-
公开(公告)号：CN106446514A
公开(公告)日：2017-02-22
申请号：CN201610780332.5
申请日：2016-08-31
Applicant: 中国石油大学(华东)
CPC classification number: G06N3/0436 , G16Z99/00
Abstract: 本发明提出了一种基于模糊理论和神经网络的测井相识别方法，首先，构建模糊区域卷积神经网络，将给出目标假设区域和目标识别放入同一个网络中，共享卷积计算，一个训练过程更新整个网络的权重；接下来，测井数据经过模糊区域卷积神经网络进行卷积和池化操作，卷积层和池化层交互，在卷积层和池化层进行模糊操作，从模糊区域卷积神经网络的第一层开始，逐渐增加模糊化的层数，针对不同的数据集调整模糊化层数，模糊区域卷积神经网络的最后一层得到特征向量，该特征向量通过一个滑动窗口将特征映射到一个低维向量中，然后将特征输入到两个全连接层，一个全连接层用来定位，另一个全连接层用来分类。
-
公开(公告)号：CN106250982A
公开(公告)日：2016-12-21
申请号：CN201610547970.2
申请日：2016-07-04
Applicant: 中国石油大学(华东)
IPC: G06N3/06
Abstract: 本发明提出了本发明提出了一种基于脉冲神经膜系统和匀质神经细胞的逻辑或门设计方法，基于脉冲累加信息编码方式，使用统一神经计算单元，辅以2类信息过滤单元，通过神经计算单元和信息过滤单元的级联实现了逻辑或门的计算过程。本发明基于脉冲神经膜系统和匀质神经细胞的逻辑或门设计方法，将构造逻辑或门使用的神经计算单元种类降至最少的1种，这有助于利用统一的神经计算单元实现神经电路；利用神经元的级联，实现信息的传递和并行处理，最终实现执行逻辑计算的功能，具有分布式并行的计算特性，可以为神经电路的实现提供可行的计算模型。
-
公开(公告)号：CN119623524A
公开(公告)日：2025-03-14
申请号：CN202411783314.3
申请日：2024-12-06
Applicant: 中国石油大学(华东)
IPC: G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F17/13 , G06F17/14 , G06Q50/02
Abstract: 本发明涉及石油勘探技术领域，具体说是用于石油勘探的U型因式分解傅里叶神经算子。它包括转化模块，提升算子通过线性全连接网络将输入函数提升到潜在空间；U‑Net神经网络模块，用于获取高频信息；算子层模块，进入傅里叶神经算子层学习低频信息；投影模块，投影算子通过线性全连接网络投影回物理空间。通过上述技术方案，本发明的U型因式分解傅里叶神经算子可以有效减小丢失的高频信息对求解精度的影响，减小U型因式分解傅里叶神经算子学习偏微分方程的难度，偏微分方程求解器为石油工业软件的核心组件，该组件集成到石油工业软件中，是一项增储上产、提高采收率以及优化生产过程的关键技术。
-
公开(公告)号：CN119416897A
公开(公告)日：2025-02-11
申请号：CN202510018253.X
申请日：2025-01-07
Applicant: 中国石油大学(华东)
Abstract: 本发明属于人工智能及高性能计算技术领域，特别涉及一种提高深度算子网络模型推理求解和训练速度的方法。本发明针对PI‑DeepONet模型进行多层次的优化，提高其推理求解速度和训练速度。本发明定制SGEMM算子，在PI‑DeepONet常用的模型尺寸范围内，SGEMM算子相较于CUDA计算平台的基础线性代数库中最好的单精度矩阵乘法可取得最高1.5倍的加速比。针对模型中使用的modified MLP的特殊结构设计融合算子，模型的端到端推理速度获得2倍以上的加速比，图形处理器计算时间最高可被缩短5.7倍。本发明使用数据并行对模型进行分布式训练，并使用通信掩盖的策略，可扩展性保持在83%‑85%。
-
公开(公告)号：CN119292891A
公开(公告)日：2025-01-10
申请号：CN202411822629.4
申请日：2024-12-12
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及超级计算机技术领域，特别涉及新兴超级计算机用可解释DeePMD套件性能系统，包括：共享DP‑perf模型：用于分析每个DeePMD‑kit操作员的执行时间后计算每个DeePMD‑kit操作员的峰值性能；还包括分布式DP‑perf模型：用于分析跨MPI流程的通信时间，用于实现大规模仿真；还包括定制的DeePMD套件操作器：用于获得DeePMD套件性能模型模拟的总时间后预测DeePMD套件在没有实际运行的情况下可实现的性能，通过上述技术方案，本发明具有提高DeePMD套件的资源利用率的分析准确率和可以在没有实际运行的情况下预测DeePMD套件可实现的性能的优点。
-
Patent Agency Ranking
公开(公告)号：CN118588233B
公开(公告)日：2024-10-22
申请号：CN202411066784.8
申请日：2024-08-06
Applicant: 中国石油大学(华东)
