-
公开(公告)号：CN119380029B
公开(公告)日：2025-03-11
申请号：CN202411943039.7
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种伪标签生成及无源域场景自适应的遮挡感知无缝分割方法及系统，该方法通过为常规使用的实例级伪标签通过阈值筛选和数据量的对比，进一步提升伪标签的标记精度；同时利用生成的伪标签，并设计一种针对遮挡感知无缝分割任务中实例级预测分支的不确定区域引导的加权损失，提升分割模型的准确度；再结合对低质量伪标签的筛选，提出一种非模态引导的实例混合策略，从而进一步的增加可供训练的样本数量；从而提高由于个别类别样本数量少导致的最终训练的模型分割效果差的问题，最终提高无源域场景自适应效果。
-
公开(公告)号：CN117829131A
公开(公告)日：2024-04-05
申请号：CN202311822043.3
申请日：2023-12-27
Applicant: 湖南大学
IPC: G06F40/211 , G06F40/30 , G06N3/0442 , G06N3/045 , G06N20/00
Abstract: 本发明公开了一种裁判文书摘要生成方法及系统、存储介质，引入元学习，提出了序列标注形式的元学习任务数据集构造，通过在多任务上的训练使法律结构解析模型获得学习的能力，获得更优的初始参数，在有限的法律数据上通过较少次数的迭代即可获得较好的性能。
-
公开(公告)号：CN113568987B
公开(公告)日：2024-01-26
申请号：CN202110862705.4
申请日：2021-07-29
Applicant: 湖南大学
IPC: G06F16/28
Abstract: 本申请涉及一种知识图谱嵌入模型的训练方法、装置、计算机设备和存储介质。方法包括：获取作为训练样本的知识图谱输入图，对知识图谱输入图进行初步分区，得到两个分区，根据分区结果确定切边顶点；根据关键边和一般边，计算各切边顶点的增益值；当切边顶点的增益值大于预设值时，确定切边顶点位于关键路径上且切边顶点与关键路径不在同一分区，将切边顶点从原分区移动至另一分区，得到最终分区结果；对最终分区结果进行参数化处理，得到知识图谱的实体嵌入参数和关系嵌入参数的训练样本集；使工作节点根据训练样本集对知识图谱嵌入模型进行模型训练，得到训练后的知识图谱嵌入模型。采用本方法能够完善知识图谱嵌入模型推理组合关系能力。
-
公开(公告)号：CN117271097A
公开(公告)日：2023-12-22
申请号：CN202311332486.4
申请日：2023-10-16
Applicant: 湖南大学
Abstract: 本发明公开了一种基于算力网络的资源感知与编排方法，包括：将待感知的所有资源放入资源池层中云服务器上的多对象跟踪基准测试MOT数据集中，以构建资源池层中所有资源池对应的计算能力队列长度集合P(t)，其中t表示时隙；将计算能力队列长度集合P(t)输入预先训练好的算力网络调度模型中，以获取资源编排结果。本发明能够解决现有基于集群编排的方法资源由于缺乏对算力网络资源的全局感知和动态调度能力，无法根据实时需求进行资源的优化分配和调度，导致资源利用不均衡和性能瓶颈的技术问题。
-
公开(公告)号：CN117056077A
公开(公告)日：2023-11-14
申请号：CN202311101691.X
申请日：2023-08-30
Applicant: 湖南大学
Abstract: 本申请涉及一种深度学习部署方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取所述深度学习模型对应的第一计算图；根据所述第一计算图的各节点信息以及各节点之间的边信息，确定所述第一计算图中的各关键节点；根据所述第一计算图中各节点之间的边信息，将所述深度学习模型的各模型参数以及各模型参数之间的运算符划分为各模型参数集合；根据各所述关键节点，对各所述模型参数集合进行融合，得到各目标模型运算链路集合；将各所述目标模型运算链路集合部署至预设分布式集群。采用本方法融合得到的各目标模型运算链路集合在并行运行时可以拥有更好的并行运行效率。
-
Patent Agency Ranking
公开(公告)号：CN115437767A
公开(公告)日：2022-12-06
申请号：CN202211087450.X
申请日：2022-09-07
Applicant: 湖南大学
