-
公开(公告)号：CN118387110B
公开(公告)日：2025-01-17
申请号：CN202410493222.5
申请日：2024-04-23
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: B60W40/06 , G01C21/16 , G01C21/18 , G06V20/40 , G06V10/25 , G06V10/40 , G06V10/82 , G06F16/71 , G06F16/787 , G06N3/045 , G06N3/0464 , G06N3/08 , G08G1/01 , G08G1/052 , B60W50/00 , G07C5/08
Abstract: 本发明公开了一种道路异常检测方法及系统，属于道路检测技术领域。包括：获取陀螺仪数据和加速度计数据，对陀螺仪数据和加速度计数据进行卡尔曼滤波；基于加速度计数据的采样频率，根据卡尔曼滤波后的加速度计数据或陀螺仪数据，获取道路颠簸异常检测结果；获取移动视频，将移动视频输入训练好的道路异常检测模型中进行处理，获取道路异常检测结果；其中，通过基于轨迹分割的时空查询算法存储移动视频，以提高道路异常检测的查询效率。能够提高道路异常检测的精度和效率，解决现有道路检测鲁棒性、精确度低的问题。
-
公开(公告)号：CN119107493A
公开(公告)日：2024-12-10
申请号：CN202411130675.8
申请日：2024-08-16
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: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N7/01 , H04L47/125
Abstract: 本发明提出一种针对类别不平衡加密网络流量的分类方法及系统，涉及网络流量分类技术领域。包括获取原始类别不平衡加密网络流量，进行预处理，生成表征网络流量特征的真实的马尔可夫图像；搭建包括生成器和判别器的CWGAN‑GP网络，将真实的马尔可夫图像输入至CWGAN‑GP网络中，利用生成器生成马尔可夫图像，并利用判别器对生成的马尔可夫图像和真实的马尔可夫图像进行类别判别，实现对原始类别不平衡加密网络流量的分类。本发明克服了WGAN中的优化难题和样本可靠性问题，确保了样本生成的类别平衡，并保证了计算上更为高效。
-
公开(公告)号：CN117994635B
公开(公告)日：2024-06-11
申请号：CN202410396190.7
申请日：2024-04-03
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: G06V10/82 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/098
Abstract: 本发明属于机器学习技术处理，为了解决现有联邦学习中客户端模型训练的稳定性差，以及噪声负面影响的问题，提出了一种噪声鲁棒性增强的联邦元学习图像识别方法及系统，通过引入AdaBelief优化器和SCAFFOLD算法中的动量和控制变量机制对全局模型参数和全局控制变量进行本地更新，能够提高客户端本地训练稳定性并加快收敛速度；在客户端本地更新中，通过动态权重参数对损失函数进行改进，并结合平滑标签策略，个性化的学习策略在减少局部噪声的负面影响的同时并提高模型的泛化能力。
-
公开(公告)号：CN117994635A
公开(公告)日：2024-05-07
申请号：CN202410396190.7
申请日：2024-04-03
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: G06V10/82 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/098
Abstract: 本发明属于机器学习技术处理，为了解决现有联邦学习中客户端模型训练的稳定性差，以及噪声负面影响的问题，提出了一种噪声鲁棒性增强的联邦元学习图像识别方法及系统，通过引入AdaBelief优化器和SCAFFOLD算法中的动量和控制变量机制对全局模型参数和全局控制变量进行本地更新，能够提高客户端本地训练稳定性并加快收敛速度；在客户端本地更新中，通过动态权重参数对损失函数进行改进，并结合平滑标签策略，个性化的学习策略在减少局部噪声的负面影响的同时并提高模型的泛化能力。
-
公开(公告)号：CN115843070B
公开(公告)日：2023-06-16
申请号：CN202310152246.X
申请日：2023-02-23
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: 本发明公开了一种基于能量收集技术的海洋传感网络计算卸载方法及系统，涉及海洋观测传感网络技术领域，通过获取海洋传感设备在每一时隙内的实时信息，构建海洋传感设备在该时隙内执行计算任务的计算延迟和能量消耗以及将计算任务卸载至雾节点的传输时延和能量消耗，以此建立计算任务执行成本模型、海洋传感设备能耗模型和能量收集模型，并综合所构建的模型，以长期平均执行成本最小为目标函数，构建计算卸载模型，利用动态算法求解当前时隙内的最优计算卸载决策，实现为应用了能量收集技术的海洋传感网络提供最优计算卸载策略，为海洋传感设备和雾节点确定合适的任务卸载比例，提高海洋传感网络的计算性能，避免了节点资源浪费。
