-
公开(公告)号:CN117851004A
公开(公告)日:2024-04-09
申请号:CN202311809153.6
申请日:2023-12-26
Applicant: 北京航天自动控制研究所
IPC: G06F9/48 , G06F9/50 , G06N3/0985 , G06N3/084
Abstract: 一种基于元强化学习的机器学习作业调度方法及系统,包括:基于强化学习算法框架,对机器学习集群中数据并行的机器学习作业调度问题进行建模,确定强化学习算法框架中的状态、动作以及奖励;基于构建的模型,对调度框架部件进行定义;所述调度框架部件包括环境、调度器、性能监视器和性能模型;使用集群离线数据对不同超参数设定下的调度器和性能模型进行训练,并选出使调度器和性能模型收敛最快的最优超参数组合;使用元强化学习方法对待调度作业进行在线调度,并在调度的同时,基于所述最优超参数组合对调度器和性能模型进行在线训练,直至调度任务完成。
-
公开(公告)号:CN112287971A
公开(公告)日:2021-01-29
申请号:CN202011032946.8
申请日:2020-09-27
Applicant: 北京航天自动控制研究所
IPC: G06K9/62
Abstract: 一种测试数据自适应动态阈值确定方法,步骤包括:步骤一,对于某个测试数据,选取之前一段时间的数据序列作为训练集;步骤二,为训练集确定初始化门限值θ,计算训练集中超过初始门限θ的概率;步骤三,估计步骤二中概率的参数值;步骤四,计算得到新的门限值ε;步骤五,利用新的门限值ε对实时采集的测量数据进行监测,当某时刻测量数据大于等于ε时,该测量数据记为异常数据;当某时刻测量数据小于ε大于θ时,该测量数据记为正常数据,同时更新门限值ε;当某时刻测量数据小于等于θ时,该测量数据记为正常数据。本发明能够实现对工业设备故障的实时在线检测,不依赖于专家经验和领域先验知识、自动设置阈值、具有良好的可扩展性。
-