-
公开(公告)号：CN117879696B
公开(公告)日：2024-05-14
申请号：CN202410281922.8
申请日：2024-03-13
Applicant: 北京大学
IPC: H04B7/185
Abstract: 本申请公开了一种面向低轨卫星网络的大规模卫星星座分阶段部署方法，属于卫星发射技术领域，包括：获取星座拓扑数据和目标覆盖范围；基于星座拓扑数据对卫星分类，以获得壳层组，并从壳层组中选择目标卫星，将目标卫星组成一个卫星序列；确定卫星序列对地面的序列覆盖范围，并计算序列覆盖范围与目标覆盖范围的重合度，在重合度满足重合度条件的情况下，确定卫星序列的整体工作参数；在整体工作参数满足预设的工作参数条件的情况下，生成每个目标卫星的发射参数，并生成发射序列。解决了在大规模卫星星座分阶段部署时，各阶段部署过程耗费时间长、成本高的问题。
-
公开(公告)号：CN117879696A
公开(公告)日：2024-04-12
申请号：CN202410281922.8
申请日：2024-03-13
Applicant: 北京大学
IPC: H04B7/185
Abstract: 本申请公开了一种面向低轨卫星网络的大规模卫星星座分阶段部署方法，属于卫星发射技术领域，包括：获取星座拓扑数据和目标覆盖范围；基于星座拓扑数据对卫星分类，以获得壳层组，并从壳层组中选择目标卫星，将目标卫星组成一个卫星序列；确定卫星序列对地面的序列覆盖范围，并计算序列覆盖范围与目标覆盖范围的重合度，在重合度满足重合度条件的情况下，确定卫星序列的整体工作参数；在整体工作参数满足预设的工作参数条件的情况下，生成每个目标卫星的发射参数，并生成发射序列。解决了在大规模卫星星座分阶段部署时，各阶段部署过程耗费时间长、成本高的问题。
-
公开(公告)号：CN117519953B
公开(公告)日：2024-04-05
申请号：CN202410020818.3
申请日：2024-01-08
Applicant: 北京大学
Abstract: 本申请提供了一种面向服务器无感知计算的分离式内存管理方法，涉及内存管理技术领域，该方法应用于服务器无感知计算平台，包括：平台用户发送请求，将请求放置在任务等待队列中等待调度；任务调度器根据目前的集群资源信息与任务等待队列中的各个任务的特征信息，确定各个任务的执行顺序以及可用本地内存大小，并为各个任务分配工作节点；特征信息表示任务的执行时间随本地内存变化的函数；工作节点执行被分配的任务，在该任务使用的内存超过对应的可用本地内存大小的情况下，访问远端内存池以执行任务；远端内存池为用于提供内存资源的机器集群；工作节点监视器监控各个工作节点的任务执行情况。
-
公开(公告)号：CN117519953A
公开(公告)日：2024-02-06
申请号：CN202410020818.3
申请日：2024-01-08
Applicant: 北京大学
Abstract: 本申请提供了一种面向服务器无感知计算的分离式内存管理方法，涉及内存管理技术领域，该方法应用于服务器无感知计算平台，包括：平台用户发送请求，将请求放置在任务等待队列中等待调度；任务调度器根据目前的集群资源信息与任务等待队列中的各个任务的特征信息，确定各个任务的执行顺序以及可用本地内存大小，并为各个任务分配工作节点；特征信息表示任务的执行时间随本地内存变化的函数；工作节点执行被分配的任务，在该任务使用的内存超过对应的可用本地内存大小的情况下，访问远端内存池以执行任务；远端内存池为用于提供内存资源的机器集群；工作节点监视器监控各个工作节点的任务执行情况。
-
Patent Agency Ranking
公开(公告)号：CN117762602A
公开(公告)日：2024-03-26
申请号：CN202410198709.0
申请日：2024-02-22
Applicant: 北京大学
Abstract: 本申请提供了一种面向边缘异构硬件的深度学习级联任务调度方法及装置，所述方法包括：获取响应时间要求，以及，获取待处理的视频帧；预测视频帧对应的级联任务图，所述级联任务图表征按照顺序执行的多个深度学习网络任务，在级联任务图中一个深度学习网络任务的输出作为另一个深度学习网络任务的输入；根据响应时间要求，将级联任务图与离线级联任务图模板进行匹配；在级联任务图与离线级联任务图模板至少部分匹配的情况下，按照匹配的离线级联任务图模板对应的调度策略，将级联任务图中的多个深度学习网络任务调度到异构硬件上执行。如此，优化了级联任务场景下的多个深度学习网络任务的执行，实现级联任务的高吞吐量和高效率调度。
