基于深度学习的大语言模型系统负载预测方法

    公开(公告)号:CN118227448B

    公开(公告)日:2024-08-02

    申请号:CN202410641525.7

    申请日:2024-05-22

    Abstract: 本发明公开了基于深度学习的大语言模型系统负载预测方法,包括以下步骤:S1、收集原始大语言模型系统负载时间序列数据;S2、对原始大语言模型系统负载时间序列数据进行预处理操作,所述预处理操作包括小波变换和数据归一化处理;S3、建立基于深度学习的大语言模型系统负载预测模型;S4、利用改进人工蜂群算法优化大语言模型系统负载预测模型的超参数;S5、利用优化后的大语言模型系统负载预测模型对未来系统负载趋势进行预测。本发明利用小波变换进行原始大语言模型系统负载数据进行特征提取,将原始数据分解成趋势部分和细节部分,后续针对不同特性的子序列分别进行建模预测,能够减少不同特征数据的互相影响,进一步提升预测精度。

    一种书法作品图像的裁剪和识别方法

    公开(公告)号:CN111160147A

    公开(公告)日:2020-05-15

    申请号:CN201911292817.X

    申请日:2019-12-16

    Abstract: 本发明公开了一种书法作品图像的裁剪和识别方法,包括S1用户通过广角摄像头对书法作品进行拍照;S2对拍摄的书法作品图像进行颜色范围过滤,定位到纸张所在区域,并进行二值化得到二值图像;S3、对二值图像进行垂直投影,得到垂直投影直方图;S4、对二值图像进行水平投影,得到水平投影直方图;S5、根据垂直和水平投影直方图和预设像素点个数阈值逐个裁剪出书法作品中的单字并保存至预设文件夹;S6、调用预先训练好的分类模型进行书法单字识别;S7、根据识别结果判断是否进行后续评价。本发明具有灵活、实时、识别准确率高等优点,并解决了传统方法中对拍摄环境光线、干扰物等要求较高的问题。

    基于深度学习的大语言模型系统负载预测方法

    公开(公告)号:CN118227448A

    公开(公告)日:2024-06-21

    申请号:CN202410641525.7

    申请日:2024-05-22

    Abstract: 本发明公开了基于深度学习的大语言模型系统负载预测方法,包括以下步骤:S1、收集原始大语言模型系统负载时间序列数据;S2、对原始大语言模型系统负载时间序列数据进行预处理操作,所述预处理操作包括小波变换和数据归一化处理;S3、建立基于深度学习的大语言模型系统负载预测模型;S4、利用改进人工蜂群算法优化大语言模型系统负载预测模型的超参数;S5、利用优化后的大语言模型系统负载预测模型对未来系统负载趋势进行预测。本发明利用小波变换进行原始大语言模型系统负载数据进行特征提取,将原始数据分解成趋势部分和细节部分,后续针对不同特性的子序列分别进行建模预测,能够减少不同特征数据的互相影响,进一步提升预测精度。

Patent Agency Ranking