-
公开(公告)号：CN118503152B
公开(公告)日：2024-10-18
申请号：CN202410953981.5
申请日：2024-07-17
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) , 山东省公安厅
IPC: G06F12/10 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明涉及计算机缓存技术领域，提供了一种基于门控循环与多头注意力机制的缓存替换方法及系统。该方法包括，将获取的当前访问的缓存行地址和程序计数器，转换为嵌入向量；基于嵌入向量以及前一时间步的隐藏状态，采用门控循环单元，得到当前时间步的隐藏状态，作为下一时间步门控循环单元的输入之一；将拼接的若干时间步的隐藏状态和缓存行地址输入多头注意力机制，得到上下文向量；将上下文向量输入全连接层，输出每个缓存行被替换的概率。本发明将机器学习应用于缓存优化，以满足不断变化的数据处理需求，提高缓存系统的性能和智能程度，更好地应对日益复杂和多边的数据需求，实现更高效的缓存系统。
-
公开(公告)号：CN118503152A
公开(公告)日：2024-08-16
申请号：CN202410953981.5
申请日：2024-07-17
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) , 山东省公安厅
IPC: G06F12/10 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明涉及计算机缓存技术领域，提供了一种基于门控循环与多头注意力机制的缓存替换方法及系统。该方法包括，将获取的当前访问的缓存行地址和程序计数器，转换为嵌入向量；基于嵌入向量以及前一时间步的隐藏状态，采用门控循环单元，得到当前时间步的隐藏状态，作为下一时间步门控循环单元的输入之一；将拼接的若干时间步的隐藏状态和缓存行地址输入多头注意力机制，得到上下文向量；将上下文向量输入全连接层，输出每个缓存行被替换的概率。本发明将机器学习应用于缓存优化，以满足不断变化的数据处理需求，提高缓存系统的性能和智能程度，更好地应对日益复杂和多边的数据需求，实现更高效的缓存系统。
-
公开(公告)号：CN118484540B
公开(公告)日：2024-10-18
申请号：CN202410946552.5
申请日：2024-07-16
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) , 山东省公安厅
IPC: G06F16/35 , G06F18/213 , G06F18/2415 , G06N3/0442 , G06N3/0464 , G06N3/0455
Abstract: 本发明属于文本分类技术领域，具体涉及一种基于特征感知的文本分类方法及系统，包括：获取待分类文本数据；提取所获取的文本数据的全局特征和局部特征；采用多头注意力机制处理所提取的文本数据的全局特征和局部特征；基于特征感知算法优化处理后的文本数据的全局特征和局部特征，动态调整特征选择和网络参数，得到文本表示特征；根据所得到的文本表示特征计算待分类文本的分类概率，完成待分类文本的分类。
-
公开(公告)号：CN118484321A
公开(公告)日：2024-08-13
申请号：CN202410946509.9
申请日：2024-07-16
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) , 山东省公安厅
IPC: G06F9/54 , G06N5/01 , G06F18/23213 , G06F18/2431
Abstract: 本发明涉及计算机存储技术领域，提供了一种基于组级学习的缓存学习方法及系统。该方法包括，获取组级特征和子组级特征；当缓存需要进行淘汰时，根据待预测组的组级特征，采用已训练的组的梯度提升树模型，得到该组的预测效用值；根据组内子组的子组级特征，采用已训练的子组的梯度提升树模型，得到该子组的预测效用值；分别将组的预测效用值和子组的预测效用值按照数值大小进行排序；从效用值最低的组开始，选择与该组写入时间最接近的N‑1个组，构成一个包含N个组的淘汰候选集合；从N个组的淘汰候选集合，选择保留效用值高于设定值的若干个子组，其余淘汰出缓存。本发明能够更准确地预测数据对象组的效用，且减少不必要的缓存淘汰。
-
公开(公告)号：CN118484321B
公开(公告)日：2024-10-18
申请号：CN202410946509.9
申请日：2024-07-16
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) , 山东省公安厅
IPC: G06F9/54 , G06N5/01 , G06F18/23213 , G06F18/2431
Abstract: 本发明涉及计算机存储技术领域，提供了一种基于组级学习的缓存学习方法及系统。该方法包括，获取组级特征和子组级特征；当缓存需要进行淘汰时，根据待预测组的组级特征，采用已训练的组的梯度提升树模型，得到该组的预测效用值；根据组内子组的子组级特征，采用已训练的子组的梯度提升树模型，得到该子组的预测效用值；分别将组的预测效用值和子组的预测效用值按照数值大小进行排序；从效用值最低的组开始，选择与该组写入时间最接近的N‑1个组，构成一个包含N个组的淘汰候选集合；从N个组的淘汰候选集合，选择保留效用值高于设定值的若干个子组，其余淘汰出缓存。本发明能够更准确地预测数据对象组的效用，且减少不必要的缓存淘汰。
-
Patent Agency Ranking
公开(公告)号：CN118484540A
