-
公开(公告)号：CN108092803B
公开(公告)日：2020-07-17
申请号：CN201711292739.4
申请日：2017-12-08
Applicant: 中通服咨询设计研究院有限公司 , 东南大学
Abstract: 本发明公开了网络功能虚拟化环境中实现网元级并行化服务功能的方法，包括：遍历服务功能链，运行服务功能分解分析算法，将各服务功能分解为基本的报文处理单元称之为网元，分析、综合服务功能中的网元特性，确定各服务功能对报文的操作及操作域信息并保存。利用得到的各服务功能的操作及操作域信息，先运行可并行判定算法，确定服务功能链中可进行并行优化的服务功能组合，再执行并行优化算法，并行化服务功能组合。结合不可并行的服务功能和并行优化后的服务功能，按照原服务功能顺序编排组合，创建生成新服务功能链，新服务功能链有效地缩短原服务功能链长度，提高各服务功能之间的并行度，显著地减少报文通过服务功能链时的延时开销。
-
公开(公告)号：CN107943592B
公开(公告)日：2020-06-12
申请号：CN201711326972.X
申请日：2017-12-13
Applicant: 中通服咨询设计研究院有限公司 , 东南大学
IPC: G06F9/50
Abstract: 本发明公开了一种面向GPU集群环境的避免GPU资源争用的方法，包括支持多应用程序细粒度并发执行的插件，应用程序行为特征抽取和应用程序任务调度。针对同一个NVIDIA GPU节点上运行的多个应用程序可能会引起的GPU资源争用问题，构建一个支持多应用程序细粒度并发执行的平台，使得多个应用程序在同一个GPU节点上可以尽可能的并发执行。其次，抽取每个应用程序的GPU行为特征，包括GPU使用模式和GPU资源需求信息。根据应用程序的GPU行为特征，以及当前GPU集群中各个GPU节点的资源使用状态，调度应用程序到适合的GPU节点上，从而最小化多个独立应用程序在同一个GPU节点上的资源争用。
-
公开(公告)号：CN119342536A
公开(公告)日：2025-01-21
申请号：CN202411348486.8
申请日：2024-09-26
Applicant: 东南大学
IPC: H04W28/14 , H04W28/08 , G06F9/50 , G06N3/0464 , G06N5/04
Abstract: 本发明公开一种基于动态深度神经网络的模型缓存和请求路由方法与系统，首先根据深度神经网络在不同分支出口的推理精度将其划分成多个不同的子模型，统计这些子模型的浮点计算量和内存占用大小；然后以最大化用户请求的总推理精度为目标，在延迟和资源等约束下建立目标优化式，根据已知的用户请求，利用线性规划方法求解目标优化式以得到最优的模型缓存和请求路由分数解；利用随机舍入的方法将模型缓存和请求路由分数解舍入为整数解；最后利用启发式的方法将随机舍入得到的模型缓存和请求路由的解转化为最终满足所有约束的可行解。本发明能够在保证较低时延的基础上提高用户请求的推理精度，满足边缘智能应用高精度与低延迟的需求。
-
公开(公告)号：CN118115531A
公开(公告)日：2024-05-31
申请号：CN202211513314.2
申请日：2022-11-29
Applicant: 中国移动通信有限公司研究院 , 东南大学 , 中国移动通信集团有限公司
IPC: G06T7/246 , G06V10/764
Abstract: 本发明提供一种多目标跟踪方法、装置及终端，涉及通信技术领域。该方法包括：将原始图像数据按照第一切分粒度进行切分，得到多个数据集；将所述多个数据集输入分类器模型进行图像内容复杂程度预测，并对预测得到的预测结果进行分类；按照分类后的预测结果对所述多个数据集进行分类，并向服务器发送分类后的数据集；接收所述服务器发送的多目标跟踪结果；其中，所述多目标跟踪结果是将所述分类后的数据集按照不同分类对应的分支跟踪模型推理得到的，且不同分类对应的分支跟踪模型的计算量不同。本发明能够解决目前的多目标跟踪方法存在计算冗余、图片传输开销大以及推理延迟的问题。
-
公开(公告)号：CN115577797B
公开(公告)日：2023-09-26
申请号：CN202211273252.2
申请日：2022-10-18
Applicant: 东南大学 , 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明提供一种基于噪声感知的联邦学习优化方法及系统，解决联邦学习场景中客户端本地数据集的样本存在噪声而导致的全局模型精度下降的问题。本发明首先针对联邦学习中客户端本地数据集的样本噪声现象，提出使用标签冲突矩阵来表示数据噪声，然后使用标签矫正网络(LCN)拟合噪声数据集中的标签冲突概率分布，从而达到对噪声样本错误标签值的矫正效果；为了更有效的实现标签矫正网络和联邦学习模型的训练，本发明提出采用元学习的训练模式来实现同步优化；最后，本发明还提出了一种基于交叉验证的数据采样算法，从原始噪声数据集选择出一批带有相对正确标签的数据样本，从而提升LCN模型的标签矫正效果，最终提高联邦学习中训练模型的精度。
