-
公开(公告)号：CN111079921A
公开(公告)日：2020-04-28
申请号：CN201911197354.9
申请日：2019-11-29
Applicant: 杭州电子科技大学舟山同博海洋电子信息研究院有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于异构分布式系统的高效神经网络训练调度方法。本发明首先通过资源探测系统探测并分析分布式系统中的资源动态变化；将训练过程分解为内迭代与外迭代作为任务调度系统的重要子集，并根据资源探测系统提供的分布式系统节点状态信息，随后任务调度系统自适应地修改环境参数并调度计算。在公开数据集下进行的相关实验表明，在保证高准确率、收敛率的前提下，本发明具有更好的鲁棒性和可扩展性。
-
公开(公告)号：CN113934714B
公开(公告)日：2024-11-12
申请号：CN202111075791.0
申请日：2021-09-14
Applicant: 杭州电子科技大学
IPC: G06F16/215 , G06V10/762 , G06V10/764 , G06V10/774
Abstract: 本发明公开一种基于概率密度聚类的数据清洗方法及装置。本发明从基于层级聚类模型预测数值型错误数据出发，利用数据的概率密度求出数据的特征向量，再根据特征向量来进行模型训练和预测，提高了错误数据的预测精准度，并且人工参与的工作量较小，工作复杂度较低；在利用概率密度求特征向量的过程中，设置的阈值精度较高，个数较多，使本方法具有的一定的泛化型。
-
公开(公告)号：CN112488655B
公开(公告)日：2024-09-06
申请号：CN202011400356.6
申请日：2020-12-04
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于多租户模式的业务流程动态定制系统及方法。业务流程系统包括业务流程模块、表单管理模块、租户感知模块、流程执行器和共享数据库等；该方法通过对租户的业务需求进行分析，按层级划分任务节点，构建多租户业务流程定制模型；针对业务流程中的可变性任务节点，在模型中加入了模式匹配器，能够根据业务需求的调整动态生成符合要求的业务流程。采用本方法后，系统能根据当前的租户身份，生成一个符合该租户需求的业务流程，减少租户的定制操作；加入的模式匹配器，增强了系统对可变性因素的控制，提高了系统的灵活性。由于租户间共用一套业务流程系统，可以从很大程度上降低系统的运营成本。
-
公开(公告)号：CN118152107A
公开(公告)日：2024-06-07
申请号：CN202311676312.X
申请日：2023-12-08
Applicant: 杭州电子科技大学 , 中国科学院计算机网络信息中心
IPC: G06F9/50
Abstract: 本发明公开了一种用于DFPT分析的多级GPU负载均衡方法及系统，属于计算机高性能计算数值模拟领域。该方法首先基于密度泛函微扰分析的数据集，通过预运行确定批次负载。其次根据批次负载进行一级负载划分：进行卡间负载均衡划分，实现GPU卡间负载均衡。最后进行二级负载划分：进行卡内负载均衡划分，实现GPU卡内负载均衡。该系统包括负载确定模块、一级负载划分模块和二级负载划分模块。本发明改善了现有负载均衡策略由于没有针对性的优化，难以应对GPU加速后的密度泛函微扰分析的问题，提高了资源利用率以及运算效率。
-
公开(公告)号：CN112488322B
公开(公告)日：2024-02-13
申请号：CN202011473608.8
申请日：2020-12-15
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种基于数据特征感知聚合的联邦学习模型训练方法。本发明中的云端服务器根据边缘客户端上传的本地模型计算全局最优模型，并根据挖掘边缘客户端数据特征，对数据特征进行降维，筛选出关键特征，基于关键特征对边缘客户端进行聚类分组；云端服务器向边缘客户端下发分组信息和全局最优模型；边缘客户端根据接收到的全局最优模型，按照全局最优模型提供本地数据在本地执行模型训练，同一边缘客户端组中随机选择一个本地模型或选择边缘客户端组中最优模型上传给云端服务器。本发明充分利用了边缘客户端的数据特征，将边缘客户端进行分组，避免了不必要的通信并且极大程度的缓解了统计异构性对模型训练的影响，提高了模型的训练效率。
-
Patent Agency Ranking
