-
公开(公告)号：CN119759598B
公开(公告)日：2025-05-09
申请号：CN202510276809.5
申请日：2025-03-10
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: 本发明涉及一种基于大模型意图感知的算力网络资源智能调度方法，属于算力网络资源自动配置技术领域，本发明充分利用大语言模型在意图识别方面的优势，以及智能体推理、规划等优势，并结合外部知识库扩展大语言模型的知识范围，从而提升回答准确性、减轻推理负担、增强动态更新能力，并提高对不同领域的适应性。通过与算网系统的有机结合，能够实现从用户自然语言描述到所需资源的自动化配置，简化操作流程、降低使用门槛，使更多用户能够轻松访问和使用丰富的算力资源。为降低在进行资源分配过程中无效的资源配置，提出了基于用户描述和模板的语法检查以及参数检查技术，从而提高程序的整体健壮性。
-
公开(公告)号：CN119783744A
公开(公告)日：2025-04-08
申请号：CN202510291378.X
申请日：2025-03-12
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: 本发明涉及一种面向边缘计算的深度神经网络模型块动态优化方法，属于深度学习技术领域，包括：从深度神经网络模型中提取出不同侧重点的模型块；对模型块进行剪枝，生成后代块；对后代块进行重训练以提高精度，得到带标签的后代块；基于系统当前的资源可用性及延迟要求，将带标签的后代块进行缩放优化；根据任务特点选择后代块组合方式，完成深度神经网络模型的部署。本发明旨在解决深度神经网络模型因结构复杂、计算量大而难以在资源受限的边缘设备上高效部署的问题，通过对深度学习模型的深度剖析和处理，提升模型在不同计算环境下的计算效率与部署灵活性。
-
公开(公告)号：CN119759598A
公开(公告)日：2025-04-04
申请号：CN202510276809.5
申请日：2025-03-10
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: 本发明涉及一种基于大模型意图感知的算力网络资源智能调度方法，属于算力网络资源自动配置技术领域，本发明充分利用大语言模型在意图识别方面的优势，以及智能体推理、规划等优势，并结合外部知识库扩展大语言模型的知识范围，从而提升回答准确性、减轻推理负担、增强动态更新能力，并提高对不同领域的适应性。通过与算网系统的有机结合，能够实现从用户自然语言描述到所需资源的自动化配置，简化操作流程、降低使用门槛，使更多用户能够轻松访问和使用丰富的算力资源。为降低在进行资源分配过程中无效的资源配置，提出了基于用户描述和模板的语法检查以及参数检查技术，从而提高程序的整体健壮性。
-
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：CN118939736A
公开(公告)日：2024-11-12
申请号：CN202410944068.9
申请日：2024-07-15
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: G06F16/28 , G06F16/215 , G06F16/2453 , G06F16/22 , G06F16/2455
Abstract: 本发明涉及基于查询和元数据异常检测的数据湖仓聚簇方法与系统，属于大数据计算技术领域。包括：数据采集与预处理；EC‑GKDE算法异常判定：对预处理操作后的数据集进行训练，得到所有查询任务的异常分数，进行初次判定；元数据信息异常判定：获取异常查询任务的关联表，获取Hive元数据服务中HDFS实际路径信息，并计算该HDFS实际路径下小文件所占比例，二次判定该异常查询任务的关联表是否为异常表；聚簇优化：提交聚簇任务，将小文件合并为大文件。本发明减少存储资源的开销，大大降低了查询任务需要消耗的时间；本发明可以控制聚簇操作执行的次数，减轻聚簇机制带来的并发更新不支持、增量查询不友好和集群资源浪费的问题。
-
Patent Agency Ranking
公开(公告)号：CN117958831B
公开(公告)日：2024-10-29
申请号：CN202311479336.6
申请日：2023-11-08
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: A61B5/318 , A61B5/346 , A61B5/00 , G06F18/241 , G06F18/2415 , G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/0455 , G06N3/0895
Abstract: 一种基于自监督学习的多导联心电分类方法，涉及心电信号分类技术领域，首先采用多种不同数据增强的方式对原始信号进行处理，设计合适的编码器模块和利用大量易获得的无标签数据提取心电特征，使编码器学习到更多关于心电信号类别的信息。最后利用少量标注数据微调模型编码器进行特征优化，通过训练模型，不断优化特征提取器的参数，使得生成的特征能够更好地反映输入数据的结构和信息。自监督学习的方式在一定程度上减少心电分类需要大量昂贵人工标注数据造成的阻碍，提高了模型的泛化能力。
-
公开(公告)号：CN118779197A
公开(公告)日：2024-10-15
申请号：CN202411237023.4
申请日：2024-09-05
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: G06F11/34 , G06F11/30 , G06F9/50 , G06N3/006 , G06F18/23213 , G06F18/2415
Abstract: 本发明涉及一种基于BWO和聚类算法的作业资源消耗模式分析方法，属于大数据计算技术领域；包括：(1)作业运行与任务调度；(2)工作节点资源指标监控；(3)数据预处理和生成数据集；(4)运行基于白鲸优化算法和K‑prototypes算法的BWO/K‑prototypes算法；(5)BWO/K‑prototypes算法最优解应用；(6)聚类结果分析；(7)Flink作业的资源消耗模式分析结果获取与保存。本发明不仅可以提升Flink集群的执行效率，避免异常抛出；还可以减少资源占用，避免不必要的资源浪费。
-
公开(公告)号：CN118488055A
公开(公告)日：2024-08-13
申请号：CN202410630553.9
申请日：2024-05-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L67/10 , H04L67/101 , H04L67/1008 , H04L67/60 , H04L67/61
Abstract: 本发明涉及云边环境中QoS感知的微服自适应在线迁移方法及系统，包括：首先，使用最长加权路径算法识别关键路径，基于CCT方法聚合这些关键路径，以得到待迁移候选微服务集；其次，通过基于关键路径变异系数和响应时间增量系数的倾斜决策树，从待迁移候选微服务集中准确地识别待迁移微服务；最后，使用平衡指标对待迁移微服务之间的网络通信开销以及资源竞争进行综合权衡，在线确定将待迁移微服务迁移到哪一个合适的空闲节点，实现云边环境中QoS感知的微服自适应在线迁移。本发明有助于在突发负载情况下满足QoS要求的基础上，提高系统资源的利用效率。
-
公开(公告)号：CN114741572B
公开(公告)日：2024-07-23
申请号：CN202210364463.0
申请日：2022-04-08
Applicant: 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F16/9035 , G06F16/9038 , G06F16/906
Abstract: 一种基于图卷积神经网络群组发现的群组推荐方法，根据电影主题类别将用户—电影交互数据划分为数据子集，使用各数据子集构建用户—电影交互图，通过图卷积网络从交互图中学习用户/电影嵌入表示，然后利用Kmeans算法进行群组发现，通过均值融合策略，将群组成员嵌入表示融合为群组嵌入表示，最后将群组嵌入表示与电影嵌入表示进行内积得到群组对电影的预测偏好得分，根据偏好得分向群组推荐电影。侧重于群组发现阶段的用户嵌入获取方法，考虑了群组的内部一致性对群组推荐算法性能的影响，将用户—电影的交互信息融入用户/电影的特征信息之中，提高了群组发现中的用户嵌入表示的准确度，进而增强了群组推荐算法的性能。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
267
records
(took 0.061 seconds)
