-
公开(公告)号：CN103793257A
公开(公告)日：2014-05-14
申请号：CN201410083601.3
申请日：2014-03-07
Applicant: 中南大学
IPC: G06F9/445
Abstract: 本发明公开了一种Android程序的流式执行方法，将Android程序分解成功能独立的被调用程序单元模块，被调用程序单元模块存储于服务器上，利用下载模块从服务器下载被调用程序单元模块及图片到手机SD卡，由缓存管理模块记录已下载的被调用程序单元模块及图片文件的存储路径，利用流式执行模块依次从缓存管理模块获取被调用程序单元模块和图片的存储路径，通过动态加载模块依据被调用程序单元模块的存储路径动态加载被调用程序单元模块的Activity并生成实例，由流式执行模块控制上一步生成的Activity实例运行，从而完成程序的执行；利用该方法按需下载被调用程序单元模块和图片资源即可开始运行，免除安装过程，缩短用户下载程序安装包的时间，改善了用户使用程序的方式。
-
公开(公告)号：CN114706678B
公开(公告)日：2025-03-28
申请号：CN202210284033.8
申请日：2022-03-22
Applicant: 中南大学
Abstract: 本发明公开了一种边缘智能服务器神经网络推断任务调度方法，步骤包括：利用GPU虚拟化技术将GPU虚拟成多个虚拟GPU；按照预设的分配策略，为虚拟GPU分配预设的资源，用排队服务系统按照预设的执行批次，为每个推断任务的类别对应的虚拟GPU分配推断任务；收集每一类推断任务的平均服务延迟和计算资源量，判断是否需要调整分配策略，是则用强化学习算法计算新的分配策略；按照新的分配策略，为虚拟GPU分配对应的资源，用排队服务系统按照对应的执行批次，为每个任务的类别对应的虚拟GPU分配神经网络推断任务。本发明以较低的计算复杂度，满足动态场景的实时性要求，并且有效的解决了在较大规模的边缘计算场景中的负载均衡问题。
-
公开(公告)号：CN117908988A
公开(公告)日：2024-04-19
申请号：CN202410077772.9
申请日：2024-01-18
Applicant: 中南大学
IPC: G06F9/445
Abstract: 本发明公开了从服务器内存按需加载运行程序内容的方法及系统，通过客户端截获目标程序映射中引发的缺页中断，所述映射在运行到目标程序入口地址前已经建立完毕；客户端将所述缺页中断的请求发送给所述服务器，所述请求包括发生缺页的进程名称以及本次缺页的地址；服务器根据所述请求从其内存中获取对应的页面，并将所述页面返回给所述客户端。相比现有技术，本发明控制客户端按需从服务器内存加载程序运行所需的代码和数据进入本地内存，整个过程不需要消耗本地存储资源，且从服务器的内存直接获取所需代码和数据，减小数据访问延迟。
-
公开(公告)号：CN117555706A
公开(公告)日：2024-02-13
申请号：CN202311679627.X
申请日：2023-12-07
Applicant: 中南大学
IPC: G06F9/54 , G06F8/36 , G06F16/176
Abstract: 本发明公开了跨终端使用、共享IO设备的方法及系统，通过创建IO设备对应的虚拟设备文件，并建立起该文件和另一终端中设备驱动之间的通信路径，进而实现跨终端IO设备的使用。由于本发明在终端系统中创建了虚拟设备文件，伪造存在物理IO设备的假象，因此不需要对现有的应用软件进行重构，也无需为每个IO设备单独开发应用程序，用户便能够直接使用其他终端上的IO设备。这不仅简化了用户的操作流程，改善了用户使用体验，还降低了软件开发工作量，减轻了开发人员的负担，使得跨终端IO设备的使用更为便捷和高效。
-
公开(公告)号：CN113191484B
公开(公告)日：2022-10-14
申请号：CN202110449033.4
申请日：2021-04-25
Abstract: 本发明公开了一种基于深度强化学习的联邦学习客户端智能选取方法及系统，该方法包括：联邦平台通过从联邦服务市场环境中收集客户端的状态作为输入，输入到基于策略网络的客户端选择智能体中，输出客户端选择方案；联邦平台根据当前环境状况以及客户端选择方案从多个候选客户端中选取一组最优的客户端以协同训练联邦学习模型，并将联邦学习性能作为奖励反馈给客户端选择智能体，以奖励用于优化更新策略网络；策略网络通过强化学习方法离线训练得到。本发明可从候选移动边缘设备中选择高质量的设备参与联邦学习，以处理分布式客户端低质量数据问题，以显著提高联邦学习质量。
-
Patent Agency Ranking
公开(公告)号：CN114866548A
