-
公开(公告)号:CN116800759A
公开(公告)日:2023-09-22
申请号:CN202310238847.2
申请日:2023-03-13
Applicant: 复旦大学 , 重庆长安汽车股份有限公司
IPC: H04L67/1008
Abstract: 本发明涉及云计算领域,具体为一种端云协同任务处理中云端服务器集群分布式协作方法,其包括如下步骤:web服务器向云端后台传入要处理的任务;任务处理服务器将任务拆分成多个子任务;任务处理服务器获取可执行任务的空闲端设备列表,并与子任务形成一一映射关系,其中空闲端设备列表的列表长度等于子任务个数;依次从空闲端设备列表取出一个执行设备,对应的从子任务列表里面取出一个子任务;通过socket通信方式将子任务依次发送到对应的执行设备上去,当执行设备执行完某一子任务后,将子任务结果下发并回传给客户。本技术方案具有较好的延展性,利用多台服务器实现大规模任务的调度,可以充分利用算力过剩而又廉价算力资源来进行大规模的运算。
-
公开(公告)号:CN119576522A
公开(公告)日:2025-03-07
申请号:CN202411424236.8
申请日:2024-10-12
Applicant: 复旦大学
IPC: G06F9/50 , H04L67/1029 , H04L67/104 , H04L67/12 , G06F11/30
Abstract: 本发明涉及网络系统服务技术领域,具体公开了一种OpenSAI智联网络系统及算网匹配方法及系统。本发明通过资源监测模块对多个应用任务卸载到计算节点集群中的网络节点的状态进行监测,得到多个节点性能监测值,并依次判断多个所述节点性能监测值是否满足预设监测值,若不满足,则对不满足预设监测值的节点产生对应的需求资源的第一资源调度指令,资源控制模块在接收第一资源调度指令后,并根据所述第一资源调度指令对对应节点所需的算存网资源进行动态调度,这种方法能够确保资源得到高效利用,同时也能够保证任务在合适的条件下被执行,从而提高系统的整体性能和响应速度,并且适用于长期边缘任务的调度。
-
公开(公告)号:CN119272851A
公开(公告)日:2025-01-07
申请号:CN202411822784.6
申请日:2024-12-12
Applicant: 复旦大学
IPC: G06N3/0985 , G06F18/22 , G06F18/25 , G06F18/23213
Abstract: 本申请涉及一种元学习快速适应方法、装置、设备、介质和程序产品,涉及人工智能技术领域。所述方法包括:通过分析任务特征,识别任务间的相似性,并据此进行任务分组和模型参数的特定初始化,以实现对新任务的快速适应。本发明在保持模型泛化能力的同时,显著提升了适应速度和学习效率。此外,本发明不仅在理论上提供了对元学习算法快速适应能力的深入理解,而且在实际应用中展现了其高效性和可靠性。通过本发明,多模态元学习模型的训练变得更加快速、精确,极大地扩展了元学习技术的应用范围和实用价值。
-
公开(公告)号:CN115357395A
公开(公告)日:2022-11-18
申请号:CN202211040844.X
申请日:2022-08-29
Applicant: 复旦大学
Abstract: 本发明提供一种故障设备任务转移方法及系统、电子设备和存储介质,其中,方法包括:监测任务状态和工作设备状态,确定存在目标工作设备掉线;基于目标工作设备,根据设备任务关系映射表,确定目标故障任务;其中,设备任务关系映射表包括工作设备与任务的映射关系;目标故障任务为设备任务关系映射表中与目标工作设备映射绑定的所有任务;将目标故障任务转移至空闲设备并更新设备任务关系映射表。能够及时调度转移故障任务,降低故障导致的整体任务运行时间被大时间范围拖慢的可能,提高算力利用率和网络稳定性。
-
公开(公告)号:CN119420691A
公开(公告)日:2025-02-11
申请号:CN202411642807.5
申请日:2024-11-18
Applicant: 复旦大学
IPC: H04L45/02 , H04L45/12 , H04L45/121 , H04L45/125 , H04L45/24 , H04L49/9057 , G06N3/0442 , G06N3/092 , G06N20/00 , G06F18/214
Abstract: 本发明提供动态多链路智能管理与调度系统,涉及网络通信技术领域。该系统可以实现对网络链路的实时监测、动态管理和传输数据调度,解决了现有技术中的带宽利用率较低与传输效率不足的问题。首先,通过链路层以下的智能代理技术,实时获取并监测各链路的状态信息。其次,系统利用动态调整规则的方法,根据实时监测数据进行链路准入控制,并在两节点间数据传输带宽不足时,动态判断是否需要建立新的中继链路并提供最佳的中继节点选择。最后,采用深度强化学习与启发式调度算法相结合的方式,进行多链路传输数据调度,最大程度提高带宽利用率。整体而言,本发明通过智能代理、动态调整规则和深度强化学习等方法的结合,提供了一种高效、智能的网络链路管理调度方案,有效提升了网络资源的利用率和数据传输的质量。
-
-
-
-