公开(公告)号：CN120066678A

公开(公告)日：2025-05-30

申请号：CN202510125578.8

申请日：2025-01-27

Applicant: 桂林理工大学

Inventor： 谢晓兰 ,  李好 ,  孟媛 ,  蒋明 ,  肖志威 ,  戴钰 ,  邹文锋

IPC: G06F9/455 ,  G06F9/50 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及云计算技术领域，特别涉及一种基于NeuralProphet的资源预测方法、装置、及存储介质。包括将容器云历史负载数据通过NeuralProphet模型分解获得多个分解分量，将多个分解分量再与容器云历史负载数据进行集成整合，形成新时间序列数据，相对于传统的时间序列分解方法，不仅提高了容器云历史负载数据的解释性，还通过去除容器云历史负载数据的非平稳成分，使容器云历史负载数据更适合建模和预测。将获得的新时间序列数据结合CNN‑LSTM‑Attention模型，从多个维度分析新时间序列数据的特征，有效应对新时间序列数据中的非线性、多周期性和复杂模式，同时通过调整各个分解分量的贡献，进一步提升了模型的鲁棒性和预测性能，减少了噪声和异常值对预测结果的影响，简化用户调参过程。

公开(公告)号：CN119358931A

公开(公告)日：2025-01-24

申请号：CN202411467217.3

申请日：2024-10-21

Applicant: 桂林理工大学

Inventor： 谢晓兰 ,  邹文锋 ,  孟媛 ,  蒋明 ,  李好 ,  戴钰 ,  肖志威

IPC: G06Q10/0631 ,  G06Q10/0637 ,  G06Q10/0639 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种智能任务规划与调度系统，特别涉及一种基于卷积神经网络的自适应智能任务规划与调度系统，包括数据输入模块、特征提取模块、强化学习优化模块、任务规划模块和调度执行模块，数据输入模块与特征提取模块相连，特征提取模块与强化学习优化模块相连，强化学习优化模块与任务规划模块相连，任务规划模块与调度执行模块相连。利用卷积神经网络的强大特征提取能力，能够自动从复杂多变的任务数据中提取关键特征，为任务规划与调度提供精准的数据支持。通过强化学习算法对任务规划与调度策略进行优化，能够自动适应动态变化的环境，提高任务执行的效率和效果。