智能TCP拥塞控制方法、系统、设备和存储介质

    公开(公告)号:CN112714074A

    公开(公告)日:2021-04-27

    申请号:CN202011607646.8

    申请日:2020-12-29

    Abstract: 智能TCP拥塞控制方法、系统、设备和存储介质,采集基于强化学习的TCP拥塞控制过程在t时刻的状态;根据采集的t时刻的状态的参数将基于强化学习的TCP拥塞控制过程抽象为一个可部分观察的马尔科夫决策过程,定义为五元组;采用近端策略优化计算在t时刻的奖励值期望,根据在t时刻的奖励值期望,调节控制动作,使奖励值期望最大化,适应网络的变化,实现网络拥塞控制的自学习。本发明采用近端策略优化方法进行模型更新,实现智能体快速学习。本发明相比传统Cubic、NewReno、HighSpeed具有更好的灵活性和适应性,可在不同的网络环境下资助学习最优拥塞控制策略,具有更优的网络传输性能。

    NVM的数据存储结构、存储方法、读取方法、设备及介质

    公开(公告)号:CN112612419A

    公开(公告)日:2021-04-06

    申请号:CN202011567944.9

    申请日:2020-12-25

    Abstract: 本发明属于计算机存储系统技术领域,公开了一种NVM的数据存储结构、存储方法、读取方法、设备及介质,包括主哈希表和公共溢出区;主哈希表内设置若干哈希桶,公共溢出区内设置第一级至第n级从哈希表,第一级至第n级从哈希表内均设置若干哈希桶。存储时,在线性哈希索引每次分裂的时候结合延迟分裂和正常分裂策略,降低线性哈希对NVM的写次数,提高写性能;公共溢出区设计多级从哈希表,将主哈希表内哈希桶的溢出桶存放在公共溢出区的从哈希表中,在提高线性哈希写性能的同时,提高线性哈希的读性能,实现读写友好的应用于NVM上的线性哈希索引方法。

    一种基于winograd动态卷积块的图像处理方法

    公开(公告)号:CN112434786A

    公开(公告)日:2021-03-02

    申请号:CN202011140346.3

    申请日:2020-10-22

    Abstract: 本发明公开了一种基于winograd动态卷积块的图像处理方法,属于卷积网络领域。本发明利用中国剩余定理算法生成winograd快速卷积方法的计算复杂度函数,计算复杂度函数将卷积神经网络模型中每一层的卷积参数作为常量引入,得到变量为winograd卷积块尺寸的计算复杂度模型;基于所述计算复杂度模型最小化计算开销;根据最小化计算开销得到的卷积块尺寸,完成相应层数的winograd快速卷积计算;抽取图片的特征并将其送入卷积神经网络进行分类处理;本发明解决winograd算法在通用计算平台上单一卷积块效率不平衡导致的卷积性能下降问题,本发明的图像处理方法能够加速处理器计算卷积神经网络的计算。

    一种小样本硬盘故障数据生成方法、存储介质及计算设备

    公开(公告)号:CN112434733A

    公开(公告)日:2021-03-02

    申请号:CN202011290978.8

    申请日:2020-11-17

    Abstract: 本发明公开了一种小样本硬盘故障数据生成方法、存储介质及计算设备,基于长短期记忆网络作为生成对抗网络的生成网络,对硬盘SMART数据进行学习,对长短期记忆网络的梯度进行调整并生成用于对抗训练的虚拟硬盘故障数据;对生成的虚拟硬盘故障数据进行甄别,将真实的硬盘故障数据作为训练样本数据集;交替计算生成对抗网络中生成网络G和判别网络D的梯度并调整至收敛,完成小样本硬盘故障数据训练,训练完成后,加载模型中的生成网络G,将初始随机向量传给生成网络G,生成网络G生成虚拟硬盘故障数据。本发明能够有效地生成符合真实硬盘故障数据特点的虚拟硬盘故障数据,扩充硬盘故障数据样本集,提高机器学习算法识别硬盘故障的准确率。

    一种基于OpenMP/MPI混合并行CFD计算的细粒度共享内存通信同步方法

    公开(公告)号:CN108932172B

    公开(公告)日:2021-01-19

    申请号:CN201810681045.8

    申请日:2018-06-27

    Abstract: 本发明公开了一种基于OpenMP/MPI混合并行CFD计算的共享内存通信同步方法,包括以下步骤:每个MPI进程根据进程内线程的总个数初始化用于OpenMP共享缓冲通信的内存缓冲区,并初始化用于共享缓冲区同步的互斥锁,将互斥锁置于加锁状态;启动OpenMP线程进行迭代计算;每个线程根据标志字将需要通信的边界数据写入共享缓冲区,结束后将同步的互斥锁解锁;每个线程利用互斥锁同步从共享缓冲区读取自己需要的其他线程的边界数据;每个线程根据上步判断条件,继续依次判断自己的下一个面是否需要通信并加锁读取数据;判断标志字节是否为真,若为真则则返回到轮询的开始,继续进行加锁读取判断,否则终止循环,每个线程都通过共享缓冲获得了需要交换的边界数据。

