-
公开(公告)号：CN118377537B
公开(公告)日：2024-09-06
申请号：CN202410806587.9
申请日：2024-06-21
Applicant: 之江实验室
IPC: G06F9/38
Abstract: 本发明公开了一种脉冲双星傅立叶域加速搜索GPU并行搜索方法和装置，方法包括以下步骤：获取脉冲双星观测数据前处理后的文件，从中读取包括最低傅立叶频率和最高傅立叶频率的参数并创建副谐波信息数组集合；在GPU中，以频率步长乘以批大小的傅立叶频率范围作为步长，从最低傅立叶频率到最高傅立叶频率对副谐波信息数组集合进行遍历搜索得到候选体集合，每次遍历搜索过程包括：计算初始副谐波数组和计算除初始副谐波数组外的副谐波数组集合，并行计算谐波求和与候选体筛选；将所有筛选符合要求的候选体集合进行保存。本发明支持利用多GPU并行加速，能够成倍地提升脉冲双星搜索进程，大大加速该学科的天体发现速度。
-
公开(公告)号：CN118152762A
公开(公告)日：2024-06-07
申请号：CN202410580492.X
申请日：2024-05-11
Applicant: 之江实验室
IPC: G06F18/20 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种基于深度学习的中性氢源识别与分割方法、装置和介质，其中，基于深度学习的中性氢源识别与分割方法包括：对射电望远镜的天体观测数据进行数据处理，获得由多个三维光谱数据组成的数据集；对各所述三维光谱数据的中性氢源进行识别并进行标注，获得样本数据集；将所述样本数据集输入至3D‑Unet网络模型中，对所述3D‑Unet网络模型进行训练，得到中性氢源检测模型；将待识别的三维光谱数据输入至所述中性氢源检测模型中，获得中性氢源检测结果。解决了相关技术中对中性氢源识别效率低且精度有限的问题，实现了对中性氢源快速高效且精确的识别与分割。
-
公开(公告)号：CN117556266B
公开(公告)日：2024-03-22
申请号：CN202410043656.5
申请日：2024-01-11
Applicant: 之江实验室
IPC: G06F18/214
Abstract: 本说明书公开了信号识别模型训练的方法、信号识别的方法及装置，根据针对快速射电暴的观测数据，确定快速射电暴的信号接收时间，以构建出样本数据。然后根据观测数据，从样本数据中拟合出与快速射电暴对应的标签信息。之后将样本数据输入到待训练的信号识别模型中，通过信号识别模型确定出针对快速射电暴的识别结果，以最小化识别结果与标签信息之间的偏差为优化目标，训练信号识别模型。将训练后的信号识别模型用于对待识别的观测数据进行信号识别。通过本方法可以准确且系统性的获取到观测数据对应的标签信息，从而提高了模型训练过程中构建训练所需的训练样本的效率，进而使得整体针对信号识别模型的训练效率也得到了极大程度的提升。
-
公开(公告)号：CN116304624B
公开(公告)日：2024-01-30
申请号：CN202310212412.0
申请日：2023-02-27
Applicant: 之江实验室
IPC: G06F18/213 , G06F18/10 , G06N3/08 , G06N3/0464
Abstract: 基于斜线检测和曲线拟合消色散的快速射电暴搜寻方法，包括以下步骤：多卷积核斜线检测去噪、利用U型网络进行语义级分割、FRB检测、骨架提取、RANSAC拟合、一次矫正、残差矫正。本发明利用多卷积核斜线检测去噪，并增强快速射电暴信号，利用U型网络对FRB进行分割，并根据分割结果对横向和纵向的相对长度来进行FRB检测。将分割结果使用骨架提取算法进行细化，然后利用RANSAC算法对FRB进行拟合，最终对原始图像进行一次矫正和残差矫正，并计算出色散值等物理参数。本发明可以很好的增强FRB信号，抑制强噪声信号，解决了天文数据中缺少已标注数据集问题，并解决了传统算法消色散阶段算力消耗巨大的问题。
-
公开(公告)号：CN118152762B
公开(公告)日：2024-08-20
申请号：CN202410580492.X
申请日：2024-05-11
Applicant: 之江实验室
IPC: G06F18/20 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种基于深度学习的中性氢源识别与分割方法、装置和介质，其中，基于深度学习的中性氢源识别与分割方法包括：对射电望远镜的天体观测数据进行数据处理，获得由多个三维光谱数据组成的数据集；对各所述三维光谱数据的中性氢源进行识别并进行标注，获得样本数据集；将所述样本数据集输入至3D‑Unet网络模型中，对所述3D‑Unet网络模型进行训练，得到中性氢源检测模型；将待识别的三维光谱数据输入至所述中性氢源检测模型中，获得中性氢源检测结果。解决了相关技术中对中性氢源识别效率低且精度有限的问题，实现了对中性氢源快速高效且精确的识别与分割。
-
Patent Agency Ranking
公开(公告)号：CN118377537A
公开(公告)日：2024-07-23
