-
公开(公告)号：CN119376958A
公开(公告)日：2025-01-28
申请号：CN202411975476.7
申请日：2024-12-31
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于分布式训练领域，提供了一种异构算力环境下的模型训练任务分配方法及系统，构建一个分层的深度强化学习模型，用于在终端层、边缘层和云计算层之间进行优化拆分点的选择和资源分配，从而实现高效的计算任务分配和模型训练。通过设计多个子策略网络来应对不同算力需求的任务。结合了资源感知模块，以衡量每层的计算资源、网络带宽和延迟等状态。启发式算法用于初步估计拆分点范围，减少无关位置的探索，优化搜索效率。针对神经网络模型计算所需要的资源，以浮点运算的数量来衡量。在拆分点的选择中，主要采取深度强化学习的方法结合资源感知模块，通过结构优化寻找最优的拆分点，以实现模型的有效拆分，并在两端侧完成高效的联合训练。
-
公开(公告)号：CN119276809A
公开(公告)日：2025-01-07
申请号：CN202411326506.1
申请日：2024-09-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L47/6275 , H04L41/14 , H04L41/142
Abstract: 本公开提供了一种时间敏感网络中混合流量传输方法及系统，涉及混合流量传输技术领域，包括：构建TSN时间敏感网络拓扑以及时间触发流的有向图模型；获取TT流集以及AVB流集，并对TT流集和AVB流集的优先级进行排序；使用ASAP调度算法对排序后的TT流集和AVB流集进行初步的调度，所有的流初步调度完成后，生成时隙，并根据时隙确定初始调度方案，并利用网络演算计算流集中所有流从源节点到目的节点总的最坏端到端时延；从AVB流集中选取优先级最大的流与TT流集中的流进行交换，重新进行调度并将交换完后的AVB流从AVB流集中删除；重新计算总最坏时延，直到所有的AVB流都已参与交换完成，确定最佳调度方案。本公开提高了AVB流的调度效率。
-
公开(公告)号：CN118747365A
公开(公告)日：2024-10-08
申请号：CN202410770288.4
申请日：2024-06-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F21/56 , G06F18/24 , G06F21/60 , G06F18/10 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于加密恶意流量检测领域，提供了一种基于注意力机制的恶意流量识别分类方法及系统，包括获取实时网络流量并进行预处理；基于预处理后的网络流量数据，利用深度神经网络模型进行多尺度特征学习，得到多尺度网络流量特征；利用多尺度感知融合注意机制，对多尺度网络流量特征进行不同尺度的特征映射，并对不同尺度的网络流量映射特征进行注意力加权融合，得到融合尺度网络流量特征；基于融合尺度网络流量特征进行分类识别，确定网络流量的恶意分类识别结果。
-
公开(公告)号：CN118567851A
公开(公告)日：2024-08-30
申请号：CN202410697907.1
申请日：2024-05-31
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明提出了一种边缘计算任务卸载优化方法及系统，明将整体任务分解成独立的子任务，并基于子任务之间的优先级关系和依赖关系，形成有向无环图(DAG)；随后利用Hermes算法初步生成任务卸载策略，考虑了子任务之间的关系，能够灵活的对多任务进行处理，Hermes算法在降低计算延迟和通信传输开销的情况下，形成初步卸载策略；然后基于强化学习进行进一步卸载优化，强化学习能够适应复杂的网络环境和计算资源的变换，综合考虑了当前的延迟、负载和计算资源多种指标，在网络和资源条件变化时能够动态地调整卸载策略，实现任务卸载的优化调整。
-
公开(公告)号：CN118400313A
公开(公告)日：2024-07-26
申请号：CN202410530333.9
申请日：2024-04-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L45/02 , H04L45/121 , H04L47/56 , H04L47/625
Abstract: 本公开提供了基于时间敏感网络的路由调度优化方法及系统，涉及网络传输技术领域，包括：获取路由网络拓扑和时间触发流，构建网络拓扑和时间触发流的TSN网络模型；对交换节点的流根据基于DM的优先级分配算法进行优先级排序；针对排序后的流队列，对流计算流从源节点到目的节点的最坏时延，根据计算出的最坏时延，选取多个路由路径生成流的有效路由集；针对有效路由集，计算所述有效路由集中所有路由路径的链路负载，选取链路负载最小的路由路径作为最佳路由；更新流经过路由路径的所有链路负载值，进行下一个流的最佳路由选择，直至遍历完所有的时间触发流。
-
Patent Agency Ranking
公开(公告)号：CN116782249A
