-
公开(公告)号：CN111162935A
公开(公告)日：2020-05-15
申请号：CN201911298535.0
申请日：2019-12-17
Applicant: 中国科学院计算技术研究所
IPC: H04L12/24 , H04L12/801 , H04L12/851 , H04L29/08
Abstract: 本发明提出一种基于包级别数据分流的网络通信方法及系统，数据包能够按照需求，提前在服务器端商用多队列网卡中进行区分，分流至不同的队列上。本发明包括：数据包修改规则的约定与配置，客户端驱动侧数据包类型信息标注，服务器端数据包的硬件分流与差异化处理，以及服务器端数据包恢复四个部分。数据包的修改与恢复过程都在驱动层完成，整体过程对上层协议栈透明，系统的部署简单容易。系统将网卡对数据包的分类能力从数据流级别提高到了数据包级别，为差异化处理不同类型的数据包提供了支持，能有效改善数据中心服务器上的资源使用的不确定性，可期待获取高效的服务吞吐能力和特定类型数据包的服务处理优化能力。
-
Patent Agency Ranking
公开(公告)号：CN119849630A
公开(公告)日：2025-04-18
申请号：CN202411947462.4
申请日：2024-12-27
Applicant: 中国科学院计算技术研究所
IPC: G06N5/04 , G06N5/025 , G06N5/02 , G06N3/0442 , G06N3/045 , G06N3/042 , G06N3/0464
Abstract: 本发明提供了一种时序知识图谱推理模型构建方法，所述方法包括：步骤S1、获取历史时序知识图谱并基于其构建多个查询；其中，所述历史时序知识图谱包括多个事实四元组，每个事实四元组均包括头实体、关系、尾实体和时间戳；每个查询为缺失尾实体或头实体的缺项事实四元组，每个查询设置有与自身缺失的头实体或尾实体对应的实体标签；步骤S2、构建初始模型，其包括全局历史演化模块、自适应实体关注模块、历史信息模块以及评分模块；步骤S3、以历史时序知识图谱和多个查询作为输入，每个查询的目标评分为预测输出，按照预设的目标函数对初始模型进行多轮迭代训练直至模型收敛得到时序知识图谱推理模型。
-
公开(公告)号：CN119829722A
公开(公告)日：2025-04-15
申请号：CN202510013772.7
申请日：2025-01-06
Applicant: 中国科学院计算技术研究所
IPC: G06F16/3329 , G06N5/04 , G06F40/30 , G06F18/22
Abstract: 本发明提供了一种知识问答模型构建方法，所述方法包括将预训练语言模型作为基座模型并按照如下方式执行两阶段训练以获取知识问答模型：函数理解预训练：构建多个函数定义代码和多个函数调用实例来训练基座模型以使模型学习函数执行原理；指令微调训练：获取任务指令、查询实例以及查询实例对应的查询程序来训练初始模型以使模型学习函数组合编程原理。本发明的技术方案通过提出两阶段训练策略训练知识问答模型，使模型具备用于知识编程的函数的理解能力，以及基于函数理解能力将复杂问题转换为查询程序的能力，从而解决现有技术中模型倾向于记忆程序本身，而难以学习到语义解析的问题，进而提高模型对于域外含有未见查询语义的泛化性。
-
公开(公告)号：CN111162935B
公开(公告)日：2021-06-04
申请号：CN201911298535.0
申请日：2019-12-17
Applicant: 中国科学院计算技术研究所
IPC: H04L12/24 , H04L12/801 , H04L12/851 , H04L29/08
Abstract: 本发明提出一种基于包级别数据分流的网络通信方法及系统，数据包能够按照需求，提前在服务器端商用多队列网卡中进行区分，分流至不同的队列上。本发明包括：数据包修改规则的约定与配置，客户端驱动侧数据包类型信息标注，服务器端数据包的硬件分流与差异化处理，以及服务器端数据包恢复四个部分。数据包的修改与恢复过程都在驱动层完成，整体过程对上层协议栈透明，系统的部署简单容易。系统将网卡对数据包的分类能力从数据流级别提高到了数据包级别，为差异化处理不同类型的数据包提供了支持，能有效改善数据中心服务器上的资源使用的不确定性，可期待获取高效的服务吞吐能力和特定类型数据包的服务处理优化能力。
-
公开(公告)号：CN115688871A
公开(公告)日：2023-02-03
申请号：CN202211144325.8
申请日：2022-09-20
Applicant: 中国科学院计算技术研究所
IPC: G06N3/0455 , G06N3/088
Abstract: 本发明提出一种基于预训练增强的多元时间序列预测方法，包括：构建包括编码器和第一解码器的预训练模型；在多元时间序列中截取多个序列样本；对于每个该序列样本，将该序列样本切分为多个数据片段，随机选取部分该数据片段构建为训练集，以该训练集对该预训练模型进行训练；从完成训练的预训练模型中提取编码器，构建包括该编码器和第二解码器的预测模型，基于该多元时间序列的当前序列片段，通过该预测模型对该多元时间序列于下一时段的未来序列片段进行预测。本发明还提出一种基于预训练增强的多元时间序列预测系统，以及一种用于多元时间序列预测的数据处理装置。
-
公开(公告)号：CN108829515A
公开(公告)日：2018-11-16
申请号：CN201810532745.0
申请日：2018-05-29
Applicant: 中国科学院计算技术研究所
IPC: G06F9/50
Abstract: 本发明涉及一种云端平台计算系统及其应用方法，包括：服务端和节点端。服务端由接入服务器构成，用于该云端平台计算系统的用户及计算资源的管理和调度；节点端由多个计算节点及辅助硬件构成，为云端平台计算系统提供异构计算资源；计算节点通过局域网与接入服务器进行交互。每个计算节点包含SoC主控模块和异构计算处理模块；SoC主控模块可运行操作系统，为用户提供相应异构计算处理模块的使用环境和管理功能；异构计算处理模块用于逻辑功能或加速算法的实现与部署。用户通过登录接入服务器，申请和使用计算节点。使用内容包括：用户通过接入服务器进入SoC主控模块的操作系统，对异构计算处理模块进行使用、管理、配置、调试及监控等操作。
-
-
-
-
-
Search Results
6
records
(took 0.043 seconds)
