基于阻变存储器的高阶矩阵向量运算方法及相关设备

    公开(公告)号:CN118335150A

    公开(公告)日:2024-07-12

    申请号:CN202410291761.0

    申请日:2024-03-14

    Abstract: 本申请提供一种基于阻变存储器的高阶矩阵向量运算方法及相关设备。基于阻变存储器的高阶矩阵向量运算单元;所述基于阻变存储器的高阶矩阵向量运算单元,包括:晶体管以及阻变存储器;其中,所述晶体管包括漏极、栅极和源极;所述阻变存储器与所述漏极串联;所述方法包括:响应于所述栅极接收到第一输入信号,根据所述第一输入信号确定第一操作数;其中,所述第一输入信号表征所述晶体管的开启或者关闭;响应于所述漏极接收到第二输入信号,根据所述第二输入信号确定第二操作数;根据所述第一操作数、第二操作数以及所述阻变存储器的预存电导值确定所述源极的输出信号。

    一种星地激光链路自适应帧长的方法、系统和存储介质

    公开(公告)号:CN118659816B

    公开(公告)日:2025-05-16

    申请号:CN202410856688.7

    申请日:2024-06-28

    Abstract: 本发明提供一种星地激光链路自适应帧长的方法、系统和存储介质,所述方法包括:获得星地激光链路中当前星地信道的信道误码率,基于初始状态策略确定当前星地信道的信道误码率的对应帧长,并将其作为当前星地信道的初始状态;基于当前星地信道的当前状态通过深度Q网络执行状态更新操作,从而基于状态更新操作得到的奖励值确定所述信道误码率对应的最优帧长;其中,所述最优帧长为传输帧数据区的字节长度。本发明能够提高通信系统的鲁棒性和传输稳定性。

    光传送网数字孪生模型管理方法和系统

    公开(公告)号:CN118741360B

    公开(公告)日:2025-04-01

    申请号:CN202410856683.4

    申请日:2024-06-28

    Abstract: 本发明提供一种光传送网数字孪生模型管理方法和系统,方法包括:采集光传送网络中设备运行的实时数据流;在线推理实例管理模块向数据管理模块发送选择的经训练的机器或非机器学习模型的推理环境配置请求;根据推理环境配置请求提供推理环境配置参数,根据推理环境配置参数配置推理运行环境;基础环境管理模块根据推理运行环境生成推理实例,推理实例向数据管理模块发出经训练的机器或非机器学习模型代码文件的检索请求,数据管理模块根据检索请求向推理实例发送经训练的机器或非机器学习模型代码文件;实时数据传输模块发送实时数据流至主题,监听该主题新消息并路由至推理实例,推理实例基于数据流推理,生成结果并反馈至实时数据传输模块。

    基于光纤网络的数据处理方法及相关设备

    公开(公告)号:CN118433577B

    公开(公告)日:2025-01-28

    申请号:CN202410360573.9

    申请日:2024-03-27

    Abstract: 本公开提供一种基于光纤网络的数据处理方法及相关设备。该方法包括:获取所述光纤网络的网络运行数据和业务运行数据;基于所述业务运行数据确定业务是否被分配资源的资源可用性,以及基于所述运行数据确定执行所述业务所需硬件是否处于稳态的硬件可用性;基于所述资源可用性和所述硬件可用性同时满足要求的目标业务数量与总业务数量确定所述光纤网络是否可靠。

    光传送网数字孪生模型管理方法和系统

    公开(公告)号:CN118741360A

    公开(公告)日:2024-10-01

    申请号:CN202410856683.4

    申请日:2024-06-28

    Abstract: 本发明提供一种光传送网数字孪生模型管理方法和系统,方法包括:采集光传送网络中设备运行的实时数据流;在线推理实例管理模块向数据管理模块发送选择的经训练的机器或非机器学习模型的推理环境配置请求;根据推理环境配置请求提供推理环境配置参数,根据推理环境配置参数配置推理运行环境;基础环境管理模块根据推理运行环境生成推理实例,推理实例向数据管理模块发出经训练的机器或非机器学习模型代码文件的检索请求,数据管理模块根据检索请求向推理实例发送经训练的机器或非机器学习模型代码文件;实时数据传输模块发送实时数据流至主题,监听该主题新消息并路由至推理实例,推理实例基于数据流推理,生成结果并反馈至实时数据传输模块。

    城域光网络中DNN推理的控制方法、智能代理器及系统

    公开(公告)号:CN117278564A

    公开(公告)日:2023-12-22

    申请号:CN202210654601.9

    申请日:2022-06-10

    Abstract: 本申请提供一种城域光网络中DNN推理的控制方法、智能代理器及系统,方法包括:若城域光网络中当前接收DNN推理请求的源服务器过载,则基于深度Q网络及迁移学习算法,对城域光网络的城域范围内的通信资源和算力资源进行联合调度,以在城域光网络中选定目标服务器;输出目标服务器的标识,以生成DNN推理卸载策略,并根据该DNN推理卸载策略控制目标服务器与源服务器共同完成DNN推理请求对应的推理任务。本申请能够实现城域网络全局范围内的针对DNN分布式推理场景的算力资源和通信资源的联合调度,能够有效保证城域光网络处理DNN推理业务的性能和服务质量,并提高DNN分布式推理的控制过程的适应性和泛化性。

Patent Agency Ranking