星体类型。
-
公开(公告)号：CN117591961A
公开(公告)日：2024-02-23
申请号：CN202311393685.6
申请日：2023-10-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/243 , G06F18/15 , G06F18/213 , G06N3/0455 , G06N3/088 , G06N3/084
Abstract: 本公开提供了基于自归一化分类模型的脉冲星候选体识别方法及系统，涉及脉冲星候选体识别技术领域，包括获取脉冲星巡天观测数据；将所述脉冲星巡天观测数据输入到自归一化神经网络模型中，输出识别的脉冲星候选体；其中，在所述自归一化神经网络模型中，对高维的脉冲星巡天观测数据进行特征提取，提取出低维的脉冲星候选体数据特征，再将所述低维的脉冲星候选体数据特征进行维度还原，还原为与输入的脉冲星巡天观测数据相同的维度进行输出，并自动补充缺失或模糊的信息，实现数据重构，最后输出识别的脉冲星候选体。本公开提高了脉冲星候选体的识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.066 seconds)
