公开(公告)号：CN104281494B

公开(公告)日：2017-05-10

申请号：CN201410503520.4

申请日：2014-09-26

Applicant: 清华大学

Inventor： 杨广文 ,  刘圣卓 ,  张志远 ,  陈宇澍 ,  姜进磊 ,  韩宝玲

IPC: G06F9/50

Abstract: 本发明涉及一种基于插值算法的面向计算通信联合优化的负载均衡方法，属于高性能科学计算的应用领域，该方法包括以运算的实测计算量和通信量为基础值，利用插值算法以计算时间和责任通信时间的实测值推算计算量累加函数和通信量变化率函数的近似函数，以该函数为参照通过多次迭代获得最佳的数据划分；监视每次运算的计算量和通信量变化，分析处理器的负载均衡状况并预测负载均衡的趋势，当负载均衡的效率或预测值低于设定的阈值时，根据当前的计算量和通信量的实测值再次计算量累加函数和通信量变化率函数的近似函数，并对数据块的划分进行动态调整。本方法旨在技术领域提升科学计算的负载均衡效率，进而提高并行运行效率，节约超级计算资源。

公开(公告)号：CN104200087B

公开(公告)日：2018-10-02

申请号：CN201410422475.X

申请日：2014-08-25

Applicant: 清华大学

Inventor： 杨广文 ,  季颖生 ,  陈宇澍 ,  付昊桓

IPC: G06N99/00

Abstract: 本发明提出一种用于机器学习的参数寻优及特征调优的方法，包括以下步骤：随机生成多个参数集合；分别对多个参数集合进行基于EnKF的迭代优化；分别对优化后的多个参数集合进行性能评估，并根据评估结果得到集合池和补充参数集合，其中，集合池中的参数集合的性能高于补充参数集合中的参数集合的性能；对集合池中的参数集合和补充参数集合中的参数集合再次进行基于EnKF的迭代优化和性能评估，以得到最优参数集合。本发明的方法能够提升处理参数寻优的计算结果和计算效率，并且通用性强。本发明还提供了一种用于机器学习的参数寻优及特征调优的系统。

公开(公告)号：CN104200087A

公开(公告)日：2014-12-10

申请号：CN201410422475.X

申请日：2014-08-25

Applicant: 清华大学

Inventor： 杨广文 ,  季颖生 ,  陈宇澍 ,  付昊桓

IPC: G06F19/00

CPC classification number: G06N99/005

Abstract: 本发明提出一种用于机器学习的参数寻优及特征调优的方法，包括以下步骤：随机生成多个参数集合；分别对多个参数集合进行基于EnKF的迭代优化；分别对优化后的多个参数集合进行性能评估，并根据评估结果得到集合池和补充参数集合，其中，集合池中的参数集合的性能高于补充参数集合中的参数集合的性能；对集合池中的参数集合和补充参数集合中的参数集合再次进行基于EnKF的迭代优化和性能评估，以得到最优参数集合。本发明的方法能够提升处理参数寻优的计算结果和计算效率，并且通用性强。本发明还提供了一种用于机器学习的参数寻优及特征调优的系统。

公开(公告)号：CN104281494A

公开(公告)日：2015-01-14

申请号：CN201410503520.4

申请日：2014-09-26

Applicant: 清华大学

Inventor： 杨广文 ,  刘圣卓 ,  张志远 ,  陈宇澍 ,  姜进磊 ,  韩宝玲

IPC: G06F9/50

Abstract: 本发明涉及一种基于插值算法的面向计算通信联合优化的负载均衡方法，属于高性能科学计算的应用领域，该方法包括以运算的实测计算量和通信量为基础值，利用插值算法以计算时间和责任通信时间的实测值推算计算量累加函数和通信量变化率函数的近似函数，以该函数为参照通过多次迭代获得最佳的数据划分；监视每次运算的计算量和通信量变化，分析处理器的负载均衡状况并预测负载均衡的趋势，当负载均衡的效率或预测值低于设定的阈值时，根据当前的计算量和通信量的实测值再次计算量累加函数和通信量变化率函数的近似函数，并对数据块的划分进行动态调整。本方法旨在技术领域提升科学计算的负载均衡效率，进而提高并行运行效率，节约超级计算资源。