Abstract: 本申请涉及一种基于切边数优化的分区划分方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取处理目标任务的目标有向无环图；目标有向无环图包括多个分区；按照目标有向无环图中的边界任务节点的节点顺序，计算得到对应的边界任务节点的各切边增益值；边界任务节点为与第一分区不同的分区中的任务节点之间具有依赖关系的任务节点，第一分区为边界任务节点在目标有向无环图中的分区；根据对应的边界任务节点的各切边增益值，更新对应的边界任务节点在目标有向无环图中的分区位置。采用本方法能够提高任务调度效率。
-
公开(公告)号：CN113568987A
公开(公告)日：2021-10-29
申请号：CN202110862705.4
申请日：2021-07-29
Applicant: 湖南大学
IPC: G06F16/28
Abstract: 本申请涉及一种知识图谱嵌入模型的训练方法、装置、计算机设备和存储介质。方法包括：获取作为训练样本的知识图谱输入图，对知识图谱输入图进行初步分区，得到两个分区，根据分区结果确定切边顶点；根据关键边和一般边，计算各切边顶点的增益值；当切边顶点的增益值大于预设值时，确定切边顶点位于关键路径上且切边顶点与关键路径不在同一分区，将切边顶点从原分区移动至另一分区，得到最终分区结果；对最终分区结果进行参数化处理，得到知识图谱的实体嵌入参数和关系嵌入参数的训练样本集；使工作节点根据训练样本集对知识图谱嵌入模型进行模型训练，得到训练后的知识图谱嵌入模型。采用本方法能够完善知识图谱嵌入模型推理组合关系能力。
-
公开(公告)号：CN103336720B
公开(公告)日：2016-07-06
申请号：CN201310239254.4
申请日：2013-06-17
Applicant: 湖南大学
IPC: G06F9/50
Abstract: 本发明公开了一种基于SLURM的具有数据依赖关系的作业执行方法，通过在计算节点上新增主控守护程序slurmdagctld，使得具有数据依赖关系的作业执行方法的整个步骤智能化，用户不需要时刻监控作业的运行状况，在作业运行过程中将结果文件通过命令进行传送，用户只需要根据调度表编写文本文件，将此文本文件传送给用户选定的主控节点，具有数据依赖关系的作业就会通过设计者新增的主控守护进程slurmdagctld智能地执行，最后将最终执行结果返回到主控节点的命令窗口，或将最终执行结果保存到文件中供用户查看。在此智能执行的过程中，还能达到节能的效果。利用改进的sbcast命令将文件传送到指定的计算节点，这样可以减少网络通信量。
-
公开(公告)号：CN103246563B
公开(公告)日：2016-06-08
申请号：CN201310145363.X
申请日：2013-04-24
Applicant: 湖南大学
IPC: G06F9/48
Abstract: 本发明公开了一种具有存储感知的多层分块调度方法，第一步，根据任务的依赖关系得出分块向量（Pi，Pj）的方向；第二步，获得每次循环所需要装载和保存的数据大小与分块向量大小f和h的关系式，及每次迭代的调度长度Ls；第三步，根据本地存储器大小及调度长度来决定分块的子分块大小；第四步，利用迭代重计时技术改变任务之间的依赖关系，重构分块位置；第五步，把第一次分块的每个子分块当作一个节点重新构建一个分块空间，进行第二次分块；依据两个分块向量对迭代空间进行分块后得到执行顺序图，按照执行顺序图对任务进行调度；该方法结合存储器容量及存储延迟，通过分块和对任务之间依赖关系的调整，提高任务的并行度，减少写操作的数量和降低平均调度时间。
-
公开(公告)号：CN104239732A
公开(公告)日：2014-12-24
申请号：CN201410491798.4
申请日：2014-09-24
Applicant: 湖南大学
IPC: G06F19/00
Abstract: 本发明公开了一种运行于多核计算机平台的并行通用序列的比对方法，首先利用聚类方法(Cluster)对待比对序列集进行分类，得到大小不等的子序列集合(C1，C2，……，Cm)。然后，应用分配方法(Distribute)将待比对的子序列集合分配到各计算核上(Core1，Core2，……，Coren)，以各个核上的负载平衡为分配的最终目标。接着，应用现有的序列比对方法对各子序列集合分别进行比对(Align)。最后，应用合并方法(Merge)，将已比对的子序列集合合并，得到待比对序列集的最终比对结果。本发明基于多核计算平台，充分利用了数据并行的计算策略，从而显著提高生物序列比对的处理效率。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.029 seconds)
