-
公开(公告)号：CN119597453A
公开(公告)日：2025-03-11
申请号：CN202411577312.9
申请日：2024-11-06
Applicant: 之江实验室
IPC: G06F9/50 , G06F18/2411 , G06F18/214 , G06F18/232
Abstract: 本说明书公开了一种任务调度方法、装置、介质及设备。获取计算任务的任务描述信息。将任务描述信息输入预先训练的第一预测模型，得到第一预测模型输出的计算任务的第一执行时间。根据任务描述信息与第一执行时间，确定计算任务的资源调度策略。根据资源调度策略以及任务描述信息，执行计算任务。确定计算任务执行过程中的资源利用信息，并根据资源利用信息，确定计算任务的第二执行时间。根据第二执行时间，对计算任务的资源调度策略进行调整，以根据调整后的资源调度策略，继续执行计算任务。通过对计算任务的资源调度策略进行动态调整，提高计算资源的利用效率与计算任务的执行效率。
-
公开(公告)号：CN117648560A
公开(公告)日：2024-03-05
申请号：CN202311493710.8
申请日：2023-11-10
IPC: G06F18/21 , G01M13/021 , G01M13/028 , G01M13/025 , G06F18/10 , G06F17/18
Abstract: 本发明公开一种基于子信号联合加权包络抗噪相关的齿轮故障诊断方法，首先通过信号序列逐元素平方‑低通滤波‑平方根计算过程将原始振动信号序列转换成包络信号，再根据不同的时间间隔对包络信号进行重构，得到一系列子信号，并基于L‑矩理论指标计算各子信号的故障信息表征度量，接着结合Sigmoid函数变换为每个子信号派分权重，再基于包络信号、重构子信号以及其相应的权重，计算包络信号序列与重构子信号的联合加权包络抗噪相关函数，最后根据所绘制的联合加权包络抗噪相关函数随时间间隔的变化图中特征峰所对应的时间间隔值的倒数确定特征频率，最终识别齿轮故障。本发明能够在信号长度有限和复杂噪声干扰的情况下仅基于时域分析可靠识别齿轮故障。
-
公开(公告)号：CN114648123A
公开(公告)日：2022-06-21
申请号：CN202210133010.7
申请日：2022-02-14
Applicant: 之江实验室
Abstract: 本发明公开了一种卷积神经网络分层推理时间预测方法及装置，首先采集各类卷积神经网络模型的分层算子信息，根据算子信息的特性确定多种分层类型，将算子信息划分到各分层类型中，采集平台框架信息；其次构建特征工程，提取每种分层类型下对应的卷积神经网络模型的层特征参数，以及提取平台框架信息中与推理时间相关的平台框架特征参数，将模型层特征参数与平台框架特征参数融合，构成多种分层类型的特征参数；最后进行推理时间预测，根据特征参数的数据特点对多种分层类型进行分类，将特征参数相同的分层类型划分成一组，对特征参数不同的分层类型单独划分为一组，对每组构建推理时间预测模型，用于卷积神经网络模型进行推理时间的预测。
-
公开(公告)号：CN113938423B
公开(公告)日：2022-04-08
申请号：CN202111541643.3
申请日：2021-12-16
Applicant: 之江实验室
IPC: H04L45/586 , H04L45/74 , H04L45/02 , H04L45/28
Abstract: 本发明公开了一种基于虚拟链路的边缘容错路由方法和装置，该方法利用贪心转发策略，构建一个全部边缘节点构成的结构化虚拟链路网络，由物理链路和虚拟链路链接，每个边缘节点存储着构建该网络的路由表；当源节点需要向目标节点转发数据包时，源节点在数据包上添加目标节点的标识符，根据路由表中的路由表项，贪心地选择在标识符空间内距离目标节点最近的节点作为下一跳目标，并通过构建的网络转发数据包，直至到达目标节点；面临节点宕机或链路断路时，通过回溯策略和贪心转发策略旁路绕过。本发明具有路由延伸性好，容错性高的特点，能够适应大规模的边缘节点，保证了边缘节点在可靠性差、且常发生节点扰动的情况下，仍能完成路由任务。
-
Patent Agency Ranking
公开(公告)号：CN113938423A
公开(公告)日：2022-01-14
申请号：CN202111541643.3
申请日：2021-12-16
Applicant: 之江实验室
IPC: H04L45/586 , H04L45/74 , H04L45/02 , H04L45/28
