-
公开(公告)号：CN116840777A
公开(公告)日：2023-10-03
申请号：CN202310699258.4
申请日：2023-06-13
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: 本发明属于目标跟踪定位领域，提供了一种自适应平方根无迹卡尔曼滤波空间偏差配准方法和系统，初始化待测目标传感器，构建传感器量测方程和目标状态方程；自适应求取协方差矩阵的平方根，计算采样点和权值；利用自适应无迹卡尔曼滤波算法，基于k‑1时刻状态均值和协方差矩阵，估计k时刻的状态、量测与其他滤波中间参数；根据系统当前时刻是否因噪声等干扰造成异常量测数据，自适应校准状态方程中的可调参数；利用自适应无迹卡尔曼滤波算法和自适应聚类算法，根据k‑1时刻的偏差估计值及其误差协方差矩阵与预测的量测数据，构造偏差伪测量方程，对偏差值进行估计和补偿；重复上述步骤，形成闭环循环操作，进行迭代运算，直至完成所有传感器的配准。
-
公开(公告)号：CN115858792B
公开(公告)日：2023-06-09
申请号：CN202310132159.8
申请日：2023-02-20
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: G06F16/35 , G06F40/289 , G06F40/30 , G06F40/216 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及数据处理技术领域，公开了基于图神经网络的招标项目名称短文本分类方法及系统；方法包括：获取待分类的招标项目名称；对文本进行分词处理；将分词结果输入到训练后的短文本分类模型中，输出分类结果；训练后的短文本分类模型，对分词结果提取出语义图的特征矩阵；对分词结果构建顺序图，得到顺序图的特征矩阵；对分词结果提取出文本特征，将文本特征分别映射到语义图的特征矩阵和顺序图的特征矩阵中，得到映射后的语义图特征矩阵和映射后的顺序图特征矩阵；实现语义图和顺序图的图内传播和图间传播，对招标项目名称短文本进行分类，得到分类标签；本发明能够解决现有人工标注效率不高和信息资源严重浪费的问题。
-
公开(公告)号：CN115873819A
公开(公告)日：2023-03-31
申请号：CN202310009831.4
申请日：2023-01-05
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于计算生物学、计算机辅助设计和酶工程技术领域，具体涉及基于超级计算辅助获得D‑氨基酸转氨酶突变体及其应用。本发明基于超级计算辅助技术成功获得一种新的D‑氨基酸转氨酶突变体并对该酶进行了应用。与野生型酶相比，上述D‑氨基酸转氨酶突变体在40℃的半衰期t1/2>12 h，而野生型D‑氨基酸转氨酶仅为8.8 min，突变体的半失活温度T5015为45.3℃，比野生型D‑氨基酸转氨酶提高了约5.4℃。从而显著提高了其热稳定性及酶活性等，有效拓宽其应用领域和范围，具有广泛的工业应用前景，因此具有良好的实际应用之价值。
-
公开(公告)号：CN115766035A
公开(公告)日：2023-03-07
申请号：CN202211455832.3
申请日：2022-11-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学 , 山东山科智能科技有限公司
Abstract: 本发明公开了一种多节点的共识方法及系统，所述方法，包括：新的一轮共识开始，网关节点启用区块链网络中的边缘服务器节点和用户节点的注册ID，分别计算边缘服务器节点的信誉度和未依托边缘服务器的用户节点的信誉度，根据区块链节点的信誉度情况，确定第一设定阈值K1；对所有的区块链节点进行信誉等级划分，将信誉度低于K1的节点划分为恶意节点，对恶意节点进行剔除；然后，将剩余的区块链节点划分到对应的分区中；判断分区是否成功，如果成功就在分区内部进行节点共识，每个分区均选举出领导者节点；如果失败就返回上一步；在领导者节点之间进行全局共识，全局共识达成后，对交易结果生成新的区块，将新的区块保存到区块链上。
-
公开(公告)号：CN115565538A
公开(公告)日：2023-01-03
申请号：CN202211119112.X
申请日：2022-09-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 本发明公开了基于单分类多尺度残差网络的语音鉴伪方法及系统；其中所述方法，包括：获取待鉴别的语音数据；对语音数据进行分帧加窗处理；对分帧加窗处理后的语音数据进行特征提取操作；将提取的特征输入到训练后的多尺度残差神经网络模型中，生成置信度分数，根据置信度分数确定待鉴别的语音数据是真实语音还是伪造语音；其中，训练后的多尺度残差神经网络模型，使用单分类Softmax损失函数进行训练，学习一个特征空间，压缩真实语音表示并注入角度余量以分离嵌入空间中的伪造语音。
-
Patent Agency Ranking
