-
公开(公告)号:CN113206884B
公开(公告)日:2022-05-17
申请号:CN202110492004.6
申请日:2021-05-06
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
IPC: H04L67/51
Abstract: 本发明公开了一种基于组合验证机制的微服务选择方法,包括以下步骤:(1)获得具有某个功能的微服务集合,加入系统得到备选集合;(2)将备选集合中的微服务依次放入在现有的架构中,分别计算出服务自身分数F、上游契合度分数G和下游契合度分数H;(3)将得到的三个分数做几何平均数计算,得到标准值,再将标准值用于计算得到服务最终得分Sc;(4)根据服务最终得分Sc,选择分数最高的作为质量最高且最符合当前架构的微服务。利用本发明,可以让使用者可以根据自己的需求,快速找到最合适、最理想的服务。
-
公开(公告)号:CN113204465B
公开(公告)日:2022-05-17
申请号:CN202110480199.2
申请日:2021-04-30
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
Abstract: 本发明公开了一种基于执行跟踪的微服务提取方法,包括以下步骤:(1)执行跟踪工具在目标单体应用系统运行时收集跟踪信息,执行路径被记录在日志文件中;(2)在日记记录中,找到TraceID和SessionID都相同的记录归为一类,即一次调用的执行跟踪;其中,SessionID是标记会话的全局唯一ID;TraceID是标记执行链路的全局唯一ID;(3)根据每一次调用的执行跟踪记录,得到整个执行跟踪记录中的方法调用关系,进一步根据每个方法所属的类,得到类之间的调用关系;(4)得到了类与类之间的调用后,使用聚类算法进行聚类得到对应的微服务。利用本发明的方法,方便将传统的单体应用向微服务进行改造升级。
-
公开(公告)号:CN119690870A
公开(公告)日:2025-03-25
申请号:CN202411688516.X
申请日:2024-11-25
Applicant: 浙江大学
IPC: G06F12/0877 , G06F18/22 , G06F17/16 , G06F16/9535
Abstract: 本发明公开了一种基于推荐系统的公平感知边缘数据缓存方法,包括以下步骤:S1、基于推荐系统用户获取用户的历史请求数据,从历史请求数据中提取数据特征,计算数据特征之间的相似性;S2、采用霍克斯过程对用户请求进行建模;采用霍克斯过程模型预测未来用户请求;S3、基于得到的数据特征信息对用户的整体体验质量进行量化评估,基于得到的用户请求的预测结果,采用启发式算法来优化缓存策略;S4、基于得到的数据特征信息和用户体验质量给出公平系数的量化指标,并基于此量化指标对S3中的缓存策略做出优化调整。本发明能够在提升整体系统性能的同时,保障不同用户之间的服务均衡性,进而为边缘计算环境下的用户体验提供更加全面的保障。
-
公开(公告)号:CN119480036A
公开(公告)日:2025-02-18
申请号:CN202411581813.4
申请日:2024-11-07
Applicant: 浙江大学
IPC: G16H40/20 , G16H50/30 , G16H50/70 , G06F18/213 , G06F18/25 , G06F18/211 , G06V10/40 , G06F40/295 , G06N3/045 , G06N3/0499 , G06N3/0895 , G06F123/02
Abstract: 本发明公开了一种基于多模态数据的失能干预质量评价方法、装置及可读存储介质,其中,评价方法包括以下步骤:(1)获取多模态数据,包含图像数据、时间序列数据、文本数据和表格数据;(2)从图像数据、时间序列数据、文本数据中提取特征并融合,得到融合特征,(3)从表格数据中提取出与失能干预相关的关键失能指标;(4)基于关键失能指标和融合特征,构建并训练失能风险预测模型;(5)利用失能风险预测模型对新的数据进行失能风险预测,并评价失能干预质量。利用本发明,可以有效提高失能干预质量的评价准确性,提高失能干预质量的评价效率,提高失能干预质量的评价稳定性。
-
公开(公告)号:CN114818299B
公开(公告)日:2024-12-03
申请号:CN202210401977.9
申请日:2022-04-18
Applicant: 浙江大学
IPC: G06F30/20 , G06F111/06 , G06F119/08
Abstract: 本部发明公开了一种基于信心感知的服务模式优化方法,包括以下步骤:(1)输入待优化的原始模式Pa;(2)初始化原始模式Pa的候选列表PaList;(3)初始化温度T;(4)初始化信心C;(5)初始化最大迭代次数IterMax;(6)初始化终止阈值Th;(7)根据模式优化指标,循环搜索目标模式Pa*,循环次数为IterMax;(8)降低温度T;(9)如果步骤(7)循环结束得到的模式Pa*连续Th次保持一致,则得到Pa*为优化后的目标模式,否则跳转到步骤(7)。本发明通过引入信心机制,能够在具有不同优化潜力的搜索空间中动态调整搜索速度和搜索步幅,极大地节省了优化的时间,提升了优化的效果。
