-
公开(公告)号：CN112785376A
公开(公告)日：2021-05-11
申请号：CN202110076796.9
申请日：2021-01-20
Applicant: 电子科技大学
IPC: G06Q30/06 , G06F16/9535 , G06N3/08
Abstract: 本发明提出了一种基于多任务学习的多领域推荐方法。对于多个领域的用户，本发明提取多领域的用户维向量，通过全连接神经网络与“十字绣”多任务学习网络的结合，综合用户在多个领域的隐式用户向量，交互式挖掘用户真正的隐式兴趣向量，提升各个领域的用户推荐准确度，本发明使用多任务学习技术，融合用户在各个领域兴趣偏好，丰富各个领域用户隐式兴趣向量，能够让推荐的物品更加符合用户需求；并且如果某单个领域缺少该用户交互数据，可结合其他领域用户数据来解决该领域用户冷启动问题。
-
公开(公告)号：CN112732936A
公开(公告)日：2021-04-30
申请号：CN202110033041.0
申请日：2021-01-11
Applicant: 电子科技大学
IPC: G06F16/36 , G06F16/25 , G06F16/951 , G06F16/9535 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于知识图谱和用户微观行为的广电节目推荐方法，将item2vec与随机游走结合，将属性子图的随机游走序列与用户行为序列一起训练，得出融合了节目内容属性和用户交互会话两个层面的相似性的嵌入向量。然后，在获得节目嵌入和分类型的融合微观行为嵌入的情况下，根据用户与节目的历史交互记录，把行为嵌入和对应的节目嵌入拼接，再通过语义空间网络映射，得到了具有相同维度的行为‑节目的语义表示，形成用户历史行为的嵌入序列；最后基于Transformer编码‑解码机制将用户的历史行为序列进行自注意力编码映射得到隐含动态偏好的用户语义特征，并利用目标节目注意力解码用户语义特征映射得到用户语义偏好。
-
公开(公告)号：CN118170520A
公开(公告)日：2024-06-11
申请号：CN202410415896.3
申请日：2024-04-08
Applicant: 电子科技大学
IPC: G06F9/48 , G06F16/901 , G06F9/50
Abstract: 本发明公开了基于嵌入式多核实时操作系统的DAG任务调度方法、计算机程序产品、存储介质及终端，属于实时操作系统任务调度领域，包括：将DAG任务移植至嵌入式多核实时操作系统；执行DAG任务，进行DAG任务调度，唤醒后继任务；若后继任务为它核任务，向目标核发起中断请求，进而使目标核收到中断后，根据中断请求中的任务标识符，就绪对应的DAG任务。通过DAG调度机制结合核间中断进行核间DAG任务的调度与管理，无需依赖现有特定DAG模型建立与分析算法，降低了上层算法和底层机制的耦合度；核间任务调度能够兼容并行计算任务的优势，以此保证多核实时操作系统的实时性，提高了DAG任务应用的可靠性和系统资源的利用率。
-
公开(公告)号：CN118170351A
公开(公告)日：2024-06-11
申请号：CN202410376169.0
申请日：2024-03-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种异构并行实时任务编程模型的设计方法，属于实时任务调度领域，包括：针对有向无环图并行实时任务设计自顶向下的分层模型，所述分层模型依次包括应用层、中间层以及运行时层；所述应用层用于用户编程实时任务模型；所述中间层用于将用户编程的实时任务模型代码转换为有向无环图数据结构；所述运行时层将所述有向无环图数据结构映射为操作系统线程，并在操作系统中调度和执行。该模型提高计算效率并满足严格的通信语义、同步语义和依赖关系解析需求，保证了数据传输的可靠性、时序性和同步性。
-
公开(公告)号：CN117076145B
公开(公告)日：2024-02-23
申请号：CN202311057644.X
申请日：2023-08-22
Applicant: 电子科技大学
Abstract: 本发明公开一种基于细粒度读写锁的安全高效STM同步方法，应用于计算机领域，针对现有的基于无锁实现的软件事务性内存具有较差的时间可预测性的问题；本发明中一个写事务能够获得其所需要的写锁当且仅当其所有共享资源请求都处于队首，且不存在被写或读锁保护的共享资源，一个读事务能够获得其所需要的读锁当且仅当其所有共享资源请求都处于队首，且不存在被写锁保护的共享资源，否则事务将忙等；本发明将经典STM中的回滚机制由基于优先级队列的自旋锁代替，有效地保证了事务的推进，提高了系统的实时性。
