-
公开(公告)号：CN113599798B
公开(公告)日：2023-03-17
申请号：CN202110983668.2
申请日：2021-08-25
Applicant: 上海交通大学 , 上海燧原科技有限公司
Abstract: 本发明提供了一种基于深度强化学习方法的中国象棋博弈学习方法及系统，包括：步骤S1：将局面特征输入深度卷积神经网络，输出当前局面评估值和所有合法着法的概率；步骤S2：当前局面根据当前局面评估值和合法着法的概率，利用蒙特卡洛树搜索对当前局面进行决策，选择下一步的着法并执行走子，获取当前局面特征，重复触发步骤S1至步骤S2，直至棋局走到终局，得到对弈结果。本发明通过基于人类专家棋谱的监督学习和基于自我对弈的自学习的技术特征，实现快速提升模型棋力，并以迭代式方法逐步增强棋力以至模型棋力最终超过人类棋手的技术效果。
-
公开(公告)号：CN112965822B
公开(公告)日：2022-08-12
申请号：CN202110291265.1
申请日：2021-03-18
Applicant: 上海交通大学
IPC: G06F9/50
Abstract: 本发明提供了一种利用数组池优化javaScript/typeScript程序内存性能的方法，涉及基于javaScript/typeScript动态语言处理类型化数组时的内存优化技术领域，该方法针对javaScript/typeScript动态语言处理类型化数组时，执行包括：数组池建立步骤：预先建立数组池；数组申请步骤：将创建二进制数组的操作改为向数组池申请数组；数组归还步骤：将销毁二进制数组的操作改为向数组池归还数组。本发明能够将正常创建和销毁的二进制数组变为向数组池申请数组和归还数组，减少调用垃圾回收机制的性能开销，起到优化javaScript/typeScript程序运行时的效果。
-
公开(公告)号：CN112860381B
公开(公告)日：2022-04-26
申请号：CN202110255734.4
申请日：2021-03-09
Applicant: 上海交通大学
IPC: G06F9/455
Abstract: 本发明提供了一种基于申威处理器的虚拟机内存扩容方法及系统，涉及内存虚拟化技术领域，该方法包括：步骤S1：对服务器物理内存进行划分，一部分物理内存作为直接映射区，即按照原来的加偏移的方式直接访问，而另一部分物理内存作为存储设备的缓存，即划分为缓存区；与之对应的，虚拟机物理内存被分为直接映射区和非直接映射区；步骤S2：创建虚拟机，申请内存，KVM会根据虚拟机申请的内存创建内存块映射表；步骤S3：修改虚拟机物理内存地址的转换路径；步骤S4：当虚拟机退出到KVM以根据虚拟机物理内存地址获取正确的服务器物理内存地址。本发明能够解决在申威平台中无法使用超过服务器物理内存范围的虚拟机物理内存地址的问题。
-
公开(公告)号：CN114138422A
公开(公告)日：2022-03-04
申请号：CN202111507944.4
申请日：2021-12-10
Applicant: 上海交通大学
Abstract: 本发明提供了一种可扩展性的NVMe存储虚拟化方法和系统，该方法基于中介透传虚拟化方案，支持对虚拟机、安全容器、容器的混合部署，同时满足对高密度部署安全容器、容器的可扩展性需求，该方案实现在系统NVMe驱动层，根据vfio mdev框架提供的接口，创建虚拟的mdev设备，将mdev设备通过vfio传递给虚拟机，从而提供虚拟机使用NVMe设备的能力。它通过修改物理队列分配与调度方式、优化I/O轮询线程处理I/O任务过程、修改存储资源分配方式、优化NVMe指令地址翻译过程这四个方面提高系统整体的可扩展性。
-
公开(公告)号：CN112860381A
公开(公告)日：2021-05-28
申请号：CN202110255734.4
申请日：2021-03-09
Applicant: 上海交通大学
IPC: G06F9/455
Abstract: 本发明提供了一种基于申威处理器的虚拟机内存扩容方法及系统，涉及内存虚拟化技术领域，该方法包括：步骤S1：对服务器物理内存进行划分，一部分物理内存作为直接映射区，即按照原来的加偏移的方式直接访问，而另一部分物理内存作为存储设备的缓存，即划分为缓存区；与之对应的，虚拟机物理内存被分为直接映射区和非直接映射区；步骤S2：创建虚拟机，申请内存，KVM会根据虚拟机申请的内存创建内存块映射表；步骤S3：修改虚拟机物理内存地址的转换路径；步骤S4：当虚拟机退出到KVM以根据虚拟机物理内存地址获取正确的服务器物理内存地址。本发明能够解决在申威平台中无法使用超过服务器物理内存范围的虚拟机物理内存地址的问题。
-
Patent Agency Ranking
公开(公告)号：CN112732725A
公开(公告)日：2021-04-30
