-
公开(公告)号：CN116560860B
公开(公告)日：2023-10-10
申请号：CN202310847275.8
申请日：2023-07-12
Applicant: 太极计算机股份有限公司
Abstract: 本发明提供了一种基于机器学习的资源优先级的实时优化调整方法，属于资源调度技术领域，其方法包括：步骤1：获取并确认接收任务的需求信息，标定该任务的完成优先级；步骤2：获取针对该任务的资源申请请求信息；步骤3：根据资源申请请求信息从总资源池中选择相应的第一资源，并将第一资源初步分配至该任务；步骤4：基于机器学习模型分析多个任务基于完成优先级以及资源申请请求信息的冲突；步骤5：获取冲突并进行处理分析，产生相应的调度指令，对总资源池中的初步分配的第一资源进行优化调度。本发明通过及时对任务或资源冲突进行处理分析，合理地调动资源分配至任务，提升了资源的利用率；同时利用机器学习模型实现了资源的智能调度。
-
Patent Agency Ranking
公开(公告)号：CN118863023A
公开(公告)日：2024-10-29
申请号：CN202410900231.1
申请日：2024-07-05
Applicant: 太极计算机股份有限公司
Abstract: 本说明书实施例提供了一种基于人工智能可视化建模平台的算法开发装置及方法，其中，装置包括：Notebook模块，用于提供交互式编程环境和多种深度学习框架，并基于用户选择的深度学习框架提供用户进行在线编辑、调试以及运行代码，生成机器学习算法；算法管理模块，用于存储并管理机器学习算法。
-
公开(公告)号：CN118863094A
公开(公告)日：2024-10-29
申请号：CN202410900235.X
申请日：2024-07-05
Applicant: 太极计算机股份有限公司
IPC: G06N20/00 , G06F18/214 , G06F18/40
Abstract: 本说明书实施例提供了一种人工智能标注平台、方法、装置及存储介质，其中，平台包括：用户界面层，提供用户进行数据标注操作的接口；应用层，用于控制并实现标注任务流程、用户管理、权限控制、任务分配的核心业务逻辑，并通过API网关作为前端和后端之间的接口，处理请求路由、负载均衡和安全认证；数据处理层，在应用层的控制下，对上传的数据进行格式化、清洗和标准化处理，应用机器学习模型对处理后的数据进行自动预标注；数据存储层，通过数据库存储用户信息、数据标注结果以及任务状态这些结构化数据；后台服务层，用于管理标注任务的工作流程，进行标注数据的多级审核和质量检验；安全与合规性层，实现用户身份验证和权限控制。
-
公开(公告)号：CN116594755B
公开(公告)日：2023-09-22
申请号：CN202310854333.X
申请日：2023-07-13
Applicant: 太极计算机股份有限公司
Abstract: 本发明提供了一种多平台机器学习任务的在线调度方法及系统，属于在线调度技术领域，其方法包括：实时获取在线平台数量以及每个在线平台所对应的任务数量和任务类型，且结合同类型任务所需的任务执行时间，获取同个在线平台任务的执行流程；分析并获取多个在线平台任务的执行流程之间的流程冲突集；获取机器学习模型及机器学习模型可同时执行的任务数量及任务类型；基于获取结果对所述流程冲突集进行解析，构建得到调度关系网，实现在线调度。通过实时获取所需调度的任务具体情况及流程冲突集，并基于机器学习模型对冲突集进行解析构建调度关系网，能够实时获取任务执行情况，避免任务执行过程中的冲突发生，实现多平台学习任务的在线调度。
-
公开(公告)号：CN116594755A
公开(公告)日：2023-08-15
申请号：CN202310854333.X
申请日：2023-07-13
Applicant: 太极计算机股份有限公司
Abstract: 本发明提供了一种多平台机器学习任务的在线调度方法及系统，属于在线调度技术领域，其方法包括：实时获取在线平台数量以及每个在线平台所对应的任务数量和任务类型，且结合同类型任务所需的任务执行时间，获取同个在线平台任务的执行流程；分析并获取多个在线平台任务的执行流程之间的流程冲突集；获取机器学习模型及机器学习模型可同时执行的任务数量及任务类型；基于获取结果对所述流程冲突集进行解析，构建得到调度关系网，实现在线调度。通过实时获取所需调度的任务具体情况及流程冲突集，并基于机器学习模型对冲突集进行解析构建调度关系网，能够实时获取任务执行情况，避免任务执行过程中的冲突发生，实现多平台学习任务的在线调度。
-
公开(公告)号：CN116560860A
公开(公告)日：2023-08-08
申请号：CN202310847275.8
申请日：2023-07-12
Applicant: 太极计算机股份有限公司
Abstract: 本发明提供了一种基于机器学习的资源优先级的实时优化调整方法，属于资源调度技术领域，其方法包括：步骤1：获取并确认接收任务的需求信息，标定该任务的完成优先级；步骤2：获取针对该任务的资源申请请求信息；步骤3：根据资源申请请求信息从总资源池中选择相应的第一资源，并将第一资源初步分配至该任务；步骤4：基于机器学习模型分析多个任务基于完成优先级以及资源申请请求信息的冲突；步骤5：获取冲突并进行处理分析，产生相应的调度指令，对总资源池中的初步分配的第一资源进行优化调度。本发明通过及时对任务或资源冲突进行处理分析，合理地调动资源分配至任务，提升了资源的利用率；同时利用机器学习模型实现了资源的智能调度。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
