公开(公告)号：CN119621568A

公开(公告)日：2025-03-14

申请号：CN202411717812.8

申请日：2024-11-27

Applicant: 同济大学

Inventor： 王成 ,  张军旗 ,  党寅 ,  刘钦源 ,  程大伟 ,  王利莹 ,  朱航宇 ,  王朝栋

IPC: G06F11/3668 ,  G06N20/00

Abstract: 本发明属于EOL下线测试程序自动生成领域，具体涉及一种基于强化学习的车辆域控制器EOL测试程序生成方法。包括以下步骤：S1：从原理图中获取的元器件原始数据，将原始电路及元器件连接属性进行数据处理，组合成最小电路组合数据；S2：在步骤S1得到的二维向量数据集上构建一个最优EOL下线测试用例选择模型；S3：基于S2模型，利用Q‑Learning算法生成当前优先级最高的EOL测试程序；S4：根据评判标准来选择出最优的测试用例。本发明方法解决了测试结果施加奖励方法的缺陷是检测失效率低，难以收敛；测试反馈时间长的问题。

公开(公告)号：CN119149238A

公开(公告)日：2024-12-17

申请号：CN202411387649.3

申请日：2024-10-06

Applicant: 同济大学

Inventor： 蒋昌俊 ,  闫春钢 ,  王成 ,  丁志军 ,  钱晓晟 ,  喻剑 ,  张亚英 ,  朱航宇 ,  王利莹 ,  王朝栋

IPC: G06F9/50 ,  G06F18/2415 ,  G06F18/214 ,  G06F18/21 ,  G06N3/08 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明涉及算力网络预测，提出了一种面向算力网络的多类型任务需求预测方法。该方法通过对算力网络场景中的多类型任务需求进行分析和特征提取，通过深度神经网络对任务需求进行分析和处理，输出分类结果，将分类后的任务需求通过频率注意力机制和非平稳因子相结合的方式处理，不仅能够实现自动从全局数据中抽取更深层次的关联特征，而且能够自动识别出任务中的突变需求，从而提高了算力网络场景下多类型任务需求的预测精度。对比传统的方法，本方法从时域和频域结合的角度对算力网络任务需求数据进行刻画，并引入非平稳因子，能够有效地识别出任务需求中的突变性数据，具有更高的准确性和适用性。

公开(公告)号：CN118277093A

公开(公告)日：2024-07-02

申请号：CN202410379722.6

申请日：2024-03-29

Applicant: 同济大学

Inventor： 蒋昌俊 ,  闫春钢 ,  王成 ,  丁志军 ,  张鹏 ,  喻剑 ,  张亚英 ,  王利莹 ,  朱航宇 ,  王朝栋

IPC: G06F9/50 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明属于负载预测领域，尤其涉及一种面向算力网络的负载预测方法，包括以下步骤：步骤S101，根据原始的算力网络服务器获取初始算力网络负载数据，基于获取的数据构建数据集；步骤S102，将采集到的数据集划分为训练集、验证集和测试集并进行数据预处理，方便后续模型使用；步骤S103，使用深度学习算法构建模型，使用训练集对模型进行训练，并通过验证集进行验证，不断的调整超参数直到预测结果和真实值接近，最后使用测试集测试最终的效果；步骤S104，比较真实的算力负载和基于历史数据预测出来的结果，将真实的负载数据重新组成新的数据集，加入到深度学习模型训练模块进行再次训练。本发明方法具有高准确性、实时性、自适应性等优点。

公开(公告)号：CN119166832A

公开(公告)日：2024-12-20

申请号：CN202411381422.8

申请日：2024-09-30

Applicant: 同济大学

Inventor： 谭成翔 ,  张智硕 ,  于淳清 ,  赵雪延 ,  杨敏 ,  王利莹

IPC: G06F16/36 ,  G06F40/30 ,  G06N3/045 ,  G06N3/048

Abstract: 本发明涉及一种基于多模态关联表征与实体对全局语义一致性的文本关系三元组抽取方法，包含轻量级实体对标签机制、基于全局语义与局部黏性的跨度表征、多模态token对关联表征、面向实体对的全局语义一致性约束、与边界双向映射的三元组解码。采用基于全局语义与局部黏性形成跨度的通用表征，并在嵌入关系前后两阶段分别建模多模态token对关联表征与关系token对全局语义一致性约束。此外，采用嵌入文本语义的关系表征，结合轻量化的双向映射解码机制完成关系三元组的一步抽取。与现有技术相比，本发明将跨度token间的黏性特性考虑在内，减小无关噪声实体对的生成概率的同时模型在训练时所占据资源更少，性能表现更佳。

公开(公告)号：CN119065852A

公开(公告)日：2024-12-03

申请号：CN202411236873.2

申请日：2024-09-04

Applicant: 同济大学

Inventor： 王成 ,  李之胜 ,  蒋昌俊 ,  朱航宇 ,  王利莹 ,  王朝栋

IPC: G06F9/50 ,  G06F9/48 ,  G06N5/022

Abstract: 本发明涉及边缘计算调度领域，特别是一种基于知识图谱的边缘计算调度系统。包括：边缘服务器算力资源表征模块、边缘服务器调度模块、边缘服务器可视化模块；其中：边缘服务器算力资源表征模块包括资源采集和资源建模功能。边缘服务器调度模块包含任务拆解、任务匹配、任务编排、节点管理功能，可将边缘服务器的算力资源和计算任务进行关联，并在知识图谱中匹配节点匹配和编排调度；边缘服务器可视化模块包括算力资源可视化和计算任务可视化两部分，用于展示边缘计算节点的特征属性和任务负载。本发明调度算法能够实时适应变化，提高了调度的效率和准确性。