-
公开(公告)号：CN101661403A
公开(公告)日：2010-03-03
申请号：CN200910195773.9
申请日：2009-09-17
Applicant: 上海交通大学
Abstract: 本发明是一种计算机技术领域的基于替代服务模型的实时网格事务管理系统，包括：实时事务应用模块、实时事务服务模块、实时事务执行模块和服务注册中心，其中：实时事务应用模块向实时事务服务模块发出事务处理请求，实时事务服务模块负责协调和管理实时事务执行模块，实时事务执行模块负责执行事务，服务注册中心为实时事务服务模块提供实时事务执行模块的信息。本发明通过将完成相同功能的网格服务作为一个替代服务组来建立替代模型，使完成相同功能的网格服务被重启的可能性减小，从而降低在高度动态、极端异构、地理分布的网格环境中的实时事务失败的概率，提高实时事务在截止期内成功提交的几率。
-
公开(公告)号：CN101415255A
公开(公告)日：2009-04-22
申请号：CN200810203433.1
申请日：2008-11-27
Applicant: 上海交通大学
Abstract: 本发明涉及的是一种无线通信技术领域的蓝牙设备自动分类组网的方法。步骤为：依据蓝牙设备的分类标准对蓝牙设备进行分类；蓝牙设备在通信范围内连接，然后获取对方的属性信息进行验证，如果是同类蓝牙设备，继续连接，否则断开连接，这样在通信范围内的同类蓝牙设备连接起来，将同类蓝牙设备组成若干个孤立的散射网，确定每个孤立散射网中的超级结点，用来标识该散射网；每个孤立的散射网向外发送探测消息，选择与要组网的蓝牙设备不同类的蓝牙设备作为桥接点，将区域的散射网连接起来，形成全局的散射网。本发明不仅能保证连通性的情况下，散射网数量最少，还能够提高平均传输速度，减少整个散射网的能量消耗等。
-
公开(公告)号：CN119761429A
公开(公告)日：2025-04-04
申请号：CN202411911735.X
申请日：2024-12-24
Applicant: 上海交通大学
IPC: G06N3/0495 , G06N3/084 , G06N3/063
Abstract: 一种基于离群值分离激活值混合量化的神经网络优化方法，采用Z‑Score方式将预处理后的激活值分解为离群值和正常值后，分别对正常值使用采用4bit分组量化、对于离群值采用8bit量化并保存到显存中，在反向传播计算到该层时对保存的量化后离群值和正常值进行恢复处理实现优化。本发明能够减小前向传播后保存在显存中的激活值大小，保证模型可以训练的同时，显著减小所有层前向传播之后保存的总激活值大小，相比其他技术，能够提供更高吞吐率，并且能够尽可能减小量化误差。
-
公开(公告)号：CN119203047A
公开(公告)日：2024-12-27
申请号：CN202310754097.4
申请日：2023-06-25
Applicant: 上海交通大学
Abstract: 一种面向动态性特征的微服务应用优化资源管理系统及方法，包括：基于网络的负载监控器、感知阻塞的负载更新器和资源高效的请求清空器，当微服务应用出现负载和调用图动态性时，负载监控器根据每个微服务的网络监控数据，解析得到网络流量和网络包，通过机器学习中的线性回归技术预测得到监控负载；负载更新器根据监控负载和通过微服务间的调用关系和调用顺序构建的阻塞图，计算每个微服务的真实待处理负载，并为其分配相应资源量；请求清空器根据负载更新器输出的每个微服务的真实负载及当前资源分配信息，计算在剩余QoS恢复时间内每个微服务的过量负载，并为每个微服务分配过量资源，实现快速恢复应用的QoS目标。本发明在无需对于微服务应用进行代码修改的情况下，既可在微服务应用动态性下快速恢复应用的QoS目标，又可以最小化资源分配量以保持资源效率，可以为云数据中心中微服务应用发生负载和调用图动态性时的优化资源管理技术落地提供支持。
-
公开(公告)号：CN119149040A
公开(公告)日：2024-12-17
申请号：CN202310713862.8
申请日：2023-06-15
IPC: G06F8/41 , G06N3/042 , G06N3/045 , G06N3/0464
Abstract: 本发明提供一种图神经网络模型的编译优化方法、编译器及存储介质，所述图神经网络模型的编译优化方法包括：包括：获取输入的图神经网络模型，通过配置计算图重写规则和张量的图级语义对所述图神经网络模型的第一层级中间表示进行优化；对所述第一层级的优化输出进行计算图切分；基于切分的计算图和图感知嵌套循环体对所述图神经网络模型的第二层级中间表示进行优化。本发明能够大幅度提升GNN模型的计算性能，为基于GNN模型的广泛应用提供高性能的计算支持。
-
Patent Agency Ranking
公开(公告)号：CN118607618A
公开(公告)日：2024-09-06
申请号：CN202410782352.0
申请日：2024-06-18
Applicant: 上海交通大学
IPC: G06N3/098 , G06F21/62 , H04L67/10 , G06N3/0442 , G06N3/0464
