公开(公告)号：CN109818786A

公开(公告)日：2019-05-28

申请号：CN201910050829.5

申请日：2019-01-20

Applicant: 北京工业大学

Inventor： 毕敬 ,  刘恒 ,  张晓芬

IPC: H04L12/24 ,  H04L12/947 ,  H04L29/08 ,  G06F9/50 ,  G06N3/08

Abstract: 本发明公开一种云数据中心应用可感知的分布式多资源组合路径最优选取方法，包括：云数据中心应用可感知云资源管理器负责采集基础资源中的网络、CPU等资源状态信息；采用强化学习、价值网络及策略网络相结合的方式形成无监督的深层混合架构模型，对模型训练及各类请求流的节点移动位置进行评估；采用新型的树搜索算法，即并行蒙特卡罗树搜索(Parallel Monte Carlo Tree Search,PMCTS)算法，来给每一类型的请求流加速寻找合适的资源路径，并且联合价值和策略网络，从而给出其最优的资源路径的选择结果。采用本发明的技术方案，可以确保云数据中心各类密集型请求流的总响应时间延迟最小。

公开(公告)号：CN109818786B

公开(公告)日：2021-11-26

申请号：CN201910050829.5

申请日：2019-01-20

Applicant: 北京工业大学

Inventor： 毕敬 ,  刘恒 ,  张晓芬

IPC: H04L12/24 ,  H04L12/947 ,  H04L29/08 ,  G06F9/50 ,  G06N3/08

Abstract: 本发明公开一种云数据中心应用可感知的分布式多资源组合路径最优选取方法，包括：云数据中心应用可感知云资源管理器负责采集基础资源中的网络、CPU等资源状态信息；采用强化学习、价值网络及策略网络相结合的方式形成无监督的深层混合架构模型，对模型训练及各类请求流的节点移动位置进行评估；采用新型的树搜索算法，即并行蒙特卡罗树搜索(Parallel Monte Carlo Tree Search,PMCTS)算法，来给每一类型的请求流加速寻找合适的资源路径，并且联合价值和策略网络，从而给出其最优的资源路径的选择结果。采用本发明的技术方案，可以确保云数据中心各类密集型请求流的总响应时间延迟最小。

公开(公告)号：CN111563624A

公开(公告)日：2020-08-21

申请号：CN202010370687.3

申请日：2020-05-06

Applicant: 北京工业大学

Inventor： 张晓芬 ,  刘恒 ,  毕敬

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于LSTM与Attention相结合的绿色能源预测方法，综合考虑了太阳能和风能等绿色可再生能源对云数据中心的供能，根据预测得到下一个时间段的太阳能或风能数据，并转化为电能，最终为有关部门提供数据支撑，并为混合能源互补供电做好前期准备。本发明首先采用SG滤波算法对风能及太阳能进行预处理，然后使用LSTM时间序列建模方法建立预测模型，引入Attention机制，此机制可以减少模型训练时间，且复杂度较小，能一步到位的考虑全局联系和局部联系，优化预测结果，提高预测精度。

公开(公告)号：CN110688745A

公开(公告)日：2020-01-14

申请号：CN201910875132.1

申请日：2019-09-16

Applicant: 北京工业大学

Inventor： 毕敬 ,  刘恒 ,  张晓芬

IPC: G06F30/20 ,  G06Q10/04 ,  G06Q30/02 ,  G06Q50/06

Abstract: 本发明公开一种基于多目标优化的绿色云数据中心利润最大化方法，综合考虑绿色云数据中心对于不同服务器、不同类型应用、不同的SLA以及应用请求到达率、任务损失率和不用地域的电力价格等因素的影响，并综合考虑太阳能和风能对云数据中心收益及成本的影响。同时权衡绿色云数据中心的收益及成本，从而达到一个相对的利润最优值。该方法首先根据获取到的不同地区的风速及太阳辐射量计算出每个地区可提供的风能及太阳能，然后根据不同类型请求到达率、损失率等因素建立每个数据中心的收益及成本模型，采用基于动态遗传参数及模拟退火的多目标优化方法求解该模型。本发明能够同时优化绿色云数据中心的成本及收益从而最大化绿色云数据中心的利润。

公开(公告)号：CN119202212B

公开(公告)日：2025-02-11

申请号：CN202411730037.X

申请日：2024-11-29

Applicant: 北京工业大学

Inventor： 王博岳 ,  句晓千 ,  吴博文 ,  刘恒 ,  史瑞泽

IPC: G06F16/3329 ,  G06V30/148 ,  G06V30/19

Abstract: 本发明公开了一种基于对偶反事实的视觉问答去偏方法，涉及计算机视觉领域，分别用遮盖关键视觉区域的视觉反事实样本和遮盖关键词的问题反事实样本作为共享同一组参数的偏见模型的输入，同时从两个角度捕捉语言偏见本发明利用偏见模型的偏见预测生成伪标签，结合边际损失分离不同答案样本的特征空间，最大程度降低语言偏见对目标视觉问答模型的影响。

公开(公告)号：CN119202212A

公开(公告)日：2024-12-27

申请号：CN202411730037.X

申请日：2024-11-29

Applicant: 北京工业大学

Inventor： 王博岳 ,  句晓千 ,  吴博文 ,  刘恒 ,  史瑞泽

IPC: G06F16/332 ,  G06V30/148 ,  G06V30/19

Abstract: 本发明公开了一种基于对偶反事实的视觉问答去偏方法，涉及计算机视觉领域，分别用遮盖关键视觉区域的视觉反事实样本和遮盖关键词的问题反事实样本作为共享同一组参数的偏见模型的输入，同时从两个角度捕捉语言偏见本发明利用偏见模型的偏见预测生成伪标签，结合边际损失分离不同答案样本的特征空间，最大程度降低语言偏见对目标视觉问答模型的影响。