-
公开(公告)号：CN119942616A
公开(公告)日：2025-05-06
申请号：CN202510060439.1
申请日：2025-01-15
Applicant: 齐鲁工业大学(山东省科学院) , 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) , 天津理工大学
IPC: G06V40/16 , G06V10/774 , G06V10/30 , G06V10/24
Abstract: 本发明涉及扩散伪造人脸检测方法技术领域，具体涉及一种基于多模态细粒度CLIP的扩散伪造人脸检测方法，具体如下：构建分层细粒度人脸数据集，对数据集中人脸图像和对应的分层细粒度标签分别进行预处理；将预处理后得到的分层细粒度标签张量输入至细粒度文本生成器得到细粒度文本#imgabs0#，与人脸图像张量#imgabs1#形成人脸图像文本对#imgabs2#；对人脸图像文本对#imgabs3#分别进行处理，得到预测语言特征#imgabs4#和预测图像类别特征#imgabs5#；通过损失函数和Adam优化器对各模块中参数进行优化和训练，得到优化训练后的CLIP多模态细粒度模型；将待检测的图像输入至训练优化好的CLIP多模态细粒度模型中，得到最终真假判别结果。本发明可以提高扩散伪造人脸检测模型效率和跨模态检测能力。
-
公开(公告)号：CN119938281A
公开(公告)日：2025-05-06
申请号：CN202510429446.4
申请日：2025-04-08
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)
Abstract: 本发明涉及针对含依赖的分层步进变换循环的异构平台并行优化方法，属于电子信息技术领域。包括：1）CPU预处理外层数据依赖；在分层步进变换循环中，将外层依赖数据从整个分层步进变换循环中提取出来，在CPU端独立执行计算；2）分层循环调整为一层循环；3）进行提取后依赖数组的重映射。本发明将外层依赖数据从整个循环体中提取出来，在CPU中提前计算。从而避免对核函数的多次启停，造成时间浪费。本发明提出将分层步进循环改为一层循环的方法和步骤，同时修改了数据访问方式，减少了不确定数据的频繁传输，提高执行效率。
-
公开(公告)号：CN114741161B
公开(公告)日：2025-05-02
申请号：CN202210487700.2
申请日：2022-05-06
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)
IPC: G06F9/455
Abstract: 本发明涉及一种基于混合集群的HPC作业集群感知方法，包括：A、获取传统虚拟化云集群环境和容器云集群环境作业运行日志记录信息；B、初构建、处理传统虚拟化云集群环境和容器云集群环境下的作业运行数据集；C、训练得到基于传统虚拟化云集群环境和容器云集群环境两种环境下的基于RFR随机森林回归算法的预测模型；D、根据用户提交的作业需求信息，预测模型给予运行时间、CPU使用率、内存使用率的预测；E、将作业运行结果信息对提交的作业进行集群感知模型的处理，最终形成HPC作业集群节点感知方法。本发明建立两种环境下的预测模型，并以预测结果为依据进行集群节点感知，达到了根据作业需求自动感知最佳集群节点的效果。
-
公开(公告)号：CN119903476A
公开(公告)日：2025-04-29
申请号：CN202411989902.2
申请日：2024-12-31
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: G06F18/25 , G06F18/213 , G06N3/0442 , G06N3/08
Abstract: 本发明提出基于时序生成式模型的有效波高的时空预测方法及系统，对目标预测时间对应的目标区域的历史ERA5再分析数据进行编码降维，生成离散变量，有效地降低了数据的维度，同时保留了关键信息；将生成的离散变量和对应的目标区域的历史ERA5再分析数据共同输入至DALSTM模型中，能够综合利用离散变量和初始数据，实现对海浪特征的深入提取和融合，提高后续有效波高预测的准确性和效率。
-
公开(公告)号：CN119892499A
公开(公告)日：2025-04-25
申请号：CN202510360779.6
申请日：2025-03-26
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: H04L9/40 , G06F18/15 , G06F18/214 , G06F18/2135 , G06F18/21 , G06F18/2433 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/094
Abstract: 本发明属于数据分析与网络安全技术领域，具体涉及一种基于物理约束与自适应阈值的虚假数据注入攻击检测和定位方法。所述方法包括：通过预处理多个传感器的测量数据，将数据输入到基于物理约束和时间条件嵌入的WGAN框架进行训练；WGAN生成符合物理规律的高质量合成数据，并结合LSTM捕捉时间序列的长短期特性；随后，利用CNN‑Transformer模型进行全局特征提取和动态阈值生成，结合基于分位数的动态检测机制分析正常数据的分布，精准定位潜在攻击来源；最终，通过循环优化模型架构与参数，提升检测与定位的精度与效率。
-
Patent Agency Ranking
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：CN119149240B
公开(公告)日：2025-04-08
申请号：CN202411594962.4
申请日：2024-11-11
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: G06F9/50
Abstract: 本发明提出面向深度学习的细粒度、干扰感知的GPU调度方法及系统，涉及GPU资源调度技术领域。包括在离线阶段收集工作负载的资源需求信息；生成每个应用程序对应的在GPU上执行的CUDA内核任务；拦截每个应用程序CUDA内核任务的启动请求，并将启动请求对应的CUDA内核任务缓存在每个应用程序对应的任务队列中；对于高优先级应用程序，直接将对应任务队列中的CUDA内核任务提交给GPU调度；对于低优先级应用程序，根据干扰评分以及资源需求判断是否提交CUDA内核任务至GPU进行调度。本发明能够减少任务之间的资源冲突和干扰，实现GPU资源共享，提高GPU资源利用率。
-
公开(公告)号：CN119089982B
公开(公告)日：2025-04-08
申请号：CN202411212448.X
申请日：2024-08-30
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) , 潍柴动力股份有限公司
IPC: G06N3/098 , G06N3/084 , G06N3/0499 , G06F21/57
Abstract: 本发明涉及应用于攻击场景下的分布式学习聚合方法、存储介质和程序产品。该方法包括：构建包含n个节点和单个参数服务器的异构分布式学习系统；参数服务器获取各个节点的梯度；基于接收的各个节点的梯度，参数服务器获取各个节点梯度的范数与方向；基于各个节点梯度的范数与方向，参数服务器计算各个梯度的保留概率，并进行概率筛选，确定保留梯度；根据梯度筛选结果，参数服务器获取各个保留梯度的平均值，根据各个保留梯度的平均值，进行全局模型参数的迭代优化，利用最终优化后的全局模型参数对异构分布式学习系统进行性能评估。本发明将梯度的范数与方向信息相结合，通过概率筛选实现了在异构分布式机器学习环境下保持拜占庭鲁棒性的目标。
-
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：CN119205572B
公开(公告)日：2025-03-28
申请号：CN202411697374.3
申请日：2024-11-26
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: 本发明属于图像的增强或复原技术领域，更具体地，涉及一种无监督医学视频去烟雾方法及程序产品，所述方法包括：首先，对数据进行预处理；其次，将数据输入烟雾检测器区分有雾帧图像和无雾帧图像；然后，搭建循环生成对抗网络CycleGAN模型框架，利用一组未配对的无雾视频和有雾视频结合损失函数进行模型训练，得到训练后的循环生成对抗网络CycleGAN模型；最后，使用循环生成对抗网络CycleGAN模型将视频中的有雾帧图像生成无雾帧图像。本发明解决了统一处理会严重影响处理效率和无雾图像质量以及在医学手术过程中存在的可能产生烟雾遮挡视野，影响手术顺利进行和数据集难以获取的问题。
-
-
-
-
-
-
-
-
-
Search Results
1843
records
(took 0.237 seconds)
