-
公开(公告)号：CN117112667A
公开(公告)日：2023-11-24
申请号：CN202311071030.7
申请日：2023-08-24
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: G06F16/25 , G06F16/21 , G06F16/215
Abstract: 本发明涉及一种基于湖仓一体的高校关系数据处理方法和系统，包括：将高校各业务系统原始数据抽取入湖仓及分割初始元数据入仓，并将有标签的元数据存入湖仓；构建初版高校数据标准映射字典，并将其数据标准中的中文简称同化成模型语义类别标签；对抽取入湖仓的未含有标注的元数据进行语义识别，基于模型语义类别标签对元数据标注进行纠错，并更新回填至湖仓的元数据标注中；基于数据仓库中的高校元数据标准映射字典，映射整合并构建分级分类的高校数据资产目录；实现数据资产目录发布及查询搜索。本发明构建了统一的高校元数据标准映射数据字典，实现业务系统与实现不同业务系统与高校统一元数据标准之间的关联映射，构建统一的数据资产目录。
-
公开(公告)号：CN117112648A
公开(公告)日：2023-11-24
申请号：CN202311070405.8
申请日：2023-08-24
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: G06F16/2458 , G06F16/215 , G06F18/214 , G06F18/24 , G06F18/23213 , G06Q50/20
Abstract: 本发明涉及一种基于智慧教育数据的高校学生学习画像生成系统及方法，属于数据挖掘领域，包括数据抽取模块、数据处理模块、标签模块、数据库模块、画像生成模块；通过针对学生在教育大数据应用中的现实需要，聚焦于学生学习行为，针对多任务学习场景，分析学生学习特征，构造客观的学生画像标签体系，设计学生画像标签体系技术架构，对学生群体进行深度刻画，构建学生学习画像，以此形成的学生画像来反映学生表现特征，提供个性化教学，降低大量数据给师生带来的认知负荷，为学生教育管理者提供相应的决策支持。
-
公开(公告)号：CN107154256B
公开(公告)日：2023-11-24
申请号：CN201710503021.9
申请日：2017-06-27
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G10K11/175 , G01S5/22
Abstract: 本发明的基于声源定位的声掩蔽系统，包括语音采集电路、中央处理单元、噪声发生模块、运放电路、幅度可调电路、功放电路和终端；语音采集电路由多路MIC组成，ARM处理器经控制总线接口与幅度可调电路相连接，以调整输出的噪声干扰信号的幅度。本发明的自适应调整方法，首先确定出声源的坐标，再根据终端与声源的距离计算出每个终端处的声压强度，再根据防护信噪比确定每个终端应输出的干扰噪声的强度。本发明应用在保密会议室的声掩蔽系统中，能够从根本上优化声掩蔽系统的防护效果，以最小的噪声干扰获取最佳的防窃听效果，从根本上对声掩蔽系统的防护效果和干扰效果进行了优化，一定程度
-
公开(公告)号：CN116862021A
公开(公告)日：2023-10-10
申请号：CN202310953891.1
申请日：2023-07-31
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: G06N20/00
Abstract: 本发明公开了一种基于信誉评估的抗拜占庭攻击的去中心化学习方法及系统，涉及人工智能与信息安全交叉技术领域，该方法包括：基于获取的分布式网络中各个节点的训练数据，通过不断迭代训练实现去中心化学习，其训练过程中：分布式网络中的每一节点获取自节点的邻居节点当前轮次的局部参数，以此计算每一邻居节点当前轮次的信誉贡献值和信誉损失值，确定信誉有效值，进而确定自节点及其每一邻居节点的全局历史信誉值；基于全局历史信誉值为自节点及其每一邻居节点分配权重，进而更新自节点的局部参数并发送至邻居节点。本发明构建信誉评估机制，建立全局历史信誉值模型，通过权重分配，降低拜占庭攻击的影响，达到保护学习模型的目的。
-
公开(公告)号：CN116860995A
公开(公告)日：2023-10-10
申请号：CN202310816845.7
申请日：2023-07-05
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)
Abstract: 本发明涉及一种应用于多元编程习题的深度知识追踪方法及系统，包括：接收编程平台系统的用户做题数据和编译日志数据，进行数据预处理；对错误信息进行日志模式聚类；构建题型特征矩阵；基于时间间隔和学习能力的位置编码；对答题交互序列进行one‑hot编码转化，得到答题交互嵌入向量；将答题交互嵌入向量输入至训练好的深度知识追踪模型中实现深度知识追踪。本发明通过对数据处理、建立知识库和模型改进，使模型可以适用于多元题型，更加符合实际场景的应用，尤其是通过建立编译结果知识库，实现了知识追踪在编程平台领域的针对多种不同习题题型的应用。
-
Patent Agency Ranking
公开(公告)号：CN116739114A
公开(公告)日：2023-09-12