公开(公告)日：2024-08-13
申请号：CN202410946552.5
申请日：2024-07-16
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) , 山东省公安厅
IPC: G06F16/35 , G06F18/213 , G06F18/2415 , G06N3/0442 , G06N3/0464 , G06N3/0455
Abstract: 本发明属于文本分类技术领域，具体涉及一种基于特征感知的文本分类方法及系统，包括：获取待分类文本数据；提取所获取的文本数据的全局特征和局部特征；采用多头注意力机制处理所提取的文本数据的全局特征和局部特征；基于特征感知算法优化处理后的文本数据的全局特征和局部特征，动态调整特征选择和网络参数，得到文本表示特征；根据所得到的文本表示特征计算待分类文本的分类概率，完成待分类文本的分类。
-
公开(公告)号：CN119557409B
公开(公告)日：2025-05-09
申请号：CN202510121723.5
申请日：2025-01-26
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) , 山东山科智能科技有限公司 , 山东浪潮智慧医疗科技有限公司 , 山东健康医疗大数据有限公司
IPC: G06F16/3329
Abstract: 本发明涉及知识问答技术领域，涉及基于多模块协同优化的智能问答方法及系统，方法包括：将待回答的问题，输入到知识问答模型中，知识问答模型输出知识问答结果；模型中的知识范围判断模块判断依靠自身知识能否解决问题，如果不能就进入动态检索模块；动态检索模块根据待回答问题对记忆知识库的内容进行相似性检索，如果检索结果不符合要求，则进入多层次问题改写模块；多层次问题改写模块对待回答的问题进行改写，将改写的问题输入知识筛选模块；知识筛选模块根据改写的问题，输出筛选出的文档，自反思优化模块根据文档和问题生成初步答案，并判断初步答案的是否合理，如果不合理就进行自反思优化，为智能问答技术的发展提供了新的解决方案。
-
公开(公告)号：CN119851693A
公开(公告)日：2025-04-18
申请号：CN202510010866.9
申请日：2025-01-03
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)
Abstract: 本发明提出了基于混合池化策略的轻量化伪造语音检测方法及系统，属于语音处理及生物识别技术领域；通过卷积池化操作从原始语音数据中提取时频信息；基于混合池化方法从时频信息中提取高级特征表示，即：采用最大池化法提取低频特征，采用平均池化法提取高频特征；将低频特征和高频特征进行特征拼接以获得高级特征表示；按照频域和时序的方向对高级特征表示进行统计计算以获得高级特征统计结果；基于全连接层对伪造语音进行检测并输出检测结果。本发明能够在避免特征信息损失的基础上，降低伪造语音检测时的计算量及计算复杂性，应对未知攻击能力强；同时，显著提高了对伪造语音进行检测的准确率。
-
公开(公告)号：CN114896403B
公开(公告)日：2025-04-18
申请号：CN202210565193.X
申请日：2022-05-23
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) , 山东山科智能科技有限公司
IPC: G06F16/353 , G06F40/284 , G06F40/30 , G06F18/214 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及数据处理技术领域，公开了基于门控机制的企业二级行业分类方法及系统，包括：获取待分类的企业信息；将待分类的企业信息，输入到训练后的企业二级行业分类模型中，输出企业二级行业分类结果；其中，训练后的企业二级行业分类模型，其工作原理是：获取待分类企业信息的单词特征向量，再从单词特征向量中提取企业信息的上下文向量；然后，将单词特征向量与上下文向量进行拼接；对拼接后的向量分别提取上下文特征和局部显著特征；对提取的两种特征进行加权融合，将融合后的特征进行分类，得到最终分类结果。本发明减少了传统二级行业分类中的人力开支，缩短了企业行业分类的系统执行时间，且分类结果准确、系统安全。
-
公开(公告)号：CN119557849A
公开(公告)日：2025-03-04
申请号：CN202411610574.0
申请日：2024-11-12
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)
IPC: G06F18/27 , G06F18/15 , G06N3/0442 , G06N3/045 , G01W1/10 , G01W1/02 , G06F123/02
Abstract: 本发明涉及气象温度预测方法、系统、存储介质及设备，获取历史温度数据和影响温度变化的气象数据并预处理；预处理后的数据分别利用正向和反向的LSTM网络处理，得到时间序列的前向和后向隐藏状态序列，经拼接或逐元素加和得到双向隐藏状态序列；通过权重矩阵，将双向隐藏状态映射到注意力得分，经归一化处理得到每个时间步的注意力权重，并利用得到的注意力权重对双向隐藏状态序列加权求和，利用得到的上下文向量经全连接层处理，生成温度预测值。结合了双向LSTM和注意力机制，不仅增强了模型对复杂温度时间序列数据的处理能力，而且提高了预测的准确性和鲁棒性，从而应对传统方法的不足。
-
-
-
-
-
-
-
-
-
Search Results
300
records
(took 0.116 seconds)
