-
公开(公告)号：CN106403908A
公开(公告)日：2017-02-15
申请号：CN201610768591.6
申请日：2016-08-29
Applicant: 上海交通大学
IPC: G01C13/00
Abstract: 本发明提供了一种基于时间序列的水深预测方法和系统，首先得将多次测量的水深点通过合适的方法映射到同一个位置上，再进行之后的计算。根据同一位置上不同时期的测量值，我们就可以应用时间序列中的加权平均法以及机器学习的梯度下降来对该位置上未来的水深值进行预测。本发明解决了水深测量单位提供的多次测量数据之间位置不重叠的问题。通过测量点之间的距离关系将测量点映射到同一位置进行后续计算，并通过时间序列方法给出未来水深简单而有效的预测。
-
公开(公告)号：CN119597460A
公开(公告)日：2025-03-11
申请号：CN202411635187.2
申请日：2024-11-15
Applicant: 上海交通大学
Abstract: 本发明提供了一种GPU需求预测方法及Spot GPU库存预测方法，包括：步骤S1：采集GPU用量的历史序列，分解GPU用量的历史序列为分量序列；步骤S2：基于输入业务信息和时间信息，提取业务特征与时间特征；步骤S3：基于所述分量序列、业务特征与时间特征，预测周期项序列和趋势项序列，进而相加所述周期项序列和趋势项序列，得到GPU需求的均值；步骤S4：预测GPU需求的标准差，并且根据所述GPU需求的均值，得出未来GPU需求的分布。本发明引入概念漂移检测和兜底算法模块，能够及时有效地防范单一时序预测算法在大规模集群中GPU用量预测场景可能出现的概念漂移现象。
-
公开(公告)号：CN119515498A
公开(公告)日：2025-02-25
申请号：CN202411559997.4
申请日：2024-11-04
Applicant: 上海交通大学
IPC: G06Q30/0601 , G06N3/04 , G06N3/08 , G06F18/25 , G06F18/22
Abstract: 本发明提供了一种基于单品兼容性的多模态个性化服装推荐方法和系统，包括：步骤1：使用多头自注意力机制对服装和用户分别进行建模表示；步骤2：利用历史数据中已有的单品搭配，结合不同类型单品的位置编码，完成用户和不同类型单品之间匹配度的建模；步骤3：基于用户与多个单品的交互历史，利用用户‑单品交互图进行协同位置编码，从而增强对用户行为特征的表示，并将位置编码与用户对应的兴趣组的模态特征相结合，完成对用户偏好度的建模，结合用户和单品之间的协同信息进行多样化的推荐。本发明通过引入单品特征的学习，提供了更加个性化和灵活的推荐策略，以满足用户对服装搭配的多样化需求。
-
公开(公告)号：CN118464033A
公开(公告)日：2024-08-09
申请号：CN202410698949.7
申请日：2024-05-31
Applicant: 上海交通大学
Abstract: 本发明提供了一种面向自动驾驶基于轨迹关键点识别的地图匹配方法及系统，包括：步骤S1：通过将观测点到参考路径距离和连续关键点数量与预设定阈值对比，确定是否是关键点；步骤S2：在基于规则算法基础上，通过在历史轨迹数据上训练，学习关键点的空间特征模式；步骤S3：在选出新关键点后更新参考路径和推断路径。本发明相比与其它模型，关键点选择算法能够自动过滤轨迹中的高噪声点，有效保证算法不受信号干扰等因素带来的噪声干扰。
-
公开(公告)号：CN118093184A
公开(公告)日：2024-05-28
申请号：CN202410242291.9
申请日：2024-03-04
Applicant: 上海交通大学
Abstract: 本发明公开了一种面向大规模集群的异构感知微服务资源标准化方法及系统，包括：步骤S1：根据收集的工作负载与资源轨迹，计算资源效率评估指标；步骤S2：构建CPU用量模式，量化CPU用量模式相对于基准机型的资源效率差异；步骤S3：根据资源效率差异将真实资源轨迹数据标准化为标准CPU用量；步骤S4：进行弹性伸缩，当需要横向增加容器数量时，新增容器的CPU配额为标准化CPU配额，若相应容器调度至机型的服务器上，计算实际的容器CPU配额，并通过调度系统分配相应的CPU配额。本发明适用于高度动态工作负载场景下微服务资源效率差异的有效量化。
-
Patent Agency Ranking
公开(公告)号：CN117951463A