申请号：CN202110088720.8
申请日：2021-01-22
Applicant: 上海交通大学
IPC: G06F16/22 , G06F16/21 , G06F16/245 , G06F16/28
Abstract: 本发明提供了一种基于NVM混合内存的自适应前缀树构建方法，根据全局索引数据结构对全量数据和节点在NVM地址空间进行构建和维护；根据快捷索引数据结构对新增数据和节点在DRAM地址空间进行分配和维护；当DRAM地址空间占用达到设定比例后，触发迁移线程将新增数据和节点迁移到NVM地址空间中，降低DRAM地址空间存储。本发明还提供了一种基于NVM混合内存的自适应前缀树构建系统，能够在自适应前缀树低DRAM地址空间占用的基础上，根据节点上存储数据的冷热度，对索引结构进行分区域存储，在降低了DRAM地址空间消耗的同时，利用工作负载的局部性特征，为新增节点提供更为快捷的访问方式，可以很好的维持数据库请求响应性能。
-
公开(公告)号：CN107302447B
公开(公告)日：2021-02-12
申请号：CN201710354863.2
申请日：2017-05-18
Applicant: 上海交通大学
Abstract: 本发明公开了基于复杂系统的多层数据分析方法，其使用Markov chain和Stochastic Reward Net来进行建模，将数据中心分为3层，为PDU、switch和server层，PDU采用集中式，也即整个数据中心只由单台PDU管理，Switch网络结构为简化的Fat Tree，分为Core Switch和Edge Switch层。Server分两类，逻辑上认为Server分别分布在主服务器集群池和备用服务器集群池。本发明中数据中心的可用性定义为主服务器集群池内可用server的台数。本发明通过对数据中心可用性的定量分析，为其确定合适的超配比，引入转移延迟，使得模型更加符合实际。
-
公开(公告)号：CN111046824A
公开(公告)日：2020-04-21
申请号：CN201911317622.6
申请日：2019-12-19
Applicant: 上海交通大学
Abstract: 本发明提供了一种时间序列信号高效去噪和高精度重构建模方法及系统，包括：对原始的脉搏波信号进行数据预处理；选择预设的信号时长，将数据预处理后的脉搏波信号分为预测集、训练集和测试集；选择卷积神经网络作为深度降噪自编码机的基础模型，根据信号去噪要求，得到深度卷积降噪自编码机模型；将训练集输入深度卷积降噪自编码机模型进行训练，利用正则化参数以及测试集进行深度卷积降噪自编码机模型参数的调优和选取，得到最优深度学习模型；将含噪脉搏波信号预测集输入到最优深度学习模型中获取深度结构特征，进行信号重构和去噪处理，评估模型性能。本发明有效进行脉搏波信号的去噪和重构，为滤除脉搏波信号中的同频噪声干扰提供了新思路。
-
公开(公告)号：CN108334406A
公开(公告)日：2018-07-27
申请号：CN201711342940.9
申请日：2017-12-14
Applicant: 上海交通大学
IPC: G06F9/50
Abstract: 本发明提供了一种基于区域气温差异化的跨数据中心节能负载均衡方法，包括：通过拟合确定因为热传导导致的冷却能耗方程；确定数据中心每个IT设备正常工作的能耗方程；确定数据中心的总能耗方程；定义云服务请求的调度向量；确定调度到数据中心的工作负载；确定基于服务水平协议的尾延迟约束；计算每个云服务请求的延迟概率；构建气温感知的云服务调度架构。本发明在确保云服务满足基于服务水平协议的尾延迟要求下降低数据中心总体冷却消耗降，同时云服务仍然可以满足基于服务水平协议的尾延迟约束。
-
公开(公告)号：CN108319497A
公开(公告)日：2018-07-24
申请号：CN201810028235.X
申请日：2018-01-11
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于云端融合计算的分布式节点管理方法及系统，包括：设定初始的价格ρ，并广播至用户端；根据价格ρ计算出当前用户端的最佳负载百分比，将用户端的任务迁移至无线基站端；根据无线基站端接收到的任务，计算无线基站端的最大计算能力与当前总任务需要的计算量之间的差值的绝对值；若无线基站端的最大计算能力与当前总任务需要的计算量之间的差值大于零，则将价格ρ自减Δρ，反之将价格ρ自增Δρ；将最新的价格ρ发送给用户端。本发明利用服务价格的方式，对用户的竞争形成调节。用户可以将自己的计算密集型任务一部分迁移到无线基站中，一部分在用户端本地处理，来减少用户端的能耗，也可以保证无线基站的正常工作。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.028 seconds)
