-
公开(公告)号：CN118627794A
公开(公告)日：2024-09-10
申请号：CN202410662714.2
申请日：2024-05-27
申请人： 国网智能电网研究院有限公司 , 国网浙江省电力有限公司电力科学研究院 , 国家电网有限公司
IPC分类号： G06Q10/0631 , G06Q30/0201 , G06Q30/0645 , G06Q40/04 , G06F9/50
摘要： 本发明涉及计算机调度技术领域，公开了一种基于博弈论的异构计算优化调度方法、装置及异构算力调度系统，其中，方法，确定算力管理交易平台的第一效用函数和确定算力服务提供商的第二效用函数；基于每个算力管理交易平台租用对应算力服务提供商的算力资源租用比例、算力资源服务定价、智能应用访问时间生成的目标约束函数，以最大化第一效用函数、第二效用函数和最小化算力资源能耗总成本；基于算力资源服务定价的最优值更新策略，以最大化第一效用函数和第二效用函数，不但能够提高用户体验的计算收益，同时降低资源调度过程中的能耗，还可以实现系统效用函数的最大化，进一步提高系统性能。
-
公开(公告)号：CN117909044A
公开(公告)日：2024-04-19
申请号：CN202410033480.5
申请日：2024-01-09
申请人： 国网智能电网研究院有限公司 , 国网浙江省电力有限公司电力科学研究院
摘要： 本发明涉及人工智能算力资源调度技术领域，公开了面向异构计算资源的深度强化学习协同调度方法及装置，该方法包括：获取深度学习任务以及异构计算环境信息，异构计算环境为云边协同环境；根据深度学习任务以及异构计算环境信息构建任务调度模型；采用基于深度强化学习的任务调度算法根据任务调度模型对深度学习任务进行调度。本发明实现了在调度过程中考虑深度学习任务以及异构计算环境信息的目的，利用构建的任务模型采用基于深度强化学习的任务调度算法对深度学习任务进行调度，达到了充分利用反馈信息、提高深度学习任务协同调度的灵活性、实时性、泛化能力以及自适应性的效果，解决了相关技术中存在的深度学习任务调度质量较差的问题。
-
公开(公告)号：CN117829265A
公开(公告)日：2024-04-05
申请号：CN202410232948.3
申请日：2024-03-01
申请人： 国网智能电网研究院有限公司 , 国家电网有限公司
IPC分类号： G06N3/096 , G06N3/042 , G06N3/0464 , G06F40/30 , G06F18/22 , G06F18/25 , G06Q50/06 , G06N3/048
摘要： 本发明涉及知识迁移技术领域，具体涉及一种基于中介空间构建的电力跨模态双向知识迁移方法。方法包括：采用图建模和图神经网络提取第一模态数据的第一特征，采用大语言模型提取第二模态数据的第二特征；基于第一特征和第二特征的相似度以及对应的损失函数构建中介空间；采用中介空间中的损失函数对图神经网络和大语言模型中的参数迭代优化；基于图建模、参数迭代优化后的图神经网络以及大语言模型提取的特征在中介空间中进行知识迁移。通过该方法在中介空间里对齐不同模态抽取到的关系特征，实现了不同模态数据之间的双向知识迁移。
-
公开(公告)号：CN118094469B
公开(公告)日：2024-09-17
申请号：CN202410198181.7
申请日：2024-02-22
申请人： 国网智能电网研究院有限公司 , 国家电网有限公司
IPC分类号： G06F18/25 , G06F18/213 , G06F18/24 , G06Q50/06 , G06N3/0455 , G06N3/08
摘要： 本发明涉及信息处理技术领域，公开了多源异构数据的融合方法、装置、设备及存储介质，本发明提供的多源异构数据的融合方法，包括：获取电力多源异构数据，所述电力多源异构数据包括时序状态量和可见光；利用多目标联合优化模型对电力多源异构数据进行处理，当满足预设条件时，完成电力多源异构数据的融合。通过本发明提供的方法提高了多源异构数据之间的关联性。
-
公开(公告)号：CN118094469A
公开(公告)日：2024-05-28
申请号：CN202410198181.7
申请日：2024-02-22
申请人： 国网智能电网研究院有限公司 , 国家电网有限公司
IPC分类号： G06F18/25 , G06F18/213 , G06F18/24 , G06Q50/06 , G06N3/0455 , G06N3/08
摘要： 本发明涉及信息处理技术领域，公开了多源异构数据的融合方法、装置、设备及存储介质，本发明提供的多源异构数据的融合方法，包括：获取电力多源异构数据，所述电力多源异构数据包括时序状态量和可见光；利用多目标联合优化模型对电力多源异构数据进行处理，当满足预设条件时，完成电力多源异构数据的融合。通过本发明提供的方法提高了多源异构数据之间的关联性。
-
公开(公告)号：CN113868344B
公开(公告)日：2024-04-16
申请号：CN202111157003.2
申请日：2021-09-29