-
Patent Agency Ranking
公开(公告)号：CN119496738A
公开(公告)日：2025-02-21
申请号：CN202411712714.5
申请日：2024-11-27
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)
Abstract: 本公开提供了基于FPGA的RDMA数据传输优化方法及系统，涉及RDMA通信传输技术领域，包括构建以FPGA为核心的RDMA通信节点网络架构；RDMA通信节点网络初始化，为每一个节点设置一个寄存器表格；目的节点接收RDMA通信节点网络中的数据后，在处理数据的同时，记录当前接收时间节点，根据接收到的RDMA通信节点网络中的发射时间节点与当前的接收时间节点，更新目的节点对应的发射节点寄存器表格；目的节点在向信息发射节点发送反馈信号的同时，同步发射原有的发射时间节点与接收时间节点信息，当信息发射节点接收到数据反馈信号后，同样记录当前的接收时间节点，并根据RDMA传输信息中的发射时间节点和接收时间节点信息更新对应信息发射节点的目的节点寄存器表格。
-
公开(公告)号：CN119420708A
公开(公告)日：2025-02-11
申请号：CN202510020273.0
申请日：2025-01-07
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: 本发明涉及数据传输技术领域，本发明公开了一种时间敏感网络跨域流量调度方法、系统、介质及设备，包括：对于当前时间步，在状态下，通过主网络和贪婪策略进行动作选择后，计算动作执行后的奖励和下一时间步状态；将当前时间步的状态、动作、奖励和下一时间步状态作为一个转移，存储到重放记忆，当重放记忆中转移的个数达到阈值，则从重放记忆中采样多个转移；对于采样的每个转移，通过目标网络和Munchausen机制，计算每个分支的时间差目标值；通过主网络，计算每个分支的预测Q值；计算得到均方误差，基于均方误差更新主网络的参数；每间隔若干时间步，将主网络的参数赋值给目标网络。保证了流量调度的实时性和路由选择的可靠性。
-
公开(公告)号：CN119011670A
公开(公告)日：2024-11-22
申请号：CN202411022015.8
申请日：2024-07-29
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: H04L67/568 , G06F18/25 , G06Q50/00 , G06N3/0442
Abstract: 本发明提出了基于多尺度特征融合的主动边缘缓存方法及系统，涉及主动缓存技术领域。包括将移动边缘计算服务器集成到社交内容中心网络中；获取表征不同内容的历史流行度、用户社交关系和用户移动性的多尺度特征，将多尺度特征进行融合，得到统一的时间序列特征表示；将统一的时间序列特征表示输入至编码器中，提取内容的历史和未来时序特征，并将编码器的中间层输出向量输入至解码器中，基于多头注意力机制得到未来多步的预测流行度值，将多步预测流行度的平均值作为最终预测结果；将最终预测结果排名靠前的内容作为待缓存内容进行提前缓存。本发明提高了缓存命中率且降低系统总体内容访问延迟，提高系统整体缓存效率。
-
公开(公告)号：CN118864921A
公开(公告)日：2024-10-29
申请号：CN202410828723.4
申请日：2024-06-25
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: G06V10/764 , H04L9/40 , G06V10/82 , G06N3/0464 , G06N3/047
Abstract: 本发明提供了一种加密流量分类方法及系统，包括：将待分类的加密流量原始文件转化为马尔可夫链图像；基于获得的马尔科夫链图像，利用预先训练的流量分类模型，获得流量分类结果，其中，所述流量分类模型中每个残差单元内部的第二个卷积层之后和残差连接之前引入有坐标注意力机制，所述坐标注意力机制执行如下处理过程：对于输入的特征图，沿着图像的两个正交空间方向进行特征聚合，将空间坐标信息整合到注意力图中，获得输入特征图在特定空间方向上的特征依赖关系。
-
公开(公告)号：CN118227333A
公开(公告)日：2024-06-21
申请号：CN202410435319.0
申请日：2024-04-11
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: 本发明提出CPU/FPGA协同的网络遥测乱序重排方法及系统，涉及网络遥测技术领域。包括CPU将带内网络遥测报告拆分为待排序包和信息包，构建内存缓冲区和动态指针管理区，将待排序包存储至对应的内存缓冲区中，将信息包存储至动态指针管理区中；CPU将多个待排序包传输至FPGA的片外存储资源DDR中；FPGA调用多个加速排序内核并行进行待排序包的排序；FPGA排序完成后，将排序后的有序包传入DDR；CPU读取有序包，并从动态指针管理区中提取出有序包对应的信息包，进行重组恢复。本发明CPU和FPGA协同合作，提升了处理遥测数据的速度，降低了CPU的占用率和处理延迟。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.061 seconds)