公开(公告)日：2023-09-19
申请号：CN202311018645.3
申请日：2023-08-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本公开提供了具有用户依赖关系的边缘计算卸载及资源分配方法及系统，涉及边缘计算技术领域，初始化边缘服务器和用户移动设备的节点网络模型，获取任务在本地计算处理的时间，构建边缘服务器与用户移动设备之间的无线网络通信模型；获取将任务卸载至边缘服务器所需要的任务传输时间以及边缘服务器上执行处理每个任务的时间；考虑用户间有任务依赖关系，当前任务只有在所有前驱任务都已完成的情况下才能开始被卸载分配，以最小化总任务延迟和任务丢失率为目标构建卸载优化模型，求解该卸载优化模型，获取将任务映射到卸载优化模型中的最佳函数，并获取最大的长期奖励，获取最佳分配结果，本公开减少时延与降低任务丢失率。
-
公开(公告)号：CN116755882A
公开(公告)日：2023-09-15
申请号：CN202310720676.7
申请日：2023-06-16
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本公开提供了一种边缘计算中具有依赖关系任务的计算卸载方法及系统，涉及边缘计算技术领域，包括初始化卸载环境，获取具有依赖关系的任务序列构建有向无环图DAG，对具有依赖关系的任务序列卸载问题建模为马尔可夫决策过程；引入关键任务的优先级概念，根据任务的优先级值对DAG的任务序列进行拓扑排序，将任务嵌入到一系列向量中，获取任务嵌入序列；将任务序列卸载问题转换为序列到序列预测问题，将任务嵌入序列输入到序列到序列神经网络中，所述序列到序列神经网络中引入注意力机制，输出每个任务的卸载决策；用户设备和边缘服务器根据每个任务的卸载决策协同完成所有任务的卸载执行。本公开能有效平衡任务时延和能耗的计算任务卸载。
-
公开(公告)号：CN115843070A
公开(公告)日：2023-03-24
申请号：CN202310152246.X
申请日：2023-02-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明公开了一种基于能量收集技术的海洋传感网络计算卸载方法及系统，涉及海洋观测传感网络技术领域，通过获取海洋传感设备在每一时隙内的实时信息，构建海洋传感设备在该时隙内执行计算任务的计算延迟和能量消耗以及将计算任务卸载至雾节点的传输时延和能量消耗，以此建立计算任务执行成本模型、海洋传感设备能耗模型和能量收集模型，并综合所构建的模型，以长期平均执行成本最小为目标函数，构建计算卸载模型，利用动态算法求解当前时隙内的最优计算卸载决策，实现为应用了能量收集技术的海洋传感网络提供最优计算卸载策略，为海洋传感设备和雾节点确定合适的任务卸载比例，提高海洋传感网络的计算性能，避免了节点资源浪费。
-
公开(公告)号：CN119420708B
公开(公告)日：2025-04-18
申请号：CN202510020273.0
申请日：2025-01-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明涉及数据传输技术领域，本发明公开了一种时间敏感网络跨域流量调度方法、系统、介质及设备，包括：对于当前时间步，在状态下，通过主网络和贪婪策略进行动作选择后，计算动作执行后的奖励和下一时间步状态；将当前时间步的状态、动作、奖励和下一时间步状态作为一个转移，存储到重放记忆，当重放记忆中转移的个数达到阈值，则从重放记忆中采样多个转移；对于采样的每个转移，通过目标网络和Munchausen机制，计算每个分支的时间差目标值；通过主网络，计算每个分支的预测Q值；计算得到均方误差，基于均方误差更新主网络的参数；每间隔若干时间步，将主网络的参数赋值给目标网络。保证了流量调度的实时性和路由选择的可靠性。
-
公开(公告)号：CN118945116A
公开(公告)日：2024-11-12
申请号：CN202411212329.4
申请日：2024-08-30
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L47/125 , H04L45/00 , H04L45/02 , H04L45/12 , H04L45/30
Abstract: 本发明提出一种数据中心网络中负载均衡的实现方法及系统，方法包括：根据传输带宽，将数据流划分为象流和鼠流；将所有可达路径节点的网络负载信息打包为探测包，广播到全网；基于探测包信息，获取带宽因子、象流关键度因子和队列长度指数，为象流和鼠流分配传输路径；具体为：对象流进行改进蚁群算法迭代，将带宽因子和象流关键度因子作为蚁群寻路的依据，获取并比较最优解集合不同路径的开销，将象流转发到开销最小的路径；对鼠流计算可达路径时延，将队列长度指数和时延作为鼠流选路的依据，筛选符合时延限制的路径，将鼠流转发到开销最小的路径。通过将流量按照其自身传输需求分配到不同路径，提高链路带宽利用率并降低了时延。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.098 seconds)
