公开(公告)号：CN114780239A

公开(公告)日：2022-07-22

申请号：CN202210464650.6

申请日：2022-04-29

Applicant: 青岛海洋科学与技术国家实验室发展中心

Inventor： 魏志强 ,  马猛飞 ,  许佳立 ,  贾东宁 ,  桂琳 ,  王玉成 ,  俞茂学 ,  张成峰

IPC: G06F9/50 ,  G06F9/48

Abstract: 本发明公开了一种基于众核处理器以BCSR存储格式的SpMV实现方法与系统，上述方法包括：通过主核按任务块的大小遍历待计算的稀疏矩阵，并按数据块的大小以BCSR存储格式对稀疏矩阵进行划分并压缩，获得压缩后的矩阵；根据矩阵的规模将矩阵按任务块的大小进行划分并编号，形成任务池，并将划分好的任务按任务号分配至各从核；根据从核的数量划分系数向量，并将划分后的系数向量根据从核号分配并静态存储到各从核中；根据分配至各从核的所述任务中的任务数据以及获取的系数向量进行SpMV计算，获得各从核计算的结果向量；整合各从核计算的结果向量，得到完整的结果向量。通过上述方法，有效提高了SpMV的计算速度和性能。

公开(公告)号：CN115409166A

公开(公告)日：2022-11-29

申请号：CN202211095125.8

申请日：2022-09-05

Applicant: 青岛海洋科学与技术国家实验室发展中心

Inventor： 王勇 ,  魏志强 ,  马广浩 ,  王玉成 ,  周生辉 ,  刘园园

IPC: G06N3/063 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于国产SW处理器的飞桨深度学习框架移植方法，上述方法包括：搭建编译环境，在编译环境中根据SW处理器的编译系统修改深度学习框架及其第三方依赖库的编译策略；基于SW处理器修改深度学习框架的静态源代码与动态源代码；对深度学习框架与第三方依赖库分别进行编译，生成so库，并根据SW处理器的可执行文件结构对so库执行页对齐，进而完成深度学习框架在SW处理器上的移植。本方法可以将飞桨深度学习框架移植到基于国产SW处理器的神威超算机器，可满足更多的应用场景需求，并且代码开源，有完全自主知识产权，可持续优化和改进。

公开(公告)号：CN115774605A

公开(公告)日：2023-03-10

申请号：CN202211699602.1

申请日：2022-12-28

Applicant: 青岛海洋科学与技术国家实验室发展中心 ,  中国海洋大学

Inventor： 周生辉 ,  贾鲁豫 ,  刘园园 ,  魏志强 ,  王玉成 ,  王勇 ,  万修全

IPC: G06F9/455 ,  G06N3/0464

Abstract: 本申请公开了一种Kubernetes的预测式弹性伸缩方法及系统。所述Kubernetes的预测式弹性伸缩方法包括：获取经过训练的EEMD‑CNN‑BIGRU组合预测模型；获取当前时刻之前的预设时间内的负载量信息；将所述负载量信息输入至所述EEMD‑CNN‑BIGRU组合预测模型，从而获取下一个滑动窗口的HTTP请求量；根据下一个滑动窗口的HTTP请求量计算下一个滑动窗口的期望的Pod副本数量；根据期望的Pod副本数量对当前应用的Pod副本数量进行调整。本申请的Kubernetes的预测式弹性伸缩方法相对于现有技术，提出了一种EEMD‑CNN‑BIGRU组合预测模型，所述模型包括:使用EEMD分解超文本传输数据，获得的IMF分量作为训练集，输入到卷积神经网络获取潜藏特征被馈送到BiGRU进行双向学习。使Kubernetes集群中的应用有了负载预测能力，改善了HPA应对突发流量时的滞后性。

公开(公告)号：CN115329813A

公开(公告)日：2022-11-11

申请号：CN202210958311.3

申请日：2022-08-09

Applicant: 青岛海洋科学与技术国家实验室发展中心

Inventor： 魏志强 ,  张成峰 ,  贾东宁 ,  李鸿春 ,  薛家伟 ,  贾晓艺 ,  许佳立 ,  王玉成 ,  马猛飞 ,  张澜 ,  韩恒敏

IPC: G06K9/00 ,  G06K9/62

Abstract: 本申请公开了一种基于改进U‑Net的垂测电离图O波与X波信号分离方法。所述基于改进U‑Net的垂测电离图O波与X波信号分离方法包括：获取待分离垂测电离图；获取经过训练的改进的U‑Net模型，所述改进的U‑Net模型至少包括残差模块、注意力模块中的一个模块；将所述待分离垂测电离图输入至所述U‑Net模型，从而获取分离结果。本申请的基于改进U‑Net的垂测电离图O波与X波信号分离方法能够实现单通道接收垂测电离图O波与X波信号分离。该方法具有较强的鲁棒性，对多种模式的垂直电离图都具有良好的适用性。同时，该方法分离效果好，通过大量实测数据测试，该方法对垂测电离图O波与X波信号的像素级分离准确性达到91.6％，满足工程需求。

公开(公告)号：CN115880544A

公开(公告)日：2023-03-31

申请号：CN202211604754.9

申请日：2022-12-13

Applicant: 青岛海洋科学与技术国家实验室发展中心 ,  中国海洋大学

Inventor： 魏志强 ,  黄少童 ,  刘园园 ,  周生辉 ,  王玉成 ,  王勇 ,  万修全

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06F9/54

Abstract: 本申请公开了一种基于Kafka消息队列的图像分类模型增量训练方法及系统。所述基于Kafka消息队列的图像分类模型增量训练方法包括：通过Kafka消息队列收集增量数据；获取已经经过训练的模型；通过增量数据对已经经过训练的模型进行增量训练。本申请针对增量学习算法脱离生产环境的问题，借助消息队列系统提供了一种图像分类模型增量训练的系统和方法，将增量学习方案与流处理平台相结合，并可以有效的简化增量模型训练和部署的过程。