-
Patent Agency Ranking
公开(公告)号：CN110740054B
公开(公告)日：2022-04-01
申请号：CN201910644115.7
申请日：2019-07-17
Applicant: 东南大学
IPC: H04L41/12 , H04L41/06 , H04L41/14 , H04L41/142
Abstract: 本发明公开一种基于强化学习的数据中心虚拟化网络故障诊断方法，包括如下步骤：步骤1，初始化网络故障诊断模型；步骤2，根据设定的故障诊断目标，采用强化学习算法训练Q表，所述Q表记录了每种故障下采取每个动作获得的累计折扣奖励值；步骤3，故障发生时，将网络状态信息映射到Q表中的网络状态，根据网络状态查询Q表，依据奖励值最大原则选择动作作为故障诊断结果；步骤4，使用信息增益方法进一步优化网络状态空间，降低模型内存使用开销同时提高诊断精度。此种方法将故障感知过程放置在信息采集服务器降低信息采集开销，同时使用强化学习算法构建网络故障诊断模型，再使用信息增益方法进一步优化故障诊断模型，提高了故障诊断精度。
-
公开(公告)号：CN109831321B
公开(公告)日：2021-02-09
申请号：CN201910008291.1
申请日：2019-01-04
Applicant: 东南大学
Abstract: 本发明公开了一种数据中心中RDMA应用传输参数自适应选择方法，该方法包括以下步骤：步骤(1)分析和采集RDMA应用传输参数选择相关的应用特性以及服务器资源状态；步骤(2)构建基于应用特性和服务器资源状态的RDMA传输参数组合选择决策树模型，自适应地给不同应用选择最佳的RDMA传输参数组合；步骤(3)将步骤(2)得到的决策树模型以及RDMA通信编程的参数选择过程封装成通用的API给应用使用。该方法通过理论分析和实验构造应用可用的RDMA传输参数组合，根据应用特性和服务器资源状态建立RDMA传输参数组合选择决策树模型，为应用提供最佳的RDMA传输参数选择，从而优化RDMA应用的性能，同时降低RDMA应用开发难度和开发周期，赋能数据中心新型延迟敏感应用创新。
-
公开(公告)号：CN110286699B
公开(公告)日：2020-12-15
申请号：CN201910451515.6
申请日：2019-05-28
Applicant: 东南大学
Abstract: 本发明公开了一种无线传感网数据采集中基于实际模型的无人机最优速度调度方法。本发明的方法包括三个部分，分别是场景信息预处理、“段”的有效速度的计算、无人机飞行速度的设置。本发明首先针对传感器信息进行处理并初始化“段”的信息；然后根据有效距离、有效时间等参数计算每个“段”的有效速度；最后对获取的有效速度进行筛选，最终可以得到无人机最优的速度规划。
-
公开(公告)号：CN110740054A
公开(公告)日：2020-01-31
申请号：CN201910644115.7
申请日：2019-07-17
Applicant: 东南大学
IPC: H04L12/24
Abstract: 本发明公开一种基于强化学习的数据中心虚拟化网络故障诊断方法，包括如下步骤：步骤1，初始化网络故障诊断模型；步骤2，根据设定的故障诊断目标，采用强化学习算法训练Q表，所述Q表记录了每种故障下采取每个动作获得的累计折扣奖励值；步骤3，故障发生时，将网络状态信息映射到Q表中的网络状态，根据网络状态查询Q表，依据奖励值最大原则选择动作作为故障诊断结果；步骤4，使用信息增益方法进一步优化网络状态空间，降低模型内存使用开销同时提高诊断精度。此种方法将故障感知过程放置在信息采集服务器降低信息采集开销，同时使用强化学习算法构建网络故障诊断模型，再使用信息增益方法进一步优化故障诊断模型，提高了故障诊断精度。
-
公开(公告)号：CN110286699A
公开(公告)日：2019-09-27
申请号：CN201910451515.6
申请日：2019-05-28
Applicant: 东南大学
Abstract: 本发明公开了一种无线传感网数据采集中基于实际模型的无人机最优速度调度方法。本发明的方法包括三个部分，分别是场景信息预处理、“段”的有效速度的计算、无人机飞行速度的设置。本发明首先针对传感器信息进行处理并初始化“段”的信息；然后根据有效距离、有效时间等参数计算每个“段”的有效速度；最后对获取的有效速度进行筛选，最终可以得到无人机最优的速度规划。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.041 seconds)