-
公开(公告)号:CN114492770B
公开(公告)日:2024-10-15
申请号:CN202210104658.1
申请日:2022-01-28
Abstract: 本发明公开了一种面向循环脉冲神经网络的类脑计算芯片映射方法,包括:S1,获取循环脉冲神经网络的输入,转换为逻辑图结构;S2,计算单节点树突表能容纳的最大突触数量;S3,结合循环脉冲神经网络的逻辑图结构,进行神经元节点的分配;S4,逐层进行各节点轴突表约束检查,若不满足约束,进行S5,若满足约束,则进行S6;S5,对不满足轴突表约束的节点进行分裂,并回到步骤S4进行各节点轴突表约束检查;S6,所有节点满足硬件约束时,分配节点坐标;S7,生成二进制芯片的配置信息,完成将循环脉冲神经网络部署到类脑计算芯片上的映射。本发明可以解决RSNN映射到芯片过程中的死锁问题,使RSNN准确映射部署在类脑计算芯片上。
-
公开(公告)号:CN118445287A
公开(公告)日:2024-08-06
申请号:CN202410447500.3
申请日:2024-04-15
Applicant: 浙江大学
IPC: G06F16/22 , G06F16/21 , G06F17/16 , G06F17/14 , G06F18/2323 , G06F18/23213 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种微服务交叉监督优化方法及系统,其中,方法包括:(1)将单体应用定义为类的集合C;(2)构建类间各关系矩阵,使用Call、Table、Business分别表示类间调用关系矩阵、数据库表关系矩阵、业务关联关系矩阵;并对这三个关系矩阵进行拉普拉斯规范化;(3)将现有微服务拆分方法的结果表示为邻接矩阵,记为A;(4)训练一个神经网络模型来学习类间关系以优化邻接矩阵,训练过程中,使用三个关系矩阵Call、Table和Business来交叉监督邻接矩阵A;(5)应用过程中,基于神经网络模型的输出,使用谱聚类算法来生成优化的微服务提取结果。本发明可以最小化不同微服务的数据库表之间的相互依赖性,并提高微服务提取结果的质量。
-
公开(公告)号:CN118116546A
公开(公告)日:2024-05-31
申请号:CN202410393599.3
申请日:2024-04-02
Applicant: 浙江大学医学院附属邵逸夫医院
Abstract: 本申请涉及一种适用于鼻咽癌放射治疗的AI运动训练平台及其应用,通过平台,让鼻咽癌放射治疗患者通过终端登录,并从素材中心选择对应的张口/转颈运动的训练素材,再由平台将素材播放视频通过API接口同步至终端上进行播放,以此让患者跟随视频进行张口/转颈运动训练。训练同时,终端对患者的运动进行视频采集,并通过API接口同步上传平台,由平台的AI模块对运动视频和素材中的动作分别进行动作特征提取,并进一步计算各个点上的动作特征p1和动作特征p2之间的相似度,并根据相似度进行训练打分,以此实现AI识别和视频指导下的训练与打分,能够让患者根据分值选择性训练,以及居家即可通过终端登录平台进行训练,可增加康复锻炼的趣味性及依从性。
-
公开(公告)号:CN111210262B
公开(公告)日:2023-10-03
申请号:CN201911360629.6
申请日:2019-12-25
Applicant: 浙江大学
IPC: G06Q30/0201 , G06Q30/0283 , G06Q30/08 , G06F8/60 , G06F9/50
Abstract: 本发明公开了一种基于激励机制的自发式边缘应用部署及定价方法。首先,构建面向边缘端应用的自发式部署系统架构。其次,提出了针对自发式边缘应用部署及定价的激励机制,最后,基于后向归纳法对自发式边缘应用部署及定价问题进行求解,从而获取边缘服务器的最优部署方案及应用提供商的最佳定价策略。
-
公开(公告)号:CN116720575A
公开(公告)日:2023-09-08
申请号:CN202310522580.X
申请日:2023-05-10
IPC: G06N3/10 , G06N3/049 , G06F3/04847 , G06F3/04845
Abstract: 本发明公开了一种解释脉冲神经网络模型运行的可视化交互方法,在编辑模式下,包括以下步骤:设计脉冲神经网络模型的网络结构;修改脉冲神经网络模型的神经元连接权重值;设置脉冲神经网络模型的每层阈值电压;随机生成脉冲神经网络模型的输入脉冲序列;基于设置结果运行脉冲神经网络模型并进行动态可视化。在模型文件导入模式下,包括以下步骤:输入脉冲神经网络模型文件并进行模型结构解析;运行解析的脉冲神经网络模型并进行动态可视化。该方法可以实现对脉冲神经网络模型运行过程的可视化解释。
-
-
-
-
-
-
-
-
-