公开(公告)日：2024-04-30
申请号：CN202410138575.3
申请日：2024-01-31
Applicant: 上海交通大学
IPC: G06F18/15 , G06N3/045 , G06N3/084 , G06N3/088 , G06F123/02
Abstract: 本发明提供了一种不完整时间序列修补方法及系统，涉及时间序列分析技术领域，包括：步骤S1：设计不完整序列表示机制；对输入的不完整序列缺失位置用初值填充，学习不完整序列中的依赖关系；步骤S2：构建迭代重构框架，验证所学依赖关系的正确性；步骤S3：依据依赖关系通过迭代重建完整序列；其中，第二次重建的输入是第一次的输出。本发明能够提高时间序列修补的准确性。
-
公开(公告)号：CN117851074A
公开(公告)日：2024-04-09
申请号：CN202410164167.5
申请日：2024-02-05
Applicant: 上海声通信息科技股份有限公司 , 上海交通大学
Abstract: 本发明提供了一种基于无服务器计算的在线深度学习推理服务分割方法，包括：步骤S1：基于用户提交的DLIS请求，令服务分析器分析DLIS的主导运算符O，基于分析的结果，生成作为有向无环图DAG的图G；步骤S2：基于图G，令模型分割器生成分割方案并分割DLIS，并对DLIS的切片制定并行化策略；步骤S3：基于模型分割器的分割结果与并行化策略，令调度器将同一个DLIS的若干切片部署在同一个服务器上；步骤S4：通过通信优化模块对所述服务器进行优化。本发明针对无服务器平台上的DLIS，提供模型混合分割框架，将深度学习模型水平和垂直分割，提高无服务平台中的深度学习推理服务的资源利用率和降低部署成本，同时，确保服务延迟最小化。
-
公开(公告)号：CN117828445A
公开(公告)日：2024-04-05
申请号：CN202410016134.6
申请日：2024-01-04
Applicant: 上海交通大学
IPC: G06F18/241 , G06N3/126 , G06N3/086
Abstract: 本发明提供了一种基于集成学习的数据包分类并行方法及系统，包括：步骤S1：建立规则搜索成本模型，量化算法的不同实例之间的互补性；步骤S2：使用遗传算法生成算法的不同实例的最佳组合方案，在找到满足要求的算法实例后，构建算法实例库；步骤S3：构建数据包分类预测模型，从构建成的算法实例库中选择合适的算法实例完成数据包分类操作。本发明首先敏锐地观察到现存的数据包分类方法存在的最坏情况及其产生的原因，并在集成学习的启发之下，挖掘算法的不同实例之间存在的互补性以优化性能。
-
公开(公告)号：CN111861412B
公开(公告)日：2024-03-15
申请号：CN202010732161.5
申请日：2020-07-27
Applicant: 上海交通大学
Abstract: 本发明提供了一种面向完成时间优化的科学工作流调度方法及系统，包括：将科学工作流任务转换成无服务器函数并部署到对应集群中；将给定的科学工作流转换成对应的有向无环图；对于有向无环图中的每层任务，根据参数配置，将资源分配给所述任务并运行；在任务运行的过程中，保持对集群的监控，动态调整每个任务的资源分配。本发明相较于现有技术，通过充分利用无服务器框架提供的弹性伸缩能力，实现了获得更高的整体完成时间和集群性能。
-
公开(公告)号：CN117593612A
公开(公告)日：2024-02-23
申请号：CN202311550994.X
申请日：2023-11-20
Applicant: 上海交通大学
IPC: G06V10/776 , G06V10/774 , G06V10/25 , G06V20/64
Abstract: 本发明提供了一种无监督多模态3D框错误检测系统和方法，包括：虚拟错误的生成模块：生成虚拟的错误3D框；模型训练模块：训练一个端到端的错误检测器，用来回归错误分数；错误检测模块：将初始标注输入到错误检测器中，得到每一个3D框的错误分数，通过使用一个阈值τ，将3D框的错误分数映射为0或1，0表示正确，1表示错误。本发明无需人工为3D框标注是否错误打标签，也不依赖于任何先验知识，通过融合多模态数据，能够更有效地检测3D框的标注错误。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.029 seconds)
