网络监测模型训练方法、监测方法、系统、设备及介质

    公开(公告)号:CN119917859A

    公开(公告)日:2025-05-02

    申请号:CN202411982277.9

    申请日:2024-12-30

    Inventor: 王峰

    Abstract: 本申请涉及新兴信息技术,揭示一种网络监测模型训练方法、网络监测方法、系统、电子设备及存储介质。本申请利用通用大语言模型来生成网络监测领域的专用训练数据,不需要额外提供大量的数据,可以避免由于专用领域大语言模型的训练数据不足导致训练障碍;对通用大语言模型生成的训练数据执行降维操作,并蒸馏通用大语言模型和采用降维后的训练数据对模型进行微调,然后蒸馏微调后的模型,获得最终的网络监测模型,降低了监测模型的复杂度,提升了推理速度,可以满足网络监测领域对于推理延迟的要求。此外,由探测数据产生模型输入数据,通过网络监测模型进行推理,获得网络状态的监测结果和进一步探测动作的动作决策,可以实现智能网络监测。

    用于时域预测的方法及装置、电子设备、存储介质

    公开(公告)号:CN119939245A

    公开(公告)日:2025-05-06

    申请号:CN202411998238.8

    申请日:2024-12-31

    Abstract: 本申请的实施例揭示了一种用于时域预测的方法及装置、电子设备、存储介质。该方法包括:获取待预测时序数据;将待预测时序数据输入训练后的时序预测模型;其中,训练后的时序预测模型通过预设的待训练时序数据对训练前的时序预测模型进行训练获得;在训练过程中,时序预测模型通过参考预测时序数据和第一参考预测频域数据进行调节;参考预测时序数据和第一参考预测频域数据通过对待训练时序数据进行预测获得;将时域预测模型输出的序列数据确定为待预测时序数据对应的预测结果。这样,引入了频域的监督学习,使得训练后的时域预测模型输出的序列数据不仅符合待预测时序数据的时域特征,还符合其频域特征,从而提高了时序预测的精度。

    任务处理方法、装置、程序产品与电子设备

    公开(公告)号:CN119887099A

    公开(公告)日:2025-04-25

    申请号:CN202411959584.5

    申请日:2024-12-27

    Abstract: 本公开提供一种任务处理方法、装置、程序产品与电子设备,涉及计算机技术领域。该方法包括:接收待处理任务;根据所述待处理任务的业务信息,确定与所述待处理任务对应的关联工作流;其中,所述关联工作流从存储有各类任务的工作流的增强记忆系统中获取;根据所述关联工作流,确定所述待处理任务的目标工作流,并根据所述目标工作流,执行所述待处理任务。本公开通过确定与待处理任务对应的关联工作流,迅速创建目标工作流,相比相关技术中智能体每次从头开始建立工作流的处理方式,极大的提高了创建目标工作流的效率,提升了对待处理任务的处理效率。

    图像配准方法、装置、存储介质和电子设备

    公开(公告)号:CN119832037A

    公开(公告)日:2025-04-15

    申请号:CN202411910398.2

    申请日:2024-12-23

    Abstract: 本公开提供了一种图像配准方法、装置、计算机存储介质和电子设备,涉及图像处理技术领域。包括:确定待配准图像在多个不同分辨率下的第一特征图以及参考模板图像在多个不同分辨率下的第二特征图;对第一分辨率的第一子特征图和第一分辨率的第二子特征图进行相似特征匹配,得到第一变形场;根据第一变形场对第二分辨率的第一子特征图进行变形,得到第三子特征图,对第三子特征图和第二分辨率的第二子特征图进行相似特征匹配,得到残差变形场;通过第一变形场和残差变形场确定第二变形场,直至得到最高分辨率的目标变形场,根据目标变形场对待配准图像进行变形配准,得到配准后的目标图像。可以降低可变形图像配准的计算复杂度以及提高计算效率。