Abstract: 本发明提供参数粒度自适应调频的联邦学习方法及系统，包括：服务器选择每轮参与训练的客户端，将每个参数同步频率的更新信息传输到被选择的客户端；客户端的模型训练进程从通讯守护进程接收聚合的参数，根据每个参数的同步频率进行同步训练；通讯守护进程接收完成训练的参数，与服务器通讯进行聚合，再从服务器接收聚合后的参数并在下一轮训练时返回给模型训练进程；在聚合时，服务端计算梯度冲突率，当某个参数的梯度冲突率小于阈值时，将该参数的同步频率增倍，在下一轮训练时传输需要更新频率的参数的位置到所有的客户端中。本发明采用参数粒度的调频方式，对每个参数进行更准确的频率设置，保证训练效率的同时，提高最终模型的收敛准确率。
-
公开(公告)号：CN118349171A
公开(公告)日：2024-07-16
申请号：CN202410427750.0
申请日：2024-04-10
Applicant: 上海交通大学
IPC: G06F3/06
Abstract: 本发明涉及存储技术领域，尤其涉及一种条带合并方法、系统及可读存储介质，方法包括：将合并前条带的编码矩阵的每一行看作一个分块，构造具有分块对称特征的合并后条带的编码矩阵；基于所述合并后条带的编码矩阵，利用陪集分解理论来构造柯西矩阵生成集中的X和Y，得到柯西编码矩阵；利用所述柯西编码矩阵对条带进行合并，计算得到所述合并后条带的校验块。通过将合并前条带的编码矩阵的每一行看作一个分块，那么合并后条带的编码矩阵则是以合并前条带的编码矩阵的分块构成的一个分块对称矩阵，在这种特征下，条带合并时计算新校验块的过程就可以复用合并前条带的旧校验块，进而减少计算开销。然后再基于所述合并后条带的编码矩阵，使用陪集分解理论来构造柯西矩阵生成集中的X和Y，使得到的柯西编码矩阵在满足柯西矩阵性质的同时具有分块对称的特征，以便于实现窄条带纠删码的友好合并。
-
公开(公告)号：CN117171766B
公开(公告)日：2024-04-05
申请号：CN202310955526.4
申请日：2023-07-31
Abstract: 本发明提供一种基于深度神经网络模型的数据保护方法、系统及介质，其中，所述方法包括：获取初始深度神经网络模型，其中，所述初始深度神经网络模型包括多个分割子图；基于所述分割子图利用距离正则化机制筛选掉不满足安全距离的分支，以得到全安全子图的目标深度神经网络模型；在输入数据基于所述目标深度神经网络模型处理过程中，利用位置加密对中间处理数据进行加密作业。本发明提出了一种基于深度神经网络模型的数据保护方法，旨在解决现有技术中完全加密的私有推理的延迟问题以及部分加密的私有推理的安全泄露问题，具体通过安全子图约束和位置加密的方法在防止安全泄露的前提下大大减少了延迟，达到良好的性能效果。
-
公开(公告)号：CN117493043A
公开(公告)日：2024-02-02
申请号：CN202311482405.9
申请日：2023-11-09
Applicant: 上海交通大学
Abstract: 一种基于原数据的SMG实现系统及方法，包括：设置于DSP输入端的原始数据缓存区、数据缓存区创建和控制模块、DSP控制处理模块、多模态选择模块和自适应多模态计算模块，原始数据缓存区临时存储来自传感器的原始模态数据，多模态选择模块通过神经网络判断原始模态数据中模态数据的重要度后，将重要的模态数据输出至DSP进行处理，数据缓存区创建和控制模块为应用实现创建、读、写数据缓存区，DSP控制处理模块提供系统调用，自适应多模态计算模块通过构建并训练神经网络后，在线根据输入的模态进行自适应的模态融合计算并给出计算结果。本发明通过预先进行多模态门控处理，对进入DSP的模态数据进行提前筛选，以保证不需要的模态数据不经过DSP，从而避免DSP造成不必要的能量和执行时间浪费。
-
公开(公告)号：CN117077162A
公开(公告)日：2023-11-17
申请号：CN202310954715.X
申请日：2023-07-31
IPC: G06F21/60 , G06F21/62 , G06N3/0455 , G06N5/04
Abstract: 本发明提供一种基于Transformer网络模型的隐私推理方法、系统、介质及电子设备，其中，所述方法包括：获取用户端的输入数据，所述输入数据包括图片数据和/或文本数据；基于所述输入数据进行初始数据加密后输入到Transformer网络模型进行隐私推理，其中，基于所述Transformer网络模型进行隐私推理时，除了常用的算子密态计算之外，在计算非线性算子时，本发明会将数据揭露给用户，并基于乱序矩阵进行位置加密；获取模型输出，基于所述模型输出进行最终数据解密后反馈给所述用户端。本发明从根本上解决密码学协议在非线性计算上的矛盾，可以在保证安全性不变的前提下，将网络的主要非线性计算转化为明文计算，从而极大地加速隐私推理的推理速度，大大提升效率。
-
-
-
-
-
-
-
-
-
Search Results
269
records
(took 0.031 seconds)
