-
公开(公告)号：CN117172093A
公开(公告)日：2023-12-05
申请号：CN202310909401.8
申请日：2023-07-24
Applicant: 中国科学院软件研究所 , 中科南京软件技术研究院
Abstract: 本发明公开了一种基于机器学习的Linux系统内核配置的策略推荐方法及装置，所述方法包括：基于Linux系统的当前参数配置，进行负载数据的采集；根据所述负载数据，识别当前负载的负载类型；根据所述当前负载的历史最优推荐，为当前负载进行最新参数配置的推荐；生成所述最新参数配置的参数空间，并使用参数推荐优化模型在所述参数空间内进行所述Linux系统的参数推荐，得到参数推荐结果。本发明为Linux系统内核的参数配置优化提供通用的优化策略，可以有效提高资源利用率，提升负载性能。
-
公开(公告)号：CN116991577A
公开(公告)日：2023-11-03
申请号：CN202310792705.0
申请日：2023-06-30
Applicant: 中国科学院软件研究所 , 中科南京软件技术研究院
IPC: G06F9/50 , G06F16/9535 , G06F18/214 , G06F18/243 , G06N20/20
Abstract: 本发明公开了一种基于机器学习的云服务平台负载策略推荐方法。本发明采用机器学习方法进行参数推荐以及分类识别，可以集成在以Kubernetes为代表的容器编排系统上，通收集集群上负载的历史数据，使用带标签的不同类别负载的特征数据，进行识别模型的构建；完成训练后，持续监控集群，每当集群上有新的负载到达时，识别负载并进行参数推荐；参数推荐的过程通过贝叶斯优化进行，为集群上部署的应用推荐最佳的参数配置。相比于传统的Kubernetes自身的优化方法，本发明构建起完整的优化逻辑链条，更高效且更具持续性；完成优化迭代过程后，再将类型标签和相应的最佳推荐共同记录到推荐知识库，在后续工作中，进行更新或快速推荐。
-
公开(公告)号：CN116958446A
公开(公告)日：2023-10-27
申请号：CN202310960660.3
申请日：2023-08-02
Applicant: 中国科学院软件研究所
Abstract: 本发明公开了一种基于神经辐射场和语义分割的少样本三维重构方法及装置，所述方法包括：基于语义损失、邻近语义损失、随机邻近语义损失、色彩损失和纹理损失，对神经辐射场进行训练；基于训练后的神经辐射场对测试图片进行重构，以得到该测试图片的重构结果。本公开可以矫正重建过程，且尽可能少地带来细粒度的约束，避免不够准确的先验知识带来错误引导，从而达到更好的重构质量。
-
公开(公告)号：CN118779204A
公开(公告)日：2024-10-15
申请号：CN202310368734.4
申请日：2023-04-07
Applicant: 中国科学院软件研究所
Abstract: 本发明涉及一种基于二进制分析与中间文件重连接的共享库去膨胀方法。所述方法包括：对目标应用程序及该目标应用程序依赖的共享库进行二进制分析，得到外部调用接口列表；基于所述共享库，获取重构共享库所需的中间文件；其中，所述中间文件为目标应用程序的中间文件在所述共享库中可重定位的共享库文件；基于所述外部调用接口列表和所述中间文件，得到去膨胀后的共享库。本发明可以额外的裁剪数据段，从而达到更好的去膨胀效果。
-
-
-
Search Results
4
records
(took 0.071 seconds)