    一种资源调度方法、装置、设备以及存储介质

    公开(公告)号:CN115098257B

    公开(公告)日:2024-12-13

    申请号:CN202210716412.X

    申请日:2022-06-23

    Abstract: 本发明实施例提供了一种资源调度方法、装置、设备以及存储介质,涉及计算机技术领域。具体实现方案为:响应于接收到待处理的目标任务,预测所述GPU集群的各个节点分别对应的指定任务的参考资源数据;其中,每一节点对应的指定任务为该节点当前正在处理的任务;针对所述各个节点中的每一节点,基于该节点对应的指定任务的参考资源数据,确定该节点在所述目标时间段所对应的可分配资源,作为该节点对应的待利用资源;基于各个节点分别对应的待利用资源,从所述各个节点中选取符合所述目标任务的资源需求的目标节点;调用所述目标节点的待利用资源处理所述目标任务。可见,通过本方案,可以提升资源池的利用率。

    深度卷积神经网络剪枝方法、装置、电子设备及介质

    公开(公告)号:CN116266275A

    公开(公告)日:2023-06-20

    申请号:CN202111539179.4

    申请日:2021-12-15

    Abstract: 本公开提供了一种深度卷积神经网络剪枝方法、装置、电子设备及介质,涉及人工智能技术领域。所述方法包括:获取用于对预训练的卷积神经网络CNN模型进行剪枝的硬件设备的屋顶Roofline模型;根据所述硬件设备的Roofline模型计算所述CNN模型的各卷积层的目标剪枝率;根据所述目标剪枝率对CNN模型的各卷积层进行剪枝;当剪枝后的CNN模型的参数满足预设条件时,生成剪枝CNN模型。本公开提供了一种深度卷积神经网络剪枝方法、装置、电子设备及介质,根据硬件设备的Roofline模型自动计算出CNN模型各卷积层的目标剪枝率,根据目标剪枝率为网络层进行非结构化剪枝,提高剪枝后的模型在硬件设备上的执行效率,能够大幅度降低剪枝后模型的存储、计算负载。

    自适应分配上下文特征的命名实体识别方法及装置、计算机可读存储介质

    公开(公告)号:CN115329763A

    公开(公告)日:2022-11-11

    申请号:CN202110509804.4

    申请日:2021-05-11

    Abstract: 本公开提供自适应分配上下文特征的命名实体识别方法及装置、计算机可读存储介质。所述方法,包括:对文本中的每个单词进行词嵌入而得到文本的词向量序列,将该词向量序列分别输入到神经网络模型的前后向网络,提取前后向隐状态,拼接前后向隐状态得到单词的初级上下文特征;使用基于距离的注意力机制来融合单词的所述初级上下文特征,得到单词的增强上下文特征;以及通过针对每个单词计算出的门控系数来融合单词的所述初级上下文特征和所述增强上下文特征,得到单词的自适应分配上下文特征并从所述神经网络模型输出,其中所述门控系数的值域为0至1。

    数据聚类方法及装置、电子设备、存储介质

    公开(公告)号:CN114841285A

    公开(公告)日:2022-08-02

    申请号:CN202210559705.1

    申请日:2022-05-19

    Abstract: 本申请的实施例揭示了一种数据聚类方法及装置、电子设备、存储介质,该方法包括:获取初始聚类中含有的多个聚类对象的特征数据,特征数据中包括多个维度的特征;在依次遍历初始聚类中含有的多个聚类对象的过程中,将遍历到的聚类对象作为簇中心,并根据多个聚类对象对应的多个维度的特征以及多个维度的特征匹配的权重,计算作为簇中心的聚类对象与其他聚类对象的第一目标距离;根据多个第一目标距离之间的关系,从初始聚类中含有的多个聚类对象中确定目标聚类对象。本申请实施例的技术方案能够提现出不同特征的贡献程度。

    数据机房故障处理方法、装置、介质与电子设备

    公开(公告)号:CN113656160A

    公开(公告)日:2021-11-16

    申请号:CN202110941563.0

    申请日:2021-08-17

    Abstract: 本公开提供了一种数据机房故障处理方法、装置、介质与电子设备,涉及计算机技术领域。所述方法包括:接收监控设备发送的故障处理指令;将故障任务添加至与故障任务的任务优先级对应的任务队列;确定任务队列中的每个故障任务的处理优先级;按照处理优先级由高到低的顺序,确定每个故障任务的处理策略;将故障任务的处理策略发送至监控设备,以使监控设备根据故障任务的处理策略处理故障。本公开提供的数据机房故障处理方法,可以保证紧急故障任务被优先处理,提升数据机房运行的安全性。

Patent Agency Ranking