    一种面向大规模集群系统的节点故障预测方法

    公开(公告)号:CN111027591A

    公开(公告)日:2020-04-17

    申请号:CN201911107846.4

    申请日:2019-11-13

    Abstract: 本发明公开了一种面向大规模集群系统的节点故障预测方法,收集各节点的资源占用量数据并生成数据集,使用长短期记忆网络构建第一数据预测模型,使用随机森林构建第二故障预测模型,建立第一观察窗口,判断第一观察窗口的大小,如果不满足设定值,返回重新构建;如果满足设定值,使用第一故障预测模型预测提前时间窗口内数据,将第一观察窗口与提前时间窗口内数据结合构成第二观察窗口,判断第二观察窗口的大小,如果不满足设定值,返回重新构建第二观察窗口;如果满足,使用第二故障预测模型预测预测窗口内的故障。本发明在确保有充足的提前时间对节点故障进行处理的前提下,使预测模型的准确率最高。

    纠删码存储系统数据快速恢复方法、装置及存储介质

    公开(公告)号:CN110532126A

    公开(公告)日:2019-12-03

    申请号:CN201910684556.X

    申请日:2019-07-26

    Abstract: 本发明属于计算机存储领域,公开了一种纠删码存储系统数据快速恢复方法、装置及存储介质,当管理节点检测到若干数据节点失效时,管理节点根据校验节点和数据节点的码元编号得到水平校验集和反对角校验集,根据失效数据节点的码元编号,通过水平校验集和反对角校验集得到能够恢复失效数据节点的码元数据的校验集合,根据校验集合确定每个正常节点的待读取码元编号集合,根据每个正常节点的待读取码元编号集合从对应节点中读取码元数据,根据读取的码元数据和校验集合通过异或运算得到失效数据节点的失效码元数据。与现有恢复算法相比,能够减少约25%的码元读取量,极大地减少了从硬盘读取与从网络上传输的数据量,提升了修复效率。

    基于多种存储介质的分布式纠删码混合存储的林型存储结构及方法

    公开(公告)号:CN110531936A

    公开(公告)日:2019-12-03

    申请号:CN201910810633.1

    申请日:2019-08-29

    Abstract: 本发明公开了基于多种存储介质的分布式纠删码混合存储的林型存储结构及方法,其特征为在分布式存储系统中将纠删码的数据块数据放置到固态硬盘存储,将纠删码校验块数据放置到机械硬盘存储。其包括一下步骤:步骤(1)对分布式存储系统中数据存储介质进行分类,并建立林型混合存储结构;步骤(2)将分布式存储系统中纠删码数据进行分类,其中分为数据块数据与校验块数据并标记;步骤(3)将分类好的纠删码数据放置到林型存储结构的特定树上分发落盘。以此实现分布式存储上纠删码数据的基于多种存储介质的混合架构存储。本发明可以解决纠删码写放大对SSD的过度磨损,以更低成本提高系统性能,延长使用寿命,增强可靠性。

    一种分布式存储系统中海量数据的冷热判断方法

    公开(公告)号:CN109783443A

    公开(公告)日:2019-05-21

    申请号:CN201811594303.5

    申请日:2018-12-25

    Abstract: 本发明公开了一种分布式存储系统中数据冷热的判断方法,采用多版本的哈希表来统计数据的访问频度,并据此确定数据的冷热状况。该方法主要包括:选取合适数量的哈希函数,并在每次数据访问时将访问的索引通过这些哈希函数计算出对应的哈希结果,然后增加这些哈希结果在当前版本哈希表中对应位置的值;经过多次访问后,通过切换当前版本的哈希表以及移除所有版本哈希表的首位来进行衰减,以降低老旧信息的影响;最后通过统计所有版本哈希表中的数据访问信息来确定数据的冷热。相对于该领域其他方法,该方法可以在使用相同大小的内存空间时,提供更高的冷热数据判断准确率,有利于冷热数据的分别处理,从而提高系统性能。

    一种基于GPU的流体机械仿真程序异构加速方法

    公开(公告)号:CN109522127A

    公开(公告)日:2019-03-26

    申请号:CN201811378843.X

    申请日:2018-11-19

    CPC classification number: G06F9/5016 G06F9/5027 G06F2209/5018

    Abstract: 本发明公开了一种基于GPU的流体机械仿真程序异构加速方法,步骤包括热点分析,寻找具有加速潜力的子程序;主机设备间的数据传输的减免;内存访问的合并以及多种类型内存的利用,提升有效内存利用率以及计算访存比;代码重构暴露数据并行性,GPU kernel显式全局同步有损数据并行性,应尽力避免;串行算法的GPU适配,通过将串行算法替换为具有相同功能的并行算法;线程分配参数的调整,通过调整线程分配,使得线程计算时延被充分隐藏,提升计算吞吐;若是经过以上步骤达到理想效果,则加速完成,否则从热点分析开始新的一轮迭代直到达到满意效果。本发明提供了一种针对流体机械仿真程序特性的GPU加速方法,修改后的程序能达到理想的加速效果。

Patent Agency Ranking