公开(公告)日：2022-08-05
申请号：CN202210448728.5
申请日：2022-04-26
Applicant: 中南大学
Abstract: 本发明公开了一种基于移动雾计算的任务卸载方法，方案是构建由I个移动雾节点、一个基站、J个请求卸载任务的移动设备、一个云数据库服务器组成的任务卸载系统。基站作为部署任务卸载的第三方平台，移动设备和移动雾节点向基站提供信息。在考虑设备移动性约束以及用户服务质量对不同设备属性的偏好的情况下，将移动雾计算环境下任务卸载中的资源利用率最大化问题建模为二部图的最大加权匹配问题，通过KM算法求解出能够使得用户总体满意度最高的最优任务分配方案。基站根据最优任务分配方案通知请求卸载的移动设备将任务卸载到合适的移动雾节点，并通知对应的移动雾节点接受并执行任务。采用本发明能实现合理的任务分配，有效提高资源利用率。
-
公开(公告)号：CN112929915B
公开(公告)日：2022-08-02
申请号：CN202110195102.3
申请日：2021-02-20
Applicant: 中南大学
Abstract: 本发明公开了一种移动边缘计算的动态数据卸载方法及系统，方法包括：通过构建基于用户效益函数最大化和服务器收益函数最大化的双层优化问题模型，由所述双层优化问题模型求解确定终端用户的数据卸载量、服务器的定价和终端用户进行数据卸载的目标服务器，终端用户将数据卸载至目标服务器。具有充分照顾到终端用户和服务器双方的权益，有效解决边缘计算资源交易中一方处于垄断地位，满足边缘计算资源需求多样性等优点。
-
公开(公告)号：CN114281545B
公开(公告)日：2022-07-12
申请号：CN202111618376.5
申请日：2021-12-20
Applicant: 中南大学
Abstract: 本发明公开了一种基于CPU资源与图像模型时延关系的资源分配方法，目的是减少CPU资源浪费，降低图像任务队列处理时延。技术方案是构建由接收端口，图像模型模块，测试控制模块，测试模块，监控模块，函数拟合模块，调度模块组成的基于CPU资源与图像模型时延关系的资源分配系统；资源分配系统各模块相互配合，对N个任务需求中的图像模型进行测试，得出N个拟合函数；调度模块N个拟合函数及N个任务请求，按照任务请求的到达顺序，将CPU各个核的空闲资源分配给N个任务。采用本发明能够减少任务过多时CPU处理图像任务队列的总时延，减少CPU资源浪费，改善CPU并行处理任务的能力，提高计算机综合效率。
-
公开(公告)号：CN114626174A
公开(公告)日：2022-06-14
申请号：CN202210287021.0
申请日：2022-03-23
Applicant: 中南大学
IPC: G06F30/18 , G06F30/27 , G06F119/02
Abstract: 本发明提供一种基于知识图谱和图神经网络的无线业务预测方法及装置，其中方法包括：依据记录有无线网络中各无线通信指标状态及关联关系的无线通信内生因素知识图谱，以及记录有无线网络中移动终端所涉及的应用层业务数据的业务数据仓库，抽取不同时刻下与无线通信业务相关的网络环境属性和移动终端属性；基于所述网络环境属性和移动终端属性构建适用于空时图神经网络模型的、由不同时刻下的无线通信图组织构成的空时属性图；基于所述空时属性图构建无线业务预测的空时图神经网络模型并进行训练。训练得到的空时图神经网络模型便可利用所有影响无线业务预测各因素之间的关联关系，对无线通信业务进行高效精准预测。
-
公开(公告)号：CN114598706A
公开(公告)日：2022-06-07
申请号：CN202210228048.2
申请日：2022-03-08
Applicant: 中南大学
IPC: H04L67/1031 , H04L67/1029
Abstract: 本发明公开了一种基于Serverless函数的存储系统弹性伸缩方法，步骤包括：S1.元数据服务器按照预设第一周期获取存储服务器的负载信息；S2.元数据服务器将接收到的负载信息汇总，得到整个存储服务器集群的负载状态，并按照预设第二周期调用Serverless函数中的管理函数；S3.管理函数根据预先配置的弹性伸缩策略目标以及负载状态作出弹性伸缩决策，并发送任务指令给多个工作函数以执行弹性伸缩任务；S4.存储服务器接收到工作函数的弹性扩容或弹性缩容请求后，调整存储系统中存储介质的分配，以完成存储系统存储容量的弹性伸缩。本发明具有实现方法简单、成本低、系统健壮性强、灵活性强且可扩展性好等优点。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.02 seconds)
