-
公开(公告)号：CN105786681A
公开(公告)日：2016-07-20
申请号：CN201610091361.0
申请日：2016-02-18
Applicant: 中国科学院计算技术研究所
IPC: G06F11/34
CPC classification number: G06F11/3452 , G06F11/3476
Abstract: 本发明提供一种数据中心的服务器性能评估方法，包括：1)对于任意服务器类型i，获取各个应用u运行在该服务器类型i上所体现的性能；2)基于数据中心的历史数据，计算各个应用u在服务器类型i上体现的权重；3)基于步骤2)所得的权重，计算各个应用u运行在该服务器类型i上所体现的性能的加权和，从而得到服务器类型i对于数据中心的性能期望。本发明还提供了相应的数据中心的服务器更新方法。本发明的服务器性能评估模型能够对应用的性能期望进行准确的预测，且数据采集与决策时间开销小；能够快速给出基于成本效益最优化的数据中心的服务器更新方案；能够节约成本，且便于实施。
-
公开(公告)号：CN105786681B
公开(公告)日：2019-03-26
申请号：CN201610091361.0
申请日：2016-02-18
Applicant: 中国科学院计算技术研究所
IPC: G06F11/34
Abstract: 本发明提供一种数据中心的服务器性能评估方法，包括：1)对于任意服务器类型i，获取各个应用u运行在该服务器类型i上所体现的性能；2)基于数据中心的历史数据，计算各个应用u在服务器类型i上体现的权重；3)基于步骤2)所得的权重，计算各个应用u运行在该服务器类型i上所体现的性能的加权和，从而得到服务器类型i对于数据中心的性能期望。本发明还提供了相应的数据中心的服务器更新方法。本发明的服务器性能评估模型能够对应用的性能期望进行准确的预测，且数据采集与决策时间开销小；能够快速给出基于成本效益最优化的数据中心的服务器更新方案；能够节约成本，且便于实施。
-
公开(公告)号：CN115099279A
公开(公告)日：2022-09-23
申请号：CN202210804997.0
申请日：2022-07-08
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于一维周期信号进行分类的迁移学习方法，包括：S1、采用编码神经网络提取源域数据集和目标域数据集中的每个样本的特征向量，利用源域和目标域中设有标签的样本的特征向量以及标签训练分类器以识别设备的状态类别，训练时根据分类损失更新分类器的参数；S2、将目标域中没有标签的每个样本的特征向量输入经步骤S1训练的分类器以输出样本对应的状态类别，并将其作为对应样本的伪标签；S3、根据源域数据集中样本的特征向量、标签以及目标域数据集中样本的特征向量、标签和伪标签确定源域和目标域之间包含边缘分布差异和条件分布差异的第一联合分布损失，并根据第一联合分布损失更新编码神经网络的参数。
-
公开(公告)号：CN114881115A
公开(公告)日：2022-08-09
申请号：CN202210351790.2
申请日：2022-04-02
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于图神经网络的多变量时间序列异常检测方法和系统，包括：以物理系统中传感器作为概率图模型中节点，以传感器监测的数据作为时间序列，对多维时间序列关系建模，得到动态图神经网络模型；得到各节点下一时间点的预测值，并采用归一化的时间对齐测度生成各节点的邻接矩阵；当时间进行到下一时间点，获取节点的真实值，根据预测值和真实值，构建引入邻接矩阵重构误差的损失函数，以训练更新动态图神经网络模型，同时根据各节点损失函数数值及其邻居节点在分布上的差异性和邻接矩阵值，得到各节点的异常值；当节点预测值与真实值的误差大于异常值，则产生异常报警。本发明提高了系统异常值的稳定性和缓变异常检测的准确性。
-
-
-
Search Results
4
records
(took 0.023 seconds)