-
Patent Agency Ranking
公开(公告)号：CN117112244A
公开(公告)日：2023-11-24
申请号：CN202311057640.1
申请日：2023-08-22
Applicant: 电子科技大学
Abstract: 本发明公开一种面向混合实时性任务集的非对称STM同步方法，应用于计算机领域，针对系统中存在实时任务与非实时任务且实时任务与非实时任务间存在共享资源访问冲突的情况，从而导致实时任务的实时性难以得到保障的问题；本发明中的有锁事务主要面向实时任务对共享资源的请求，通过软件事务性内存对共享资源的请求进行封装，并采用基于优先级队列的细粒度读写锁确保事务执行的有效推进，无锁事务主要面向非实时任务对共享资源的请求，任务通过无锁事务访问共享资源时无需获得任何锁，也不进入资源等待队列，而是通过版本号和回滚机制避免资源访问的冲突；本发明中实现了实时性隔离的特性，同时也进一步提高了非实时任务的并发性。
-
公开(公告)号：CN112965829B
公开(公告)日：2023-08-11
申请号：CN202110197392.5
申请日：2021-02-22
Applicant: 电子科技大学
Abstract: 本发明提出了一种在并行任务分组调度下使用锁协议的方法通过P‑FP调度将子任务固定地分配到具体的每个核上，实现子任务之间可近似地被看做串行任务，然后再通过将共享资源lq划分为局部资源和全局资源，并设置子任务的优先级和处理器的优先级等，本发明通过以上设置，再具体结合对子任务和共享资源以及处理器之间的分配以及锁协议的使用，解决了现有技术在并行任务调度技术领域使用串行任务的锁协议的技术需求，实现了串行任务的锁协议可适应性地迁移到并行任务的调度中，降低了并行任务出现死锁、阻塞链等的问题，同时降低了优先级翻转造成的调度损失，提高了并行任务调度的效率等。
-
公开(公告)号：CN111294619B
公开(公告)日：2021-09-10
申请号：CN202010129277.X
申请日：2020-02-28
Applicant: 电子科技大学
IPC: H04N21/25 , H04N21/466 , G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种用于IPTV领域的长短期兴趣建模方法，通过区分长期点击序列Lt‑1和短期点击序列St，将长期点击序列Lt‑1和短期点击序列St嵌入映射得到长期点击序列嵌入表示和短期点击序列嵌入表示进而计算出家庭长期偏好和用户短期兴趣US，然后根据家庭长期偏好和用户短期兴趣US得到用户混合偏好Uhybird，并根据用户混合偏好Uhybird算出点击率Ru。本发明通过上述操作实现了更加精准地兴趣爱好预测与推送。
-
公开(公告)号：CN112615735A
公开(公告)日：2021-04-06
申请号：CN202011435334.3
申请日：2020-12-10
Applicant: 电子科技大学
Abstract: 本发明提出了一种基于贝叶斯网络的告警根因分析方法及过滤方法，通过构建告警贝叶斯网络，并用于分析告警之间的关联关系，以准确找到根源告警。同时，本发明结合Spark计算引擎并行优化算法，很大程度上提高了算法的时间效率；并且对网络告警进行预处理，过滤网络中发生频率高、持续时间短而重要程度低的颤动告警，以提高告警训练数据的质量，使得构建的告警贝叶斯网络模型的准确度更高。本发明基于上述操作，在准确率和时间效率表现优异，并且在大数据的环境下，能通过和spark框架结合，提升算法的时间效率，能更好的适应大数据环境。
-
公开(公告)号：CN112330003A
公开(公告)日：2021-02-05
申请号：CN202011166750.8
申请日：2020-10-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于双向循环神经网络的周期型容量数据预测方法、系统及存储介质，该方法：通过对指标数据类型进行分类，将指标数据的数据类型分为趋势型、周期型和不规则型，从而提升指标预测效率；然后针对周期型的指标数据进行预测，并提出基于双向循环神经网络的预测模型，即首先通过忙闲分布算法，得到忙闲规律序列，再通过搭建包含一层双向基本循环神经网络和一层双向长短时记忆网络的双向循环神经网络模型，最后，再通过线性回归模型对双向循环神经网络输出的结果进行优化，得到最终的预测结果。因此，本发明能够在指标和业务的多样性的场景下，保证容量预测结果的准确率。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.031 seconds)