-
公开(公告)号：CN117519954A
公开(公告)日：2024-02-06
申请号：CN202410020819.8
申请日：2024-01-08
Applicant: 北京大学
Abstract: 本申请提供了一种面向服务器无感知计算的多资源函数任务调度系统，涉及任务调度技术领域，系统包括：调度器和多个工作节点；调度器获取各个函数任务对多种资源中每种资源的使用情况；调度器根据所述各个函数任务对多种资源中每种资源的使用情况，将所有待执行的函数任务划分成多个函数任务共享组，并为多个函数任务共享组分配资源，得到调度策略；其中，每个函数任务共享组包括多个函数任务，且多个函数任务的不同阶段交错在一起进行资源共享，每个函数任务的不同阶段使用其阶段所需要的一种资源，其阶段不需要的资源共享给其所属的函数任务共享组内的其他函数任务使用；多个工作节点按照调度器生成的调度策略，执行对应的函数任务。
-
公开(公告)号：CN117762602B
公开(公告)日：2024-05-07
申请号：CN202410198709.0
申请日：2024-02-22
Applicant: 北京大学
Abstract: 本申请提供了一种面向边缘异构硬件的深度学习级联任务调度方法及装置，所述方法包括：获取响应时间要求，以及，获取待处理的视频帧；预测视频帧对应的级联任务图，所述级联任务图表征按照顺序执行的多个深度学习网络任务，在级联任务图中一个深度学习网络任务的输出作为另一个深度学习网络任务的输入；根据响应时间要求，将级联任务图与离线级联任务图模板进行匹配；在级联任务图与离线级联任务图模板至少部分匹配的情况下，按照匹配的离线级联任务图模板对应的调度策略，将级联任务图中的多个深度学习网络任务调度到异构硬件上执行。如此，优化了级联任务场景下的多个深度学习网络任务的执行，实现级联任务的高吞吐量和高效率调度。
-
公开(公告)号：CN116542334B
公开(公告)日：2023-10-20
申请号：CN202310538682.0
申请日：2023-05-12
Applicant: 北京大学
IPC: G06N5/04 , G06N3/0464 , G06N3/08 , G06F9/48
Abstract: 本发明提供了一种基于Web浏览器的深度神经网络推理调度方法和装置，涉及软件领域。所述方法包括：获取第一深度神经网络推理任务和第二深度神经网络推理任务；按照目标切分方式，将第一深度神经网络推理任务切分为第一前序子任务和第一后序子任务，以及将第二深度神经网络推理任务切分为第二前序子任务和第二后序子任务；按照目标调度方式，确定前序运行环境和后序运行环境，前序运行环境和后序运行环境分别为Web浏览器提供的WebAssembly运行环境和GPU加速的运行环境中的一种；将第一前序子任务和第二前序子任务先后调度到前序运行环境中进行执行，以及将第一后序子任务和第二后序子任务先后调度到后序运行环境中进行执行。
-
公开(公告)号：CN116542334A
公开(公告)日：2023-08-04
申请号：CN202310538682.0
申请日：2023-05-12
Applicant: 北京大学
IPC: G06N5/04 , G06N3/0464 , G06N3/08 , G06F9/48
Abstract: 本发明提供了一种基于Web浏览器的深度神经网络推理调度方法和装置，涉及软件领域。所述方法包括：获取第一深度神经网络推理任务和第二深度神经网络推理任务；按照目标切分方式，将第一深度神经网络推理任务切分为第一前序子任务和第一后序子任务，以及将第二深度神经网络推理任务切分为第二前序子任务和第二后序子任务；按照目标调度方式，确定前序运行环境和后序运行环境，前序运行环境和后序运行环境分别为Web浏览器提供的WebAssembly运行环境和GPU加速的运行环境中的一种；将第一前序子任务和第二前序子任务先后调度到前序运行环境中进行执行，以及将第一后序子任务和第二后序子任务先后调度到后序运行环境中进行执行。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.023 seconds)
