-
公开(公告)号：CN119557113A
公开(公告)日：2025-03-04
申请号：CN202510131779.9
申请日：2025-02-06
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: 本发明提供了一种用于异构设备的深度学习大模型训练方法及系统，其属于模型训练技术领域，为了解决传统方案在深度学习大模型的训练时，无法对异构GPU集群进行有效利用的问题，所述方案基于提出的虚拟设备概念，通过将待训练的深度学习大模型的不同网络层划分为若干阶段，每个阶段所有网络层的前向传播和反向传播计算均由独立的虚拟设备执行，同时，结合提出的混合并行训练策略来协调不同构的GPU资源的利用，实现高效的模型训练。
-
公开(公告)号：CN119250162A
公开(公告)日：2025-01-03
申请号：CN202411278919.7
申请日：2024-09-12
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: G06N3/098 , G06N3/045 , G06N3/0985 , G06N3/047
Abstract: 本发明提出了云边协同的模型自动化训练与在线学习集成方法及系统，通过云端对海洋模型进行离线训练，然后将预训练好的海洋模型发布到边缘端进行在线学习推理，以解决在线学习算法在初始模型预测阶段会遇到冷启动问题；将广义相加模型作为贝叶斯优化算法的代理模型，并采用同伦优化方法沿变形路径跟踪局部最小值，通过改进的贝叶斯优化算法对海洋模型进行超参数优化，提高超参数优化的效率和效果，提升海洋模型训练效率，缩短整个流程所需时间。
-
公开(公告)号：CN114360637B
公开(公告)日：2024-10-29
申请号：CN202210022369.7
申请日：2022-01-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 中国海洋大学
IPC: G16B15/00 , G16B25/00 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图注意力网络的蛋白质‑配体亲和力评价方法。为了解决数据集规模小的问题，本发明模拟半柔性对接过程，设计了基于分子柔性的数据增强方法(Data Enhancement Method based on molecular flexibility)，扩大数据规模、提高模型质量、保证了方法的科学性与合理性。本发明设计基于图注意力机制的分子特征提取方法，提取分子有效特征，提高打分函数的精度和性能。
-
公开(公告)号：CN118035722A
公开(公告)日：2024-05-14
申请号：CN202410177495.9
申请日：2024-02-08
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: G06F18/213 , G06F18/10 , G06N3/0895 , G06F123/02
Abstract: 本发明属于船舷风速预测技术领域，提供了一种基于自监督对比学习的船舷风速校正预测方法及系统，包括：获取海洋观测数据；提取所获取的海洋观测数据的数据特征；对所提取的数据特征进行多粒度对比学习，得到海洋观测数据的不同粒度时间序列数据的特征向量；根据所得到的时间序列数据特征向量，完成船舷风速的校正预测。本发明利用超声波风速数据来校正左右船舷风速，通过构建正负样本对，自动从海洋观测时间序列中提取不同粒度的表征向量，而无需手动调整参数或依赖领域专业知识；具备自动学习数据内在结构和模式的能力，提高对左右船舷风速数据误差的感知，增强校正能力。
-
公开(公告)号：CN111125347B
公开(公告)日：2023-10-27
申请号：CN201911376996.5
申请日：2019-12-27
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/338 , G06F16/36
Abstract: 本发明的基于unity3d的知识图谱3D可视化方法，包括：a).摄像机、天空盒和场景初始化；b).三元组数据获取；c).预制体的创建及三维物理结构组织；d).三维力学模型构建；e).帧循环；f).沉浸式摄影机脚本；g).全局摄影机脚本；h).属性信息显示及UI绘制；i).检索功能及传送功能；j).沉浸视图、全局视图切换。本发明的基于unity3d的知识图谱3D可视化方法，具有良好的可移植性和可扩展性，可以发布到web、手机、PC等多种平台，而不会像WebGL等技术一样开发后即对平台具有高度依赖；另一方面表现在未来可以方便的扩展至虚拟现实、增强现实等新兴的显示技术上，实现更广阔、更沉浸、更具互动性的知识图谱3D可视化。
-
Patent Agency Ranking
公开(公告)号：CN116681960A
公开(公告)日：2023-09-01
申请号：CN202310551874.5