申请号：CN202410806587.9
申请日：2024-06-21
Applicant: 之江实验室
IPC: G06F9/38
Abstract: 本发明公开了一种脉冲双星傅立叶域加速搜索GPU并行搜索方法和装置，方法包括以下步骤：获取脉冲双星观测数据前处理后的文件，从中读取包括最低傅立叶频率和最高傅立叶频率的参数并创建副谐波信息数组集合；在GPU中，以频率步长乘以批大小的傅立叶频率范围作为步长，从最低傅立叶频率到最高傅立叶频率对副谐波信息数组集合进行遍历搜索得到候选体集合，每次遍历搜索过程包括：计算初始副谐波数组和计算除初始副谐波数组外的副谐波数组集合，并行计算谐波求和与候选体筛选；将所有筛选符合要求的候选体集合进行保存。本发明支持利用多GPU并行加速，能够成倍地提升脉冲双星搜索进程，大大加速该学科的天体发现速度。
-
公开(公告)号：CN117786417B
公开(公告)日：2024-05-10
申请号：CN202410223117.X
申请日：2024-02-28
Applicant: 之江实验室
IPC: G06F18/214 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N5/04 , G06F123/02
Abstract: 本说明书公开了一种模型训练方法、瞬变源的识别方法、装置及电子设备。在此方法中，针对每个历史时序数据，通过对该历史时序数据进行预处理，得到处理后时序数据，并将该历史时序数据对应的处理后时序数据与其他历史时序数据对应的处理后时序数据进行拼接，得到拼接后数据，然后，对拼接后数据中的部分数据进行遮盖后，使用遮盖后数据输入到待训练的分类模型中，以使待训练的分类模型可以根据遮盖后数据提取出的特征数据，预测出遮盖后数据中被遮盖的数据以及判别结果，而后，以最小化预测出的遮盖后数据中被遮盖的数据与遮盖后数据中被遮盖的实际数据之间的偏差，以及最小化判别结果与实际判别结果之间的偏差为优化目标，对分类模型进行训练。
-
公开(公告)号：CN117133383A
公开(公告)日：2023-11-28
申请号：CN202311165110.9
申请日：2023-09-08
Applicant: 之江实验室
Abstract: 本说明书公开了一种知识库系统及知识库系统的应用方法。所述知识库系统包括：管理模块、搜索模块、云计算模块，其中，管理模块用于响应用户发送的天体化学反应数据管理指令，执行与天体化学反应数据管理指令相对应的数据管理操作，以对数据库中保存的天体化学反应数据进行管理，搜索模块用于响应用户发送的查询请求，为用户返回与查询请求相匹配的天体化学反应数据，云计算模块用于响应用户发送的模拟请求，确定各基础天体化学反应数据、物理环境参数以及模拟条件参数，并对在物理环境参数对应的物理环境下，各基础天体化学反应数据对应的天体化学反应的过程进行模拟，以确定天体化学反应的过程中所包含的各分子的丰度随时间的变化关系。
-
公开(公告)号：CN116522005B
公开(公告)日：2023-08-25
申请号：CN202310811542.6
申请日：2023-07-04
Applicant: 之江实验室
IPC: G06F16/9535 , G06F40/186 , G06F40/205
Abstract: 本说明书公开了一种实时整合多波段暂现源报导的信息推送方法及装置。所述方法包括：获取暂现源的报导信息以及各用户对应的兴趣标签，对报导信息进行解析，以提取报导信息中包含的暂现源信息，并基于暂现源信息，确定暂现源对应的信息标签，根据信息标签生成结构化的暂现源数据，并将暂现源报导存储在预设数据库中，在各用户对应的兴趣标签中确定与暂现源报导主题相匹配的用户，作为目标推送用户，将暂现源报导解析后按固定的消息推送模板将暂现源报导推送给目标推送用户。回溯查询模块：用户可以根据关键字、筛选条件等查询符合条件的暂现源报导。文献调研模块：针对用户输入的关键字，进行文献搜索，整合成一个文献调研报告。
-
公开(公告)号：CN116010850A
公开(公告)日：2023-04-25
申请号：CN202310004618.4
申请日：2023-01-03
Applicant: 之江实验室
IPC: G06F18/24
Abstract: 本说明书公开了一种识别快速射电暴的方法及装置，在获取到观测数据后，可以根据该观测数据，确定用于表示观测到的各信号的频率与观测到各信号的时刻之间关系的第一数据，并根据第一数据，确定用于表示观测到的各信号的色散值与观测到各信号的时刻之间关系的第二数据。而后，可以将第二数据输入到预先训练的第一识别模型中，得到输出的识别结果，并根据该识别结果，从观测数据中识别出快速射电暴的信号。从上述方法中可以看出，由于在获取到观测数据后，可以基于观测数据，得到用于输入到第一识别模型中的第二数据，从而通过第一识别模型，快速、准确的从观测数据中识别出快速射电暴的信号，提高了快速射电暴的搜索效率。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.022 seconds)
