大数据、人工智能、超算协同的材料性能预测方法

    公开(公告)号:CN108876038B

    公开(公告)日:2021-07-16

    申请号:CN201810629623.3

    申请日:2018-06-19

    Abstract: 本发明提供一种大数据、人工智能、超算协同的材料性能预测方法,涉及材料性能预测技术领域,所述方法包括:获取原始数据集并进行预处理;创建多个不同的贝叶斯深度网络模型;构造权重的高斯先验分布;构造似然函数;根据贝叶斯准则计算权重的后验概率分布函数;然后利用高斯近似方法在超级计算机上并行求解每个模型的参数后验,直至参数后验收敛;之后利用预测集通过每个网络模型得到预测输出,计算每个贝叶斯深度网络模型的占所有网络的权重比;最后根据训练好的贝叶斯深度网络模型对预测集进行预测,得到最终预测值和预测值的误差条,至此,整个网络模型构建完毕。本发明的方法能够提高材料性能预测的质量和效率。

    一种人工智能数据服务系统

    公开(公告)号:CN111476373A

    公开(公告)日:2020-07-31

    申请号:CN202010286466.8

    申请日:2020-04-13

    Abstract: 本发明涉及一种人工智能数据服务系统,包括前端交互平台和人工智能数据平台;其特征在于,前端交互平台包括:数据检索服务模块,用于用户通过输入关键字或者根据数据领域划分来快速的检索并定位到自己所需的数据;所述数据包括数据集、API接口、数据模型;数据集服务模块,用于提供数据集的在线使用和下载功能,用户可以通过检索服务模块定位到所需数据集,通过数据集中的数据试用来进行在线的数据模型训练,也可通过申请将原始数据或者训练所产生的数据通过平台下载到本地;数据接口服务模块,用于用户申请获取密钥然后再进行参数填写加传递的形式来在线获取对应的数据;模型/算力服务模块,用于用户进行在线的便捷式的模型训练。

    一种基于深度学习的前瞻因子筛选方法

    公开(公告)号:CN111476030A

    公开(公告)日:2020-07-31

    申请号:CN202010382568.X

    申请日:2020-05-08

    Abstract: 本发明涉及一种基于深度学习的前瞻因子筛选方法,包括:通过分词,词频统计和词性分析得到因子数据库中的各个因子关键字,并建立因子黑名单;在行业数据库中查询得到行业的时间序列数据;在图表数据库中查询得到该行业的研报图表;通过字符识别技术,得到行业研报图表中的文字信息;通过分词、词频统计和词性分析得到行业研报图表中的关键字,并建立研报黑名单;逐条将行业研报图表关键字和因子关键字进行匹配,得到与该行业相关的因子数据;针对行业数据和因子数据,通过滑动窗口时差相关系数均值计算和先行判定得到行业相关因子和最优先行阶数列表;针对得到的列表,通过单因素方差分析进行去共线性分析,筛选因子列表得到该行业的前瞻因子。

    一种基于国产加速卡的反应堆中子输运计算方法

    公开(公告)号:CN110704106A

    公开(公告)日:2020-01-17

    申请号:CN201910957444.7

    申请日:2019-10-09

    Abstract: 本发明的实施例提供了一种基于特征线法在国产加速卡实现反应堆中子输运计算的加速方法,该计算加速方法针对反应堆物理关键计算技术与方法进行加速,包括基于确定论的特征线法解决中子输运方程计算理论的程序表达与计算程序相关物理模型实现,使用OpenMP+MPI实现运算程序并行性,基于开源OpenMOC计算平台,对计算加速相关关键代码进行移植与改进,匹配并适应国产加速卡。从而达到如下的良好效果:匹配并适应国产加速卡,有效利用国产加速卡的能力达到良好的加速效果;在保证计算精度与准确性的前提下,又提供了丰富的硬件兼容性与可扩展性;实现运算的并行性,中子输运方程计算需要大量计算资源,这使得计算可在高性能计算机大规模部署,进一步保证了计算的高速可靠。

