-
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
申请人： 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分类号： G06F12/10 , G06N3/0442 , G06N3/045 , G06N3/08
摘要： 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
申请人： 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分类号： G06F12/10 , G06N3/0442 , G06N3/045 , G06N3/08
摘要： 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
申请人： 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分类号： G06F16/35 , G06F18/213 , G06F18/2415 , G06N3/0442 , G06N3/0464 , G06N3/0455
摘要： 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
申请人： 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分类号： G06F9/54 , G06N5/01 , G06F18/23213 , G06F18/2431
摘要： 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
申请人： 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分类号： G06F9/54 , G06N5/01 , G06F18/23213 , G06F18/2431
摘要： 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：CN118484540A
公开(公告)日：2024-08-13
申请号：CN202410946552.5
申请日：2024-07-16
申请人： 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分类号： G06F16/35 , G06F18/213 , G06F18/2415 , G06N3/0442 , G06N3/0464 , G06N3/0455
摘要： 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：CN118897973A
公开(公告)日：2024-11-05
申请号：CN202410967431.9
申请日：2024-07-18
申请人： 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) , 青岛理工大学
IPC分类号： G06F18/21 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/23 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/049 , G06N3/084 , G06N3/088
摘要： 本发明涉及一种基于VAE‑Bi‑LSTM‑SAM的电网电压数据异常检测方法、装置、设备及存储介质。该方法包括：采集电网电压时序数据构建数据集，对数据集中的数据进行预处理，将预处理后的数据集划分为训练集和测试集；对训练集和测试集中的电网电压时序数据进行标准化处理，按时间步长对标准化处理后的电网电压时序数据进行窗口滑动切片处理，形成多元时序窗口数据Xt；建立基于VAE‑Bi‑LSTM‑SAM的异常数据检测模型；利用训练集对基于VAE‑Bi‑LSTM‑SAM的异常数据检测模型进行训练，得到训练好的异常数据检测模型；利用训练好的异常数据检测模型对测试集中的电网电压时序数据进行异常检测。本发明能够实现对电网电压异常数据的准确检测，提高模型的泛化能力，增强模型对异常数据的识别能力。
-
公开(公告)号：CN118840346A
公开(公告)日：2024-10-25
申请号：CN202410952558.3
申请日：2024-07-16
摘要： 本发明公开了基于图像去噪的钢材表面缺陷检测方法及系统，方法包括：获取待识别钢材表面图像；将待识别钢材表面图像，输入到训练后的钢材表面缺陷检测模型中，得到钢材表面缺陷检测结果；其中，训练后的钢材表面缺陷检测模型，将钢材表面图像进行特征提取，再经过特征融合，最终输出不同尺度的检测图；所述训练后的钢材表面缺陷检测模型，训练过程中所使用的损失函数是ASI‑IoU损失函数；动态调整边界框，并考虑边界框本身的形状和尺寸；所述训练后的钢材表面缺陷检测模型，还使用内容引导残差注意力模块CGRAB实现特征的融合。
-
公开(公告)号：CN118573480B
公开(公告)日：2024-10-25
申请号：CN202411044928.X
申请日：2024-08-01
IPC分类号： H04L9/40
摘要： 本发明涉及一种基于零信任架构的网络安全通信方法、装置、设备及存储介质。本发明旨在构建一个高度安全、灵活且响应迅速的网络通信环境，有效应对现代网络环境中不断演变的安全挑战。采用零信任原则，无论之前是否已被认证，要求在每次通信时都必须重新进行身份验证和信任评估，旨在为网络通信提供全面、智能且高效的安全保障。本发明通过采用数据处理算法和人工智能技术，对网络实体的身份验证、属性分析、交互记录和通信环境，进行实时、动态的信任评估，适用于协同任务等复杂场景，有效识别和防御潜在的安全威胁。本发明能够确保在从数据源到目的地的整个通信过程中，每一步都遵循零信任原则，从而保障通信的安全性和可靠性。
-
公开(公告)号：CN118606634B
公开(公告)日：2024-10-22
申请号：CN202411080709.7
申请日：2024-08-08
IPC分类号： G06F18/10 , G06F18/214 , G06F18/24 , G06N20/00
摘要： 本发明属于分布式机器学习的技术领域，具体涉及一种基于衰减噪声扰动的自适应保隐私分布式学习方法及装置。所述方法包括：根据节点裁剪后的样本梯度获取其本地梯度，节点的裁剪阈值随迭代轮次的增加而减小；对本地梯度注入高斯噪声，高斯噪声的强度随迭代轮次的增加成阶梯式衰减；聚合节点在每轮迭代中注入高斯噪声后的本地梯度，并利用聚合后的梯度更新本地模型参数，将更新后的本地模型参数广播给相邻节点进行参数更新；再聚合相邻节点更新后的模型参数，用于下一次迭代。本发明通过添加噪声以有效保护数据隐私，同时减小噪声误差保证数据的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
251 条记录 (耗时 0.091 秒)
