-
公开(公告)号：CN108985335B
公开(公告)日：2021-04-27
申请号：CN201810628508.4
申请日：2018-06-19
Applicant: 中国原子能科学研究院 , 北京科技大学 , 中国科学院计算机网络信息中心
Abstract: 本发明提供一种核反应堆包壳材料辐照肿胀的集成学习预测方法，涉及组合多个弱监督模型结果的集成学习材料预测技术领域。本发明采用堆叠的多层异态回归器模型，其为两层架构，第一层包括四个不同的基学习器，分别为人工神经网络、支持向量机、梯度提升和随机森林，并且第一层采用5折交叉验证训练，第二层通过XGBoost建立。本发明能够降低偏差和方差，提高模型的泛化能力，使材料特性的预测结果更加准确。
-
公开(公告)号：CN111695108A
公开(公告)日：2020-09-22
申请号：CN202010499985.2
申请日：2020-06-04
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明涉及一种异构计算环境中多源账号的用户统一账号标识系统，其包括：登录账号映射模块、计算账号映射模块、统一账号管理模块、映射管理模块和账号代理模块；其中，登录账号映射模块实现多来源登录账号到统一账号的动态绑定过程，并负责记录映射信息和日志信息；计算账号映射模块用于实现多来源计算账号到统一账号的动态绑定过程，并负责记录映射信息和日志信息；统一账号管理模块负责在异构平台的多种形式的终端之中的实现用户的身份标识功能；映射管理模块管理登录账号到统一账号、计算账号和统一账号之间的两层动态映射关系；账号代理模块负责对接不同的计算账号源，将计算资源的认证服务封装为统一的认证接口，实现简单的认证功能。
-
公开(公告)号：CN111598329A
公开(公告)日：2020-08-28
申请号：CN202010401266.2
申请日：2020-05-13
Applicant: 中国科学院计算机网络信息中心
IPC: G06Q10/04 , G06F16/2458 , G06N3/04
Abstract: 本发明实施例提供了一种时序数据预测方法及预测模型的训练方法，训练方法包括：分别从先获得的行业时间序列数据集和行业关键因子信息时间序列数据集中，查询给定行业和给定行业关键因子的时间序列数据；根据预测周期长度，划分上述给定行业和给定行业关键因子的时间序列数据，得到训练集，利用训练集对时序数据预测模型进行训练。时序数据预测方法包括，将给定行业和给定行业关键因子的时间序列数据，输入由该训练方法预先训练的时序数据预测模型，获得行业预测结果。使用上述方法，可根据行业历史信息和选择的关键因子信息，获取对行业的预测信息，同时，在训练中的特性工程和超参数调优中利用自动化参数调整，减少了训练过程工作量。
-
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。
-
公开(公告)号：CN108806810A
公开(公告)日：2018-11-13
申请号：CN201810622867.9
申请日：2018-06-15
Applicant: 中国原子能科学研究院 , 北京科技大学 , 中国科学院计算机网络信息中心
IPC: G21C17/00
Abstract: 本发明公开了一种核燃料棒性能分析方法。其中，该方法包括：获取多个轴向段的信息，其中，轴向段是将单个核燃料棒延轴向分割形成的一段燃料棒；将多个轴向段的信息分配给多个进程，其中，每个进程至少分配一个轴向段的信息；在轴向段的信息所分配的进程上分析多个轴向段的性能；根据多个轴向段的性能得到单个核燃料棒的性能)。本发明解决了现有技术中存在的对单棒分析速度较慢的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN103514042B
公开(公告)日：2018-01-09
申请号：CN201210204459.4
申请日：2012-06-18
Applicant: 中国科学院计算机网络信息中心 , 北京北龙超级云计算有限公司
IPC: G06F9/50
