-
公开(公告)号：CN120066601A
公开(公告)日：2025-05-30
申请号：CN202311641832.7
申请日：2023-11-30
Abstract: 本申请提供了一种应用程序优化方法及相关装置，优化方法涉及计算机领域，应用程序优化方法包括：获取多个环境信息；根据多个环境信息确定应用程序中运行的任务是否发生变化；若应用程序中运行的任务未发生变化，则使用第一优化模型生成第一最优配置参数，第一优化模型是基于未变化的任务对应的数据训练得到的；若应用程序中运行的任务发生变化，则使用第二优化模型生成第二最优配置参数，第二优化模型是基于变化后的任务对应的数据训练得到的；将第一最优配置参数或第二最优配置参数应用于应用程序。采用本申请提供的应用程序优化方法，可以实现应用程序的在线优化，且优化效果好、效率高。
-
公开(公告)号：CN114065943A
公开(公告)日：2022-02-18
申请号：CN202111176055.4
申请日：2021-10-09
Applicant: 北京大学 , 北京达佳互联信息技术有限公司
IPC: G06N20/00
Abstract: 本公开关于一种超参数处理方法、装置、电子设备及存储介质，所述方法包括：获取与历史超参数对应的历史验证结果；所述历史验证结果用于表征与所述历史超参数对应的已训练模型的性能数据；所述与所述历史超参数对应的已训练模型基于所述历史超参数对待训练模型进行训练得到；基于所述历史验证结果对未返回验证结果的目标超参数进行验证结果插补，得到所述目标超参数的插补结果；基于所述历史验证结果，以及所述目标超参数的插补结果，生成待验证超参数；将所述待验证超参数发送至队列；从所述队列中获取对所述待验证超参数的验证结果。本公开能够解决对超参数空间的探索性下降以及浪费验证资源的问题。
-
Patent Agency Ranking
公开(公告)号：CN113779317A
公开(公告)日：2021-12-10
申请号：CN202110552598.5
申请日：2021-05-20
Applicant: 深圳市腾讯计算机系统有限公司 , 北京大学
IPC: G06F16/901 , G06F16/906 , G06Q40/04 , G06Q50/00
Abstract: 本申请公开一种信息预测方法、装置、存储介质及计算机设备；本申请与人工智能的机器学习领域、以及数据的存储和读取等领域相关，本申请可以获取目标图结构的结构表征数据，目标图结构包括多个节点，结构表征数据表征目标图结构的多个节点；根据结构表征数据，生成目标图结构的每个节点的多个节点数据；对每个节点的多个节点数据进行聚合处理，得到目标图结构的映射数据；基于映射数据，对目标图结构的属性信息进行预测，得到预测结果；本申请可以有效节约计算机设备资源。
-
公开(公告)号：CN113822412A
公开(公告)日：2021-12-21
申请号：CN202110651232.3
申请日：2021-06-10
Applicant: 深圳市腾讯计算机系统有限公司 , 北京大学
Abstract: 本申请公开了一种图节点标注方法、装置、计算机设备及存储介质，应用于图像处理领域，包括：在图样本数据包括的无标注节点中确定候选节点。根据候选节点和已标注节点在图样本数据中的位置，确定候选节点对应的预设区域内的目标无标注节点，目标无标注节点包括候选节点。确定目标无标注节点对应的第一指数以及确定目标无标注节点对应的第二指数，其中，第一指数用于评价目标无标注节点针对于图样本数据的代表性，第二指数用于评价目标无标注节点针对于图样本数据的信息量。根据目标无标注节点对应的第一指数和第二指数，确定目标无标注节点对应的评价分值。根据目标无标注节点对应的评价分值，对候选节点进行标注，得到标注节点。
-
公开(公告)号：CN113312855B
公开(公告)日：2021-12-10
申请号：CN202110854074.1
申请日：2021-07-28
Applicant: 北京大学
Abstract: 本发明涉及一种基于搜索空间分解的机器学习优化方法、电子设备及介质，本方法包括：构造模块抽象，用于固定搜索空间中部分超参数的取值，优化所述搜索空间中剩余的超参数，以最小化评价指标，从而求解子空间优化问题；其中根据固定的不同的超参数，所述构造模块抽象的实例包括联合模块，条件模块和交替模块。本发明通过使用构造模块抽象以及三种构造模块抽象的实例，可以将庞大的空间拆分成多个子空间，使用构造模块拆分空间将问题转化为每次优化迭代选择待优化子空间，并在相对较小的子空间中选择配置，从而提升了机器学习配置的搜索效率。
-
公开(公告)号：CN113312855A
公开(公告)日：2021-08-27
申请号：CN202110854074.1
申请日：2021-07-28
Applicant: 北京大学
Abstract: 本发明涉及一种基于搜索空间分解的机器学习优化方法、电子设备及介质，本方法包括：构造模块抽象，用于固定搜索空间中部分超参数的取值，优化所述搜索空间中剩余的超参数，以最小化评价指标，从而求解子空间优化问题；其中根据固定的不同的超参数，所述构造模块抽象的实例包括联合模块，条件模块和交替模块。本发明通过使用构造模块抽象以及三种构造模块抽象的实例，可以将庞大的空间拆分成多个子空间，使用构造模块拆分空间将问题转化为每次优化迭代选择待优化子空间，并在相对较小的子空间中选择配置，从而提升了机器学习配置的搜索效率。
-
公开(公告)号：CN113296918A
公开(公告)日：2021-08-24
申请号：CN202110847670.7
申请日：2021-07-27
Applicant: 北京大学
Abstract: 本发明涉及一种求解通用黑盒优化问题的计算机系统、方法及电子设备。该方法包括：由用户向服务主机提交优化任务；由所述服务主机根据负载均衡分配建议服务器，将任务信息与所述建议服务器绑定；以及由所述用户提供的验证工作者与所述建议服务器交互，持续从所述建议服务器拉取新配置，进行验证，并将结果更新至所述建议服务器，直至所述优化任务结束。本发明通过实现分布式黑盒优化的服务架构、基于局部惩罚机制的分布式并行框架以及基于验证历史的迁移学习方法，提供了一种分布式的、高容错的、可扩展的、高效的系统，获得的性能和效率优于现有系统。
-
-
-
-
-
-
Search Results
7
records
(took 0.034 seconds)