    大数据、人工智能、超算协同的材料性能预测方法

    公开(公告)号:CN108876038A

    公开(公告)日:2018-11-23

    申请号:CN201810629623.3

    申请日:2018-06-19

    Abstract: 本发明提供一种大数据、人工智能、超算协同的材料性能预测方法,涉及材料性能预测技术领域,所述方法包括:获取原始数据集并进行预处理;创建多个不同的贝叶斯深度网络模型;构造权重的高斯先验分布;构造似然函数;根据贝叶斯准则计算权重的后验概率分布函数;然后利用高斯近似方法在超级计算机上并行求解每个模型的参数后验,直至参数后验收敛;之后利用预测集通过每个网络模型得到预测输出,计算每个贝叶斯深度网络模型的占所有网络的权重比;最后根据训练好的贝叶斯深度网络模型对预测集进行预测,得到最终预测值和预测值的误差条,至此,整个网络模型构建完毕。本发明的方法能够提高材料性能预测的质量和效率。

    一种海量告警数据并行采集系统、装置及方法

    公开(公告)号:CN103384205B

    公开(公告)日:2016-05-25

    申请号:CN201210134225.7

    申请日:2012-05-02

    Abstract: 本发明涉及一种海量告警数据并行采集系统、装置及方法。所述系统包括主控机、至少一台采集机、至少一台告警采集代理服务器和至少一台待采集设备。主控机通过网线与采集机相连,采集机通过卫星网络或网线与告警采集代理服务器相连,告警采集代理服务器与至少一台待采集设备相连。主控机采用带宽资源目标和/或计算资源目标计算的双目标任务调度模式,确定一个采集任务触发周期内可以并行执行的采集子任务数,将采集子任务映射到采集机的物理处理单元,采集机通过告警采集代理服务器对待采集设备采集数据。本发明充分利用采集机的带宽资源和计算资源,提高了海量告警数据的采集效率。本发明的系统、装置及方法广泛适用于网络数据采集领域。

    一种基于MCMC的并行分类方法

    公开(公告)号:CN102999477B

    公开(公告)日:2016-05-25

    申请号:CN201210563427.3

    申请日:2012-12-21

    Abstract: 本发明公开了一种基于MCMC的并行分类方法,包括:根据初始状态计算似然估计;根据似然估计计算出参数的后验概率;根据后验概率进行MCMC模拟运算,以当前状态为基础,产生新状态;根据新状态计算接受概率,并产生第一随机数,当第一随机数小于接受概率时,则下一时刻的状态为新状态,否则保持当前状态不变;产生同一列处理器中准备进行交换的马尔科夫链的标号;当处理器中的马尔科夫链参与了交换,则计算出交换概率,并产生第二随机数,判断交换概率和第二随机数的比较结果,当第二随机数小于交换概率时,则交换处理中的马尔科夫链的加热参数,否则交换不发生。本发明缩短了MC3算法和MCMC算法的执行时间,并减小了通讯开销。

    一种双调归并排序调优方法及装置

    公开(公告)号:CN103514042A

    公开(公告)日:2014-01-15

    申请号:CN201210204459.4

    申请日:2012-06-18

    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。

    一种海量告警数据并行采集系统、装置及方法

    公开(公告)号:CN103384205A

    公开(公告)日:2013-11-06

    申请号:CN201210134225.7

    申请日:2012-05-02

    Abstract: 本发明涉及一种海量告警数据并行采集系统、装置及方法。所述系统包括主控机、至少一台采集机、至少一台告警采集代理服务器和至少一台待采集设备。主控机通过网线与采集机相连,采集机通过卫星网络或网线与告警采集代理服务器相连,告警采集代理服务器与至少一台待采集设备相连。主控机采用带宽资源目标和/或计算资源目标计算的双目标任务调度模式,确定一个采集任务触发周期内可以并行执行的采集子任务数,将采集子任务映射到采集机的物理处理单元,采集机通过告警采集代理服务器对待采集设备采集数据。本发明充分利用采集机的带宽资源和计算资源,提高了海量告警数据的采集效率。本发明的系统、装置及方法广泛适用于网络数据采集领域。

Patent Agency Ranking