Abstract: 本发明涉及一种双调归并排序调优方法及装置。根据GPU和CPU的运算能力，分配待排序数据集；GPU和CPU对各自分配的待排序数据集进行排序；其中，排序过程中，当GPU和CPU中的数据有无关性时，同时使用CPU和GPU分别排序，在两部分数据有相关性时，将数据汇集到GPU和CPU中的一个设备上排序。由此，可以更好的重叠计算、缩短双调归并排序的执行时间，提高执行效率。
-
公开(公告)号：CN103384206A
公开(公告)日：2013-11-06
申请号：CN201210135226.3
申请日：2012-05-02
Applicant: 中国科学院计算机网络信息中心
IPC: H04L12/24
Abstract: 本发明涉及一种网络管理中面向海量数据的并行处理方法，尤其是一种提高带宽和资源利用率的任务调度方法，包括：定时从数据库中取出待采集任务，并将待采集任务插入任务采集队列，等待采集任务的执行；从任务采集队列中取出任务描述，根据带宽资源利用情况和/或计算资源使用情况将任务进行子任务划分，将子任务映射到采集任务处理单元等待子任务的执行；执行各个子任务以完成数据采集任务，将采集的数据加入数据缓存队列，并进行并行数据处理，将处理好的数据加入内存数据库；将内存数据库中的数据定期同步到物理数据库中。
-
公开(公告)号：CN103020258A
公开(公告)日：2013-04-03
申请号：CN201210564600.1
申请日：2012-12-21
Applicant: 中国科学院计算机网络信息中心
IPC: G06F17/30
Abstract: 本发明实施例涉及一种采用多核集群的LDA模型的训练方法、系统。方法包括：多核产生多个进程，每个进程均启动多个线程，用于分担处理多个训练文档；每个进程中的多个线程共同处理该进程负责处理的文档，每个线程给出其负责处理的文档的主题-词矩阵，该进程依据其所有线程给出的主题-矩阵得到该进程负责处理的文档的主题-词矩阵；根据所有的进程提供的主题-词矩阵得到所述多个训练文档的主题-词矩阵，并用该主题-词矩阵更新所述的LDA模型。本发明实施例采用多核并行处理，提高了主题-词矩阵的计算速度，有利于更快地更新LDA模型。
-
公开(公告)号：CN102750131A
公开(公告)日：2012-10-24
申请号：CN201210187386.2
申请日：2012-06-07
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明公开了一种面向GPU的双调排序方法和系统，通过一个线程操作向量来模拟多个比较器，多个线程并行执行归并排序，其中对同一个工作组内的线程同步使用同步函数来完成，对不同工作组内的线程同步通过CPU完成，进一步的可以使用多个向量来模拟更大长度向量，在排序过程中改变比较器操作数的写回地址，对内存读写进行优化。本发明在节省存储空间的基础上，有效地减少CPU和GPU之间的同步次数、减少执行指令的总量和延时、增加GPU计算单元的利用率。
-
公开(公告)号：CN119376977B
公开(公告)日：2025-04-15
申请号：CN202411436342.8
申请日：2024-10-15
Applicant: 中国科学院计算机网络信息中心
IPC: G06F9/54 , G06N3/098 , G06N3/0455
Abstract: 本公开涉及深度学习大规模模型并行训练通信优化，具体涉及一种基于有损压缩的大规模并行通信优化方法，包括：将原始数据划分为N×N个块数据；各个进程非阻塞接收来自上一个进程的块数据，同时基于SZX算法压缩本进程上一轮接收到的块数据，再非阻塞发送所述压缩后的块数据至下一个进程，同时解压缩接收到的块数据并进行规约操作，直至每个进程持有规约子块结果；每个进程以环形的方式并行通信，直至每个进程都持有所有进程压缩后的规约子块结果；各个进程开始对接收到的所有压缩后的规约子块结果进行解压缩并存储数据。该方法降低了大模型张量并行训练中的通信开销，实现发送和接收与压缩和解压缩时间开销的相互掩蔽，节约了时间成本。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.121 seconds)