申请号：CN202310993716.5
申请日：2023-08-09
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: 本发明涉及一种对抗模型投毒攻击的鲁棒联邦学习聚合方法及装置，属于数据安全计算机模型的技术领域。本发明旨在提高联邦学习系统的鲁棒性、提供模型的准确性，以应对模型投毒攻击并达到保护本地数据隐私的技术效果，即通过在模型更新聚合过程中引入鲁棒性机制，以过滤恶意更新和提高系统的整体性能。例如，使用加权聚合方法来剔除恶意参与者的贡献，或者使用去噪和修复技术来降低恶意本地模型的影响。
-
公开(公告)号：CN116610800A
公开(公告)日：2023-08-18
申请号：CN202310560641.1
申请日：2023-05-16
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) , 山东山科智能科技有限公司
IPC: G06F16/35 , G06F16/33 , G06F40/30 , G06F40/211 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于语境引导注意力的方面级情感分类方法，获取待分类的句子和句子对应的方面词；对获取数据分别进行词嵌入表示的提取，得到句子和方面词的词嵌入表示；对两种词嵌入表示分别进行向量提取，得到两种词嵌入隐藏状态向量；构建语义图卷积网络；构建句法图卷积网络；将两种词嵌入隐藏状态向量，输入到语义图卷积网络中，输出语义表示；将两种词嵌入隐藏状态向量，输入到句法图卷积网络中，输出句法表示；将两种表示进行聚合操作，得到两方面节点隐藏状态向量；分别对两方面节点隐藏状态向量进行平均池化操作，然后对平均池化操作的两个结果进行级联操作得到最终特征；对最终特征给出情感概率分布，进而得到情感分类标签。
-
公开(公告)号：CN116527274A
公开(公告)日：2023-08-01
申请号：CN202310534559.1
申请日：2023-05-10
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: H04L9/32
Abstract: 本发明涉及数字签名技术领域，公开了基于多标量乘快速计算的椭圆曲线验签方法及系统；其中方法包括：椭圆曲线数字签名步骤和椭圆曲线签名验签步骤；椭圆曲线数字签名步骤和椭圆曲线签名验签步骤中的多标量乘计算过程包括：获取椭圆曲线上基点P、点Q以及基点P的三倍点仿射坐标3P，对获取的数据进行预计算处理得到参数表；对标量系数K和标量系数L进行处理得到系数表；对参数表和系数表进行逐位计算，对逐位计算结果进行坐标还原处理得到多标量乘结果。通过对数字签名算法中遇到的多标量乘运算进行优化，大大降低了数字签名和数字验签过程的时间复杂度，提升数字签名的运算速度，提升系统的整体性能，提升用户体验。
-
公开(公告)号：CN116506210A
公开(公告)日：2023-07-28
申请号：CN202310573133.7
申请日：2023-05-18
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) , 山东省科创集团有限公司
IPC: H04L9/40 , H04L41/16 , G06F18/213 , G06F18/25 , G06F18/243 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于流量特征融合的网络入侵检测方法及系统，包括：获取待检测的网络流量数据；对网络流量数据进行预处理；将预处理后的网络流量数据，输入到训练后的网络入侵检测模型中，得到网络入侵检测结果；其中，所述训练后的网络入侵检测模型，包括：对预处理后的网络流量数据分别进行特征提取，得到第一特征数据和第二特征数据；对提取的第一特征数据和第二特征数据，进行特征融合，得到融合特征；将融合特征进行分类，得到分类结果。
-
公开(公告)号：CN116449462A
公开(公告)日：2023-07-18
申请号：CN202310720313.3
申请日：2023-06-19
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G01W1/10 , G01C13/00 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及海浪预报技术领域，本发明公开了海浪有效波高时空序列预测方法、系统、存储介质及设备，包括：获取初始时刻到当前时刻的海浪有效波高和第二时刻到第一未来时刻的多要素数据；将初始时刻到当前时刻的海浪有效波高和第二时刻到第一未来时刻的多要素数据作为输入数据序列，采用预测递归神经网络，预测得到第一未来时刻的海浪有效波高数据；基于第一未来时刻的海浪有效波高数据和第二未来时刻到目标未来时刻的多要素数据，通过基于递归策略的单步预测，并采用预测递归神经网络，得到第二未来时刻到目标未来时刻的海浪有效波高数据。稳定了预测误差，有效提升了海浪有效波高预测精度，延长了有效预测预报时间。
-
-
-
-
-
-
-
-
-
Search Results
312
records
(took 0.092 seconds)