申请人： 国网智能电网研究院有限公司 , 国网冀北电力有限公司信息通信分公司 , 国家电网有限公司
摘要： 本发明实施例涉及一种面向电力应用的构建系统、方法、装置、服务器及存储介质，所述系统包括：服务器、与服务器通信连接的各个客户端，所述服务器内存储有元数据信息、接口信息，并包含元数据定义模块，客户端设置有业务数据访问模块；统一关系数据模型基于所述元数据信息，建立图模型，对全部数据源进行访问；所述接口信息用于生成RESTful接口；所述元数据定义模块用于根据需求对待定制化的元数据进行定义；所述业务数据访问模块用于客户端访问所述RESTful接口，由此，可以利用本系统自动化完成新系统构建，降低开发新系统的工作量、保证电力信息安全。
-
公开(公告)号：CN112926736B
公开(公告)日：2023-12-08
申请号：CN202110221144.X
申请日：2021-02-26
申请人： 国网智能电网研究院有限公司 , 国网安徽省电力有限公司检修分公司 , 国家电网有限公司
IPC分类号： G06N3/10 , G06N3/08 , G06N5/04 , G06F16/242 , G06F16/25
摘要： 型迁移时间和成本。本发明公开了一种深度学习技术工具链系统，包括：深度学习技术工具链系统架构、深度学习技术工具链的接口定义与组件实现、灵活查询模块，深度学习技术工具链系统架构为以模型仓库为核心的架构，通过深度学习训练的流程将整个系统分为几个相互独立而又互相依赖的功能模块，通过定义深度学习技术工具链每个功能模块的接口，将接口与实现分离，在接口的基础上实现深度学习工具链的各模块，通过灵活查询模块自定义各种查询条件，在每个流程模块生成供下一流程模块使用所需的数据，实现了从原始数据到标注数据再到样本数据到模型再到应用的(56)对比文件邢源“.面向大数据的机器学习算法支撑平台设计与实现”《.硕士电子期刊》.2019,(第第08期期),第1-8章.
-
公开(公告)号：CN118827410A
公开(公告)日：2024-10-22
申请号：CN202410839469.8
申请日：2024-06-26
申请人： 国网智能电网研究院有限公司 , 国网山东省电力公司 , 国家电网有限公司
摘要： 本发明涉及一种基于叠加扩散模型的推理网络仿真流量生成方法和装置，包括将网络流量样本转换为视频样本数据；利用视频样本数据和样本指示文本对待训练的叠加扩散模型进行训练和推理，得到已训练的叠加扩散模型；利用目标大模型和待生成网络流量的指示文本对已训练的叠加扩散模型进行微调，通过待生成网络流量的指示文本和已微调后的叠加扩散模型，得到待转换视频数据，并将待转换视频数据转换成网络流量序列进行输出。本发明解决传统流量生成方法无法为智算数据中心的设计和建设提供更为准确和可靠的流量数据支持的技术问题。本发明还涉及一种设备和存储介质。
-
公开(公告)号：CN118733265A
公开(公告)日：2024-10-01
申请号：CN202410849661.5
申请日：2024-06-27
申请人： 国网智能电网研究院有限公司 , 国网上海市电力公司 , 国家电网有限公司
IPC分类号： G06F9/50 , G06N3/063 , G06N3/0495
摘要： 本发明属于计算机技术领域，公开一种块稀疏化及负载的均衡方法、装置、设备及介质，所述方法包括：获取原始权重矩阵，所述原始权重矩阵包括多个权重系数；对获取的原始权重矩阵进行预处理获得预处理后权重矩阵；所述预处理后权重矩阵中对角线区域稠密度高于原始权重矩阵对角线区域稠密度；对预处理后权重矩阵进行划分，得到多个矩阵块，每个矩阵块对应分配一个众核系统的核心进行处理。本发明把一个全局均稀疏的矩阵，变为局部稠密其余系数的矩阵，在通过核心进行运算时，相对处理前的矩阵，实现更多在稠密计算上，从而提高计算效率。解决了通过众核系统进行脑仿真时，超大规模矩阵所带来的计算难度大以及负载不均匀的技术问题。
-
公开(公告)号：CN117829265B
公开(公告)日：2024-06-18
申请号：CN202410232948.3
申请日：2024-03-01
申请人： 国网智能电网研究院有限公司 , 国家电网有限公司
IPC分类号： G06N3/096 , G06N3/042 , G06N3/0464 , G06F40/30 , G06F18/22 , G06F18/25 , G06Q50/06 , G06N3/048
摘要： 本发明涉及知识迁移技术领域，具体涉及一种基于中介空间构建的电力跨模态双向知识迁移方法。方法包括：采用图建模和图神经网络提取第一模态数据的第一特征，采用大语言模型提取第二模态数据的第二特征；基于第一特征和第二特征的相似度以及对应的损失函数构建中介空间；采用中介空间中的损失函数对图神经网络和大语言模型中的参数迭代优化；基于图建模、参数迭代优化后的图神经网络以及大语言模型提取的特征在中介空间中进行知识迁移。通过该方法在中介空间里对齐不同模态抽取到的关系特征，实现了不同模态数据之间的双向知识迁移。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.114 秒)
