确定目标数据分析应用的性能预测模型的方法及装置

    公开(公告)号:CN105095230A

    公开(公告)日:2015-11-25

    申请号:CN201410177382.5

    申请日:2014-04-29

    IPC分类号: G06F17/30

    CPC分类号: G06N20/00

    摘要: 本发明公开了一种确定目标数据分析应用的性能预测模型的方法及装置。在该方法中,首先在已有数据分析应用中确定与目标数据分析应用相似的至少一个参考数据分析应用,接着,获得目标数据分析应用的配置-性能数据对,其中配置-性能数据对包括目标数据分析应用的自身运行环境的配置数据和目标数据分析应用在所述自身运行环境下运行时的性能数据,然后,基于目标数据分析应用的配置-性能数据对和至少一个参考数据分析应用的配置-性能数据对,确定目标数据分析应用的性能预测模型。本发明的方法由于结合了已有数据分析应用的配置-性能数据对,因此,可以减少积累确定性能预测模型所需的配置-性能数据对的时间,从而加速性能预测模型的确定过程。

    车辆域多级并行缓冲和基于上下文的流数据预处理系统

    公开(公告)号:CN108369593A

    公开(公告)日:2018-08-03

    申请号:CN201680072416.1

    申请日:2016-11-30

    IPC分类号: G06F17/30

    摘要: 车辆域多级并行缓冲和基于上下文的流数据预处理系统包括第一数据处理级和第二数据处理级。所述第一数据处理级包括被配置为缓冲从多个车辆输出的多个原始数据流提供的数据的第一级缓冲器。所述第二数据处理级包括电子任务队列字典(TQD)模块和多个第二级数据处理缓冲器。所述TQD模块被配置为响应于接收从所述第一级缓冲器输出的串行数据流而创建多个任务。所述TQD模块进一步被配置为将每个任务分配给相应的第二级缓冲器,并且基于所述任务将所述串行数据流分离成被传送到特定第二级缓冲器的单个数据值,以便生成多级并行的基于上下文的缓冲操作。

    用于确定配置文件的特性的方法和装置

    公开(公告)号:CN105446705A

    公开(公告)日:2016-03-30

    申请号:CN201410305722.8

    申请日:2014-06-30

    IPC分类号: G06F9/44

    CPC分类号: G06F9/44505

    摘要: 本公开内容涉及用于确定配置文件的特性的方法和装置。本发明的一个实施例提供一种用于确定配置文件的特性的方法。所述方法包括:利用与配置项相关联的关键词从来自一个机器的文件中标识与所述配置项有关的候选配置文件;提取所述候选配置文件的特征值;基于所述特征值,对所述候选配置文件与来自至少一个其他机器的、与所述配置项有关的候选配置文件进行聚集,以确定与所述配置项有关的配置文件;以及基于所述聚集,确定与所述配置项有关的所述配置文件的特性,所述特性将被用于在目标机器中发现与所述配置项有关的配置文件。还公开了相应的装置。

    车辆域多级并行缓冲和基于上下文的流数据预处理系统

    公开(公告)号:CN108369593B

    公开(公告)日:2022-02-18

    申请号:CN201680072416.1

    申请日:2016-11-30

    IPC分类号: G06F9/48 H04L67/12

    摘要: 车辆域多级并行缓冲和基于上下文的流数据预处理系统包括第一数据处理级和第二数据处理级。所述第一数据处理级包括被配置为缓冲从多个车辆输出的多个原始数据流提供的数据的第一级缓冲器。所述第二数据处理级包括电子任务队列字典(TQD)模块和多个第二级数据处理缓冲器。所述TQD模块被配置为响应于接收从所述第一级缓冲器输出的串行数据流而创建多个任务。所述TQD模块进一步被配置为将每个任务分配给相应的第二级缓冲器,并且基于所述任务将所述串行数据流分离成被传送到特定第二级缓冲器的单个数据值,以便生成多级并行的基于上下文的缓冲操作。

    利用多任务学习进行特征提取
    9.
    发明公开

    公开(公告)号:CN111247532A

    公开(公告)日:2020-06-05

    申请号:CN201880068141.3

    申请日:2018-08-24

    IPC分类号: G06N3/04

    摘要: 公开了训练模型的系统和方法。该方法中首先通过深度神经网络(DNN)获取训练数据,深度神经网络包括至少一个隐藏层。然后,从至少一个隐藏层的指定隐藏层获取训练数据的特征,指定隐藏层分别连接到用于分类任务的监督分类网络和用于重建任务的基于自动编码器的重建网络。最后,基于获取的特征将DNN、监督分类网络和重建网络进行整体进行训练,训练以分类任务和重建任务为指导。