-
公开(公告)号：CN108446165A
公开(公告)日：2018-08-24
申请号：CN201810200611.9
申请日：2018-03-12
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
Abstract: 本发明公开了一种云计算中的任务预取方法，本发明通过在任务执行前对任务传输速度的预判断，既实现了在执行任务的同时传输下一步任务，又不影响并行计算中任务的调度策略，克服了现有技术存在的没有考虑到任务传输时间对计算密集型独立任务执行总时间影响的不足，使得本发明能够进一步减少并行执行任务的时间，有效提高系统效率。随着计算任务量的增加，本发明可有效节省的任务时间将更加明显。
-
公开(公告)号：CN118227838A
公开(公告)日：2024-06-21
申请号：CN202410227838.8
申请日：2024-02-29
Applicant: 西安电子科技大学
IPC: G06F16/901 , G06F16/22 , G06F16/2455 , G06F9/448 , G06Q50/06
Abstract: 本发明公开了一种能源领域数据服务规则的存储方法，包括以下步骤；步骤1：将存在前缀重复或者后缀重复的匹配条件，使用FST树的数据结构引入Drools规则引擎中，使用有限状态机存储规则；步骤2：在规则池的构建中，即Rete匹配中，为匹配条件新增一个规则辅助构建函数，最终将所有输入的规则构建为完整的FST树形数据结构存储。本发明利用有限状态机，采用FST数据结构，即前缀树与后缀树相结合的数据结构去存储，目标为在规则量级较大，并且存在重复前后缀的情况下，有效减少规则存储的空间开销，并且提高规则的匹配与执行效率。
-
公开(公告)号：CN118213987A
公开(公告)日：2024-06-18
申请号：CN202410334966.2
申请日：2024-03-22
Applicant: 西安电子科技大学 , 上海沄熹科技有限公司
IPC: H02J3/00 , H02J3/38 , G06N3/0455 , G06N3/0499 , G06F18/23213 , G06Q50/06
Abstract: 一种基于相似天气发现的短期光伏发电功率预测方法、系统、设备及介质，方法：获取光伏电站的历史光伏发电功率数据、传感器采集并保留的历史日真实气象数据和该光伏电站所在最近气象站保留的历史日天气预报数据，对其预处理，建立标准历史数据集；获取模型训练输入数据；构建基于PatchTST模型的短期光伏发电功率预测模型，训练得到对应天气类别的基于PatchTST模型的短期光伏发电功率预测模型，将所有天气类别对应的功率预测模型基于混合预测的架构集成短期光伏发电功率预测框架；预测短期光伏发电功率预测框架，得到目标光伏电站待预测日的光伏发电功率预测值；系统、设备及介质用于实现该方法；本发明提升光伏发电功率预测准确性，降低模型预测的时间复杂度。
-
公开(公告)号：CN117648998B
公开(公告)日：2024-04-26
申请号：CN202410117882.3
申请日：2024-01-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于可信执行环境的大语言模型联邦预训练方法，包括以下步骤：步骤1：创建大语言模型联合预训练任务，确定联合建模参与方，准备数据，并创建用于联合建模的计算存储网络资源；步骤2：进行大语言模型的联合预训练；步骤3：对联合预训练得到的大语言模型进行优化。以应用于大语言模型预训练多方联邦建模的实际场景，充分利用RDMA和CXL技术，在分布式环境中构建跨域可信执行环境集群，并为内存划分共享区域和私有区域，通过将共享区域形成大内存，使其可以容纳大语言模型及其训练数据以及中间训练结果，克服大模型大数据规模下的可信建模通信瓶颈和资源利用不足问题。
-
公开(公告)号：CN117818463A
公开(公告)日：2024-04-05
申请号：CN202311860941.8
申请日：2023-12-31
Applicant: 河南天海电器有限公司 , 西安电子科技大学
Abstract: 本发明提出了一种基于雷视融合的车载ADB系统架，包括依次连接的数据收集模块、ADB智能决策模块和ADB灯控模块，ADB智能决策模块包括CAN通信模块和处理器，CAN通信模块与处理器相连接，CAN通信模块与ADB灯控模块相连接，数据收集模块包括毫米波雷达和摄像头，毫米波雷达与摄像头均设置在汽车前侧，毫米波雷达与相连接，摄像头与处理器相连接，汽车的左车灯和右车灯均与ADB灯控模块相连接。本发明利用雷达与相机数据进行交互融合，能够确保数据源头准确无误，提高系统的鲁棒性。本发明所提出的方法能够利用毫米波雷达数据辅助相机采集的视频流数据，进行精准的物理位置信息计算，适应各种恶劣天气，例如雨、雪、雾等场景，增加了ADB系统的应用场景。
-
Patent Agency Ranking
公开(公告)号：CN116756116A
公开(公告)日：2023-09-15