公开(公告)号：CN113160844A
公开(公告)日：2021-07-23
申请号：CN202110459982.0
申请日：2021-04-27
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了基于噪声背景分类的语音增强方法及系统，包括：获取待处理语音信号；对待处理语音信号进行特征提取；将提取的特征，输入到训练后的分类器中，得到待处理语音的噪声背景标签；根据噪声背景标签，选择对应标签的训练后的生成器；将待处理的语音信号，输入到被选中的训练后的生成器中，得到增强后的语音信号。本方法选择了提取带噪语音的梅尔频率倒谱系数输入分类器对噪声背景进行分类，对分类好的语音使用同一个模型内针对此类噪声背景的生成对抗网络来实现语音增强，此方法在面对多场景下的语音增强都有较好的效果。
-
公开(公告)号：CN112581929A
公开(公告)日：2021-03-30
申请号：CN202011450095.9
申请日：2020-12-11
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G10K11/175 , G06N3/04 , G06N3/08
Abstract: 本申请公开了基于生成对抗网络的语音私密度掩蔽信号生成方法及系统，包括：生成随机噪声信号；将随机噪声信号输入到训练后的生成对抗网络中，训练后的生成对抗网络的生成器，生成保护语音私密度的掩蔽信号。此掩蔽信号与会议室内说话人发音特点类似，自然度更高且对窃听人员来说掩蔽信号的内容没有实际意义，从而达到对窃听者进行干扰的目的。该发明不但解决了常见的掩蔽信号掩蔽效率低、会对说话人有负面影响的问题，同时也节约了人力、物力，具有更高的环境适应性。
-
公开(公告)号：CN120032191A
公开(公告)日：2025-05-23
申请号：CN202510510088.X
申请日：2025-04-23
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 本发明提出了一种基于动态超前迭代的对抗样本生成方法及系统，属于人工智能安全技术领域；方法包括：对原始图像预处理，生成初始对抗样本；初始化运行参数，将运行参数和初始对抗样本输入到替代模型中进行迭代计算，每次迭代前计算超前因子，根据当前迭代次数判断迭代过程阶段并动态调整超前因子；基于累积动量和动态调整后的超前因子计算超前位置和损失函数梯度，基于损失函数梯度更新累积动量，并生成对抗样本，利用裁剪函数得到最终生成的对抗扰动；当达到最大迭代次数，对原始图像添加最终生成的对抗扰动，生成最终的对抗样本；若否，则重复执行上述步骤。有效解决了固定偏移量的局限性，动量稳定性以及梯度估计准确性的问题。
-
公开(公告)号：CN119089982B
公开(公告)日：2025-04-08
申请号：CN202411212448.X
申请日：2024-08-30
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) , 潍柴动力股份有限公司
IPC: G06N3/098 , G06N3/084 , G06N3/0499 , G06F21/57
Abstract: 本发明涉及应用于攻击场景下的分布式学习聚合方法、存储介质和程序产品。该方法包括：构建包含n个节点和单个参数服务器的异构分布式学习系统；参数服务器获取各个节点的梯度；基于接收的各个节点的梯度，参数服务器获取各个节点梯度的范数与方向；基于各个节点梯度的范数与方向，参数服务器计算各个梯度的保留概率，并进行概率筛选，确定保留梯度；根据梯度筛选结果，参数服务器获取各个保留梯度的平均值，根据各个保留梯度的平均值，进行全局模型参数的迭代优化，利用最终优化后的全局模型参数对异构分布式学习系统进行性能评估。本发明将梯度的范数与方向信息相结合，通过概率筛选实现了在异构分布式机器学习环境下保持拜占庭鲁棒性的目标。
-
公开(公告)号：CN114627847B
公开(公告)日：2024-12-17
申请号：CN202210231973.0
申请日：2022-03-09
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: G10K11/178 , G10L21/0216 , G10L25/30
Abstract: 本发明属于主动降噪技术领域，提供了一种基于频谱映射的主动降噪方法及系统，基于频谱映射，将噪声信号或者到噪声的语音信号输入LSTM网络对噪声信号或者带噪声语音信号中的噪声信号的频谱进行映射输出，根据相消干涉原理对噪声进行抵消，达到在误差麦克风处降低噪声声压级的目的，最后将误差信号用于计算损失函数并反馈给LSTM网络，直至网络损失函数最小并达到收敛状态，此方法将深度学习的知识用于主动降噪领域，不但提高了降噪效果，并且降低了传统信号处理方法对硬件设备的依赖问题。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.062 seconds)