Abstract: 本发明公开了一种基于虚拟链路的边缘容错路由方法和装置，该方法利用贪心转发策略，构建一个全部边缘节点构成的结构化虚拟链路网络，由物理链路和虚拟链路链接，每个边缘节点存储着构建该网络的路由表；当源节点需要向目标节点转发数据包时，源节点在数据包上添加目标节点的标识符，根据路由表中的路由表项，贪心地选择在标识符空间内距离目标节点最近的节点作为下一跳目标，并通过构建的网络转发数据包，直至到达目标节点；面临节点宕机或链路断路时，通过回溯策略和贪心转发策略旁路绕过。本发明具有路由延伸性好，容错性高的特点，能够适应大规模的边缘节点，保证了边缘节点在可靠性差、且常发生节点扰动的情况下，仍能完成路由任务。
-
公开(公告)号：CN113408806A
公开(公告)日：2021-09-17
申请号：CN202110710281.X
申请日：2021-06-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于时空并行栅格神经网络的地铁人流量多步预测方法，首先提出栅格神经网络来学习地铁人流量的时间关系，捕捉地铁人流量短期时间相关性；然后提出基于周期栅格神经网络的编码器‑解码器捕捉地铁人流量的长期时间相关性；再通过基于转移流量的指标来度量地铁站间的空间相关性，并将地铁系统建模成加权有向图；将传播图神经网络与基于栅格神经网络的编码器‑解码器组合，学习地铁人流量的动态空间相关性；并行执行长短期时间相关性和动态空间相关性的学习过程，融合两者的结果得到最终的地铁人流量多步预测结果。本发明采用时空并行学习的框架，有效地学习到地铁人流量的长短期时间相关性和动态空间相关性，并应用于多步预测。
-
公开(公告)号：CN119357672A
公开(公告)日：2025-01-24
申请号：CN202411611434.5
申请日：2024-11-12
Applicant: 之江实验室
IPC: G06F18/214 , G06F18/21 , G06F18/2135 , G06F18/22 , G06F18/23213 , G06N20/00 , G06F40/284 , G06F16/355 , G06V10/25 , G06V10/764
Abstract: 本说明书提供的一种模型训练方法、业务执行方法、装置以及存储介质，可以获取目标数据集，对目标数据集中包含的各深度学习任务的任务数据进行聚类处理，以划分出不同的任务簇，针对每个深度学习任务，将该深度学习任务的任务数据输入到与该深度学习任务所在的任务簇相对应的待训练的预测模型中，以使预测模型从该深度学习任务的任务数据中提取出任务特征，并根据任务特征确定执行该深度学习任务的预测耗时，根据预测耗时与执行该深度学习任务的实际耗时之间的偏差，确定损失值，并根据损失值对预测模型进行训练。
-
公开(公告)号：CN117873705A
公开(公告)日：2024-04-12
申请号：CN202311726226.5
申请日：2023-12-14
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于模型切割的任务执行方法、装置、介质及电子设备，其中，智能终端确定本地执行的目标任务以及执行所述目标任务所需的目标模型，并根据所述目标任务对应的任务相关信息以及所述目标模型的模型属性信息，确定所述目标任务的任务特征信息，进而将该任务特征信息发送到云服务器，以使得所述云服务器根据该任务特征信息，确定所述目标任务对应的提示信息，并将该提示信息输入预先部署的推理模型中，以根据所述推理模型输出的分割信息，构建执行切割所述目标模型的分割器，从而根据该分割器，对所述目标模型进行分割，获得各目标子模型，并将各目标子模型部署到各指定设备中，以通过部署后各目标子模型，执行所述目标任务。
-
公开(公告)号：CN117648545A
公开(公告)日：2024-03-05
申请号：CN202311493709.5
申请日：2023-11-10
IPC: G06F18/20 , G06F18/213 , G06N7/01 , G01M13/045
Abstract: 本发明公开一种基于贝叶斯优化解卷积的滚动轴承故障诊断方法，首先对信号序列实施去均值项并取绝对值后进行粗粒化处理，输出峭度值最大的粗包络信号序列，接着结合贝叶斯优化算法和多点最优最小熵解卷积方法搜索针对所得粗包络信号序列的最优解卷积滤波器设计参数组合，然后根据贝叶斯优化算法寻优得到的最优目标参数组合设计相应的多点最优最小熵解卷积滤波器，并对所选取的粗包络信号进行滤波处理，再对滤波后的输出信号序列进行快速傅里叶变换处理，绘制相应的频谱图，最后根据频谱图上所呈现的特征频率成分及其谐波识别和诊断滚动轴承的具体故障类型。该发明能够实现滚动轴承早期微弱故障的自动化诊断识别。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.017 seconds)