公开(公告)号：CN116562333A
公开(公告)日：2023-08-08
申请号：CN202310332005.3
申请日：2023-03-30
Applicant: 中国科学院计算机网络信息中心 , 杭州电子科技大学
Abstract: 本发明提供一种针对物理神经网络的改进网络的调优方法和装置。该方法包括：为所述基础的物理神经网络添加输入放缩层，输出放缩层和特征层，构建改进的物理神经网络；使用若干观测点和所述改进的物理神经网络作差作为第一损失函数对所述改进的物理神经网络进行第一训练；将所述微分方程组的残差项加入到所述第一损失函数得到第二损失函数进行第二训练。实现了使用物理神经网络求解强刚性的速率理论方程组的可行性，添加观测点作为有监督训练项并进行预训练，确定模型的优化方向，使模型训练具有更高的训练效率。采用均衡各残差权重的优化方法，让改进的网络具有更好的正则化效果。
-
公开(公告)号：CN116400963A
公开(公告)日：2023-07-07
申请号：CN202310306346.3
申请日：2023-03-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于负载均衡的模型自动并行方法、设备及存储介质。本发明首先分析影响算子和模型执行性能的关键因素（算子出入度大小、张量的形状以及张量的数据类型），提出了基于算子特征构建性能评估模型的方法，以评估算子计算、通信以及综合代价和模型的训练性能代价；然后，以各设备综合代价负载均衡为目标，利用基于拓扑排序的按层划分方法将神经网络模型快速切分成多个综合代价均衡的子模型，实现粗粒度的划分；最后，基于模型的训练性能评估模型，根据算子间的通信特征，利用基于通信优化的细粒度模型切分和调度方法，针对粗粒度切分好的子模型，进行细粒度的调整，降低跨设备通信张量传输量的大小，以实现全局模型最优化调度。
-
公开(公告)号：CN115859213A
公开(公告)日：2023-03-28
申请号：CN202211493241.5
申请日：2022-11-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于时空融合与自注意力机制的交通流量修复方法及系统。本发明提出了时空结合及时空剔除的交通流修复方法，时空结合使得模型在使用自注意力机制时，将空间信息、时间信息及数值相加并看为一个整体，充分利用了道路中的路网的空间信息及时间的前后关系，提高了道路图信息的利用率；提出了用于交通流量修复的时空融合与自注意力机制。时空融合与自注意力机制通过结合空间与时间信息，使得模型能够提取到不同道路之间车流量的隐含关系，学习道路图的历史流量特征；提出了正序逆序两种序列数据修复融合的方法。通过正序逆序两种遍历方法得到两种序列，提取不同序列的多种信息，提高修复准确率。
-
公开(公告)号：CN115525896A
公开(公告)日：2022-12-27
申请号：CN202210907548.9
申请日：2022-07-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种利用动态图注意力网络的恶意软件检测方法。本发明对API序列进行分段，构建API图快照序列，使用多个快照记录了软件API调用图的变化过程，以此间接表示软件行为动作发生的顺序与过程，使模型能更好地理解软件行为。本发明将通过图注意力神经网络模块更新注意力系数，同时通过门控循环神经网络模块更新隐藏状态,使得模型能捕获调用图局部恶意行为信息与调用图结构的演变过程，更加适应非典型的恶意软件检测。
-
公开(公告)号：CN114707749A
公开(公告)日：2022-07-05
申请号：CN202210417234.0
申请日：2022-04-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进编解码器架构的序列到序列船舶轨迹预测方法。传统的编解码器方法无法捕捉完整的船舶轨迹序列表示并进行有效的预测。本发明基于编解码器架构，提出了一种改进编解码器架构序列到序列的船舶轨迹预测方法，它由两个并行的卷积分量构成改进编码器和长短期记忆网络构成解码器。本发明提供的改进编解码器架构的序列到序列船舶轨迹预测方法具有更高的精度，在交通复杂的近海区域的船舶轨迹预测中具有一定的参考价值。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.069 seconds)
