-
公开(公告)号:CN114611715A
公开(公告)日:2022-06-10
申请号:CN202210512110.0
申请日:2022-05-12
Abstract: 本发明公开了基于标注者可靠度时序建模的众包主动学习方法和装置,所述方法包括以下步骤:初始化预测模型并建立可靠度时序模型,样本选择策略,众包标注者选择策略,样本分配策略,模型更新,迭代运算。本发明结合众包学习、主动学习以及时间序列建模,基于众包标注者可靠度时序建模,对标注者可靠度的变化进行实时追踪并筛选出可靠度最高的众包标注者,通过迭代运算不断更新更优的众包标注者以及信息度高的样本对预测模型不断优化,降低了众包标注成本,减少了低可靠度的标注者在学习中的负面影响,有效地提高了众包标签的质量以及预测模型的性能。
-
公开(公告)号:CN114611715B
公开(公告)日:2022-08-23
申请号:CN202210512110.0
申请日:2022-05-12
Abstract: 本发明公开了基于标注者可靠度时序建模的众包主动学习方法和装置,所述方法包括以下步骤:初始化预测模型并建立可靠度时序模型,样本选择策略,众包标注者选择策略,样本分配策略,模型更新,迭代运算。本发明结合众包学习、主动学习以及时间序列建模,基于众包标注者可靠度时序建模,对标注者可靠度的变化进行实时追踪并筛选出可靠度最高的众包标注者,通过迭代运算不断更新更优的众包标注者以及信息度高的样本对预测模型不断优化,降低了众包标注成本,减少了低可靠度的标注者在学习中的负面影响,有效地提高了众包标签的质量以及预测模型的性能。
-
公开(公告)号:CN116151137B
公开(公告)日:2023-07-28
申请号:CN202310448224.8
申请日:2023-04-24
Applicant: 之江实验室
IPC: G06F30/27 , G06F9/50 , G06F9/455 , G06F9/48 , G06F111/10 , G06F111/08
Abstract: 本说明书公开了一种仿真系统、方法及装置,仿真系统为分布式系统,其中包括任务分割单元、调度单元和工作节点,仿真系统用于确定业务系统在指定业务策略下执行模拟业务的模拟结果。其中,由任务分割单元生成仿真任务,将仿真任务分割为多个子任务,调度单元向各工作节点分配各子任务,并确定各工作节点的实时负载,从而基于实时负载对已分配的各任务进行重新分配,工作节点执行分配的子任务得到任务执行结果,由调度单元根据各工作节点的任务执行结果确定模拟结果。由于仿真系统是分布式系统,可以基于多个工作节点的算力资源,满足业务系统执行模拟业务的资源需求,提高业务系统执行模拟业务的效率,并提升业务策略的优化效率。
-
公开(公告)号:CN116151137A
公开(公告)日:2023-05-23
申请号:CN202310448224.8
申请日:2023-04-24
Applicant: 之江实验室
IPC: G06F30/27 , G06F9/50 , G06F9/455 , G06F9/48 , G06F111/10 , G06F111/08
Abstract: 本说明书公开了一种仿真系统、方法及装置,仿真系统为分布式系统,其中包括任务分割单元、调度单元和工作节点,仿真系统用于确定业务系统在指定业务策略下执行模拟业务的模拟结果。其中,由任务分割单元生成仿真任务,将仿真任务分割为多个子任务,调度单元向各工作节点分配各子任务,并确定各工作节点的实时负载,从而基于实时负载对已分配的各任务进行重新分配,工作节点执行分配的子任务得到任务执行结果,由调度单元根据各工作节点的任务执行结果确定模拟结果。由于仿真系统是分布式系统,可以基于多个工作节点的算力资源,满足业务系统执行模拟业务的资源需求,提高业务系统执行模拟业务的效率,并提升业务策略的优化效率。
-
公开(公告)号:CN115248692A
公开(公告)日:2022-10-28
申请号:CN202211148564.0
申请日:2022-09-21
Applicant: 之江实验室
Abstract: 本发明公开了一种支持多种深度学习框架模型的云端部署装置及方法,将模型以线上服务的形式部署在云端服务器,支持使用http和gRPC两种通信协议提供在线推理服务,包括如下步骤:步骤一、根据方法说明部署模型云端部署装置及网关装置;步骤二、训练待部署的模型,并保存为其所使用的深度学习框架对应的可支持部署的模型格式;步骤三、根据模型采用的深度学习框架及方法中提供的必要的依赖包,制作可支持模型部署的镜像;步骤四、根据装置页面要求选择合适的参数将该模型进行云端部署。本发明操作简单,用户无须精通算法即可在本装置中同时部署多种深度学习框架训练的模型,且易于扩展,同时支持其他深度学习框架模型部署。
-
-
-
-