申请日：2023-05-15
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: G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于K8s的中尺度涡旋智能识别方法及系统，涉及涡旋识别领域。包括将待识别图像输入到基于深度学习的中尺度涡旋识别模型中，对待识别图像进行特征提取，基于CBAM混合注意力机制进行加权；将输出特征图输入至ASPP中，设置膨胀卷积的膨胀率，同时将ASPP中池化分支替换为深度可分离卷积，得到编码器输出的特征图；将编码器输出的特征图输入解码器中，基于SKNet注意力机制计算不同尺寸感受野的权重，实现中尺度涡旋的智能识别。本发明能够准确的识别出海表面高度图像中的气旋式涡旋和反气旋式涡旋，而且还通过引入注意力机制技术使模型更加精确的分割出涡旋的边界信息，有效的解决了之前方法中的中尺度涡旋识别效果泛化性差的问题。
-
公开(公告)号：CN110767266B
公开(公告)日：2023-04-18
申请号：CN201911064826.3
申请日：2019-11-04
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛海洋科学与技术国家实验室发展中心
Abstract: 本发明的基于图卷积的面向ErbB靶向蛋白家族的打分函数构建方法，包括：a).构建ErbB靶向蛋白数据，对于ErbB包含的4个受体酪氨酸激酶ErbB‑1、ErbB‑2、ErbB‑3和ErbB‑4均构建靶向蛋白数据集；b).扩大数据集规模，采用原始构象、旋转构象、优化构象的方法扩大数据集规模；c).构建ErbB靶向蛋白家族机器学习打分函数模型；d).模型的训练和评估。本发明的打分函数构建方法，建了一个ErbB蛋白家族机器学习分子亲和力评估数据集，为ErbB蛋白家族的机器学习任务奠定了数据基础；通过GCN技术突破了经典打分函数的瓶颈，提高了打分函数的性能，解决了机器学习打分函数通用模型准确率低的问题。
-
公开(公告)号：CN114385126B
公开(公告)日：2022-06-21
申请号：CN202210291793.1
申请日：2022-03-24
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于资源调度技术领域，提供了一种基于K8s的多租户深度学习模型研发系统及方法，基于Docker、K8s等主流技术，针对不同租户的深度学习模型研发需求，通过微服务总线、微服务控制器和资源服务组件等统一数据、接口、资源标准，建立基于K8s的隔离空间，实现数据存储、模型设计、模型训练、模型评估、模型发布的自动化容器集群环境搭建和参数配置，支持资源管理、用户管理、权限管理、项目管理、数据管理、模型管理等操作，帮助用户快速高效地进行深度学习模型研发，解决了资源监控、自定义模型构建等方面不完善的问题，极大地提高AI应用开发的效率和资源利用率，满足多种业务场景的需求。
-
公开(公告)号：CN114360637A
公开(公告)日：2022-04-15
申请号：CN202210022369.7
申请日：2022-01-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 中国海洋大学
Abstract: 本发明公开了一种基于图注意力网络的蛋白质‑配体亲和力评价方法。为了解决数据集规模小的问题，本发明模拟半柔性对接过程，设计了基于分子柔性的数据增强方法(Data Enhancement Method based on molecular flexibility)，扩大数据规模、提高模型质量、保证了方法的科学性与合理性。本发明设计基于图注意力机制的分子特征提取方法，提取分子有效特征，提高打分函数的精度和性能。
-
公开(公告)号：CN112417166A
公开(公告)日：2021-02-26
申请号：CN202011309998.5
申请日：2020-11-20
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的知识图谱三元组置信度评价方法，包括评估阶段、融合阶段和校验阶段，a).实体层面评估；a‑1).数据源角度；a‑2).文献共现角度；a‑3).外链规模角度；a‑4).文本描述角度；a‑5).实体重要性角度；a‑6).实体的度的角度；b).关系层面评估；b‑1).数据源角度；b‑2).文献共现角度；b‑3).对实体间已知关系层面的评价；b‑4).对实体间未知关系层面的评价；c).知识图谱全局层面评估。本发明的知识图谱三元组置信度评价方法，可高效、快速、大规模的发掘知识图谱数据中的错误，进而提升整个知识图谱系统的数据质量；可以对链接预测、关系推理等机器学习任务的结果进行数据可靠性校验。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.059 seconds)