申请号：CN202310624507.3
申请日：2023-05-30
Applicant: 西安电子科技大学
IPC: G06F16/21 , G06F16/22 , G06F16/23 , G06F16/242 , G06F16/27
Abstract: 本发明公开了一种基于延迟的分布式数据库模式更改方法，主要解决当前分布式数据库在线模式更改只允许新模式在同步完源表所有数据后才能提供服务的问题。其实现方案是：通过两个阶段修改分布式数据库的SQL引擎，即第一阶段主要处理模式更改请求，并对新模式进行初始化操作；第二阶段主要处理用户在新模式上的请求，在该阶段先将用户请求涉及的数据从旧模式迁移到新模式上，再使用新模式处理用户请求，提供相关服务。本发明在接收模式更改请求后系统只需简单初始化便能立即使用新模式，避免了对数据迁移的长时间等待，同时能针对模式更改的类型进行特殊优化处理，提高迁移效率，有效降低了用户查询的时延，可用于应用程序的在线升级和更新。
-
公开(公告)号：CN116662381A
公开(公告)日：2023-08-29
申请号：CN202310624554.8
申请日：2023-05-30
Applicant: 西安电子科技大学
IPC: G06F16/2453 , G06F16/2455
Abstract: 本发明公开了一种基于鲁棒性与代价融合的数据库执行计划选择方法，主要解决现有技术选择的执行计划在长期执行中不稳定的问题。其实现方案是：使用基数‑积分鲁棒性度量量化执行计划的鲁棒性；将单一的基数估计拓展上下限[f↓,f↑]范围内的基数估计；结合实际数据，探索范围内的基数及其概率分布情况；使用概率分布的基数对优化器进行改进，使用优化器在[f↓,f↑]内加权面积积分，将鲁棒性与估计成本归一为单一数值；根据该数值对候选计划进行选择，实现在优化器阶段对成本模型的优化。本发明找到的执行计划能同时满足低计划成本和强鲁棒性双重指标，避免了对不确定执行计划的敏感性，提高了数据库系统运行的稳定性，可用于数据库系统查询。
-
公开(公告)号：CN115934748A
公开(公告)日：2023-04-07
申请号：CN202211390765.1
申请日：2022-11-07
Applicant: 浪潮软件集团有限公司 , 西安电子科技大学
IPC: G06F16/242 , G06F16/27
Abstract: 本发明提供一种基于分布式SQL的开关分发与metrics采集汇总系统及方法，属于分布式数据库领域，本发明包括：1)分布式SQL开关分发模块；2)分布式SQL的metrics采集汇总模块。当分布式SQL执行时，执行过程中采集的metrics分布在各个执行节点上，需对各个执行节点上的metrics进行汇总，汇总到Gateway节点。保证了分布式SQL行为数据采集的正确性，降低了Gateway节点的等待时间。
-
公开(公告)号：CN109684070B
公开(公告)日：2022-12-13
申请号：CN201810997296.7
申请日：2018-08-29
Applicant: 西安电子科技大学
IPC: G06F9/50
Abstract: 本发明公开了一种云计算并行操作中的调度方法，在确定虚拟机配置后，同时开启1，2，3，…，n台虚拟机，并统计每次试验中开启每台虚拟机的平均用时t1,t2,t3,…,tn，根据公式ti＝ai+b得到a与b的最大似然值；然后计算任务用时τ，则启动m台虚拟机并行执行任务为最优方案；其次任务窗口将任务近似平均划分n份(n＞＞m)，构成任务集合，放在任务池中，任务调度器依次创建m台虚拟机，同时启动并行处理任务过程，每当有新虚拟机启动或者虚拟机上任务完成时，任务调度器为该虚拟机分配任务，最后全部虚拟机完成全部任务并返回任务结果。本发明中的最优调度策略是通过虚拟机启动时间的特点设计的，可以实现近似最优的加速比，保证每个虚拟机任务几乎同时完成，在大大减少任务执行时间提高任务效率的同时减少了系统资源的浪费。
-
公开(公告)号：CN111191291B
公开(公告)日：2022-06-17
申请号：CN202010007499.4
申请日：2020-01-04
Applicant: 西安电子科技大学
IPC: G06F21/62
Abstract: 本发明公开了一种基于攻击概率的数据库属性敏感度量化方法，包括以下步骤：1)赋予数据库中各列，攻击者可能提前获取该列的概率；2)将数据库输入到数据库主键分析系统中，得数据库的所有主键和复合主键；3)根据步骤2)输出的结果对数据库中的各列进行整理，找到各列分别出现在哪些主键和复合主键中；4)计算数据库中各列被攻击成功的概率；5)根据步骤4)计算得到的数据库中各列被攻击成功的概率的大小对数据库中各列进行敏感度量化和排序，并输出敏感度量化和排序的结果，完成基于攻击概率的数据库属性敏感度量化，该方法能够将数据库中所有属性根据攻击者攻击成功的概率进行敏感度的量化及排序，且准确性较高。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.049 seconds)