IPC: G16H20/10 , G16H70/40 , G16H50/70 , G06F16/36 , G06F40/295
Abstract: 本发明属于医药、计算机技术领域，特别涉及一种知识图谱驱动的神经退行性疾病药物推荐方法。该方法包括S1、数据准备：将使用的数据源分为两类，即非结构化科学出版物和结构化医疗知识数据库；S2、使用BERT+CRF进行命名实体识别；S3、使用BERT+Biaffine进行关系抽取；S4、使用TF‑IDF进行概念归一化和实体消歧；S5、以通路为核心的图定义：S6、使用DistMult+GNN进行知识结构重构：S7、使用MRR、HITS@k进行图谱准确性评价；S8、使用香农熵、联合熵、互信息进行潜在信息量评价。
-
公开(公告)号：CN118262828B
公开(公告)日：2024-08-16
申请号：CN202410674666.9
申请日：2024-05-29
Applicant: 中国石油大学(华东)
IPC: G16C20/50 , G16C20/70 , G16B15/30 , G16B40/00 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048
Abstract: 本发明属于分子生成技术领域，特别涉及基于结构的创新型多尺度生成模型。PSA‑MolGen模型利用卷积神经网络提取分子的三维结构特征和蛋白质配体的相互作用信息。然后，引入PSA模块，PSA模块可捕捉分子和蛋白质配体特征的局部和全局通道注意力，从而融合多尺度空间信息。此外，加载预先训练的模型可以迁移到三维空间中任意目标特异性分子的生成中，利用概率设置的迁移学习算法适应各种基于结构的分子设计任务。结果表明，PSA‑MolGen模型可以设计出具有理想特性的分子，包括与特定蛋白质的高结合亲和力和良好的药物特性，类似先导药物的特性。
-
公开(公告)号：CN118229873A
公开(公告)日：2024-06-21
申请号：CN202410269598.8
申请日：2024-03-11
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于全尺度特征融合的嵌入式肝肿瘤和血管三维重建系统，涉及智慧医疗、深度学习、计算机辅助诊断领域。包括：1)肝癌病人CT数据采集标注、裁剪和标准化获取有关的数据；2)多尺度语义相关特征提取与分割模块，对CT影像，通过全局‑局部特征融合特征提取模块提取在各种感受野下的特征；3)三维可视化渲染模块，主要对预测的语义标注做三维重建，通过高斯滤波对CT图像每一层做通过移动四面体法进行三维重建。4)预测结果将反馈给用户，并将用户数据以及预测分析记录作为历史参考数据存入系统服务器中的数据库，以便用户下载和查看；5)经过药物研究者确定后的预测数据可以用于扩充数据集，对模型进行参数调优，不断提升重建的泛化能力。6)模型基于硬件感知自动量化的方案，部署在嵌入式轻量化微处理器中，优化计算和存储开销。
-
公开(公告)号：CN118070043A
公开(公告)日：2024-05-24
申请号：CN202410310408.2
申请日：2024-03-19
Applicant: 中国石油大学(华东)
IPC: G06F18/213 , G06F18/214 , G06F18/23
Abstract: 本发明公开了一种高精度可解释的海洋溶解氧浓度(MDOC)智能反演框架，该框架包含内容如下：首先利用概念漂移检测技术进行关键帧数据提取，在提升反演精度的情况下显著减少了训练数据量，进而提升了基于数据约简的可解释性。然后通过RuleFit模型对所述关键帧数据进行学习并进行规则提取，可以在高精度反演的情况下通过对运算规则的分析实现模型运算机理可解释。最后使用事后可解释分析方法如SHAP分析与LIME分析，在反演结果角度分别提供模型运算机理的全局解释与局部解释。通过分析本框架中RuleFit规则、SHAP分析以及LIME分析与海洋专业文献中真实海洋观测过程的解释结论一致性，证明了本框架在高反演精度水平下能够显著提升模型的可解释性。
-
公开(公告)号：CN117994246A
公开(公告)日：2024-05-07
申请号：CN202410291841.6
申请日：2024-03-14
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及种基于深度学习与联邦学习的肝血管与肝肿瘤智能识别系统，涉及图像处理、医疗大数据、深度学习、联邦学习领域。包括：1)通过CT扫描仪进行数据采集，获取肝血管及肝肿瘤CT医疗图像；2)数据经过训练组件，采用深度学习算法进行肝血管及肝肿瘤CT医疗图像的处理，得到训练模型；3)用户利用训练组件得到的模型，输入待分析的数据进智能分析组件中，即可得到分割完毕的肝肿瘤与肝血管的相对位置的CT图像，并利用大语言模型自动生成病情诊断结果；4)共享服务组件将接收到的不同计算机的肝血管与肝肿瘤深度学习模型参数进行同态加密与差分隐私处理，保证系统的安全性5)共享服务组件在集合不同计算机的算力后对模型的参数进行更新，再将模型参数传回对应的本地计算机，进一步提高模型的准确性与模型算法效率。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.032 seconds)
