-
公开(公告)号：CN119538112A
公开(公告)日：2025-02-28
申请号：CN202411605009.5
申请日：2024-11-11
Applicant: 国家电网有限公司信息通信分公司 , 国网山东省电力公司 , 杭州电子科技大学 , 国家电网有限公司
Inventor： 劳铃佳 , 吴杏平 , 闫龙川 , 冯志鹏 , 牛佳宁 , 郭永和 , 蒋从锋 , 刘俊明 , 陈彦琦 , 张攀 , 王洋 , 张宁 , 宋桂林 , 刘雯静 , 蔡心怡 , 赵溪青
IPC: G06F18/243 , G06F9/50
Abstract: 本申请公开了一种资源预测方法、装置、设备及可读存储介质，可应用于人工智能技术领域，该方法包括：获取目标任务对应的元数据；基于所述元数据，利用预设任务分类树对所述目标任务进行分类，并得到目标分类结果；所述预设任务分类树中存储有不同类型任务与不同资源预测模型之间的对应关系；调用与所述目标分类结果对应的资源预测模型对所述目标任务进行资源预测，并得到预测目标数据；所述预测目标数据包括：CPU数量、GPU数量、内存大小以及磁盘空间。如此，基于预设任务分类树确定与目标任务对应的资源预测模型，进而进行资源的预测，提高了资源预测的准确性。
-
公开(公告)号：CN111651577B
公开(公告)日：2023-04-21
申请号：CN202010485925.5
申请日：2020-06-01
Applicant: 全球能源互联网研究院有限公司 , 国家电网有限公司 , 国家电网有限公司信息通信分公司 , 国网山东省电力公司信息通信公司
IPC: G06F16/332 , G06F16/532 , G06F16/632 , G06F16/732 , G06F18/2415
Abstract: 本发明公开了一种跨媒体数据关联分析模型训练、数据关联分析方法及系统。在判别模型层的无监督哈希学习中将潜在的多模态数据流形元组考虑在内，充分挖掘了跨模态数据间的关联性，在生成模型中去拟合这种流形分布，生成拟合后的流形元组供判别器判断。同时，利用判别模型层、生成模型层组成的对抗网络，结合强化学习层对解决对抗网络面对的离散数据梯度传播问题；通过对抗网络提高了判别器判断多模态数据元组与用户查询请求相关性的能力，显著提高了预测与用户查询请求的关联数据的能力，对于在线用户查询请求的检索系统可以显著提高其检索速度。
-
公开(公告)号：CN111651577A
公开(公告)日：2020-09-11
申请号：CN202010485925.5
申请日：2020-06-01
Applicant: 全球能源互联网研究院有限公司 , 国家电网有限公司 , 国家电网有限公司信息通信分公司
IPC: G06F16/332 , G06F16/532 , G06F16/632 , G06F16/732 , G06K9/62
Abstract: 本发明公开了一种跨媒体数据关联分析模型训练、数据关联分析方法及系统。在判别模型层的无监督哈希学习中将潜在的多模态数据流形元组考虑在内，充分挖掘了跨模态数据间的关联性，在生成模型中去拟合这种流形分布，生成拟合后的流形元组供判别器判断。同时，利用判别模型层、生成模型层组成的对抗网络，结合强化学习层对解决对抗网络面对的离散数据梯度传播问题；通过对抗网络提高了判别器判断多模态数据元组与用户查询请求相关性的能力，显著提高了预测与用户查询请求的关联数据的能力，对于在线用户查询请求的检索系统可以显著提高其检索速度。
-
公开(公告)号：CN119829293A
公开(公告)日：2025-04-15
申请号：CN202510097021.8
申请日：2025-01-21
Applicant: 国家电网有限公司信息通信分公司 , 国网山东省电力公司信息通信公司 , 杭州电子科技大学 , 国家电网有限公司
Inventor： 袁宇杭 , 吴杏平 , 闫龙川 , 冯志鹏 , 牛佳宁 , 郭永和 , 蒋从锋 , 刘俊明 , 陈雨霏 , 张攀 , 宋新宇 , 刘雯静 , 蔡心怡 , 赵溪青 , 杨庆甫 , 张闻彬
Abstract: 本申请公开了一种面向深度学习作业的异构资源调度方法及相关装置，涉及资源调度领域，包括：根据多个深度学习作业各自的资源需求数据和目标服务器集群的资源使用数据，将多个深度学习作业中需要打包的深度学习作业打包为两两一组的作业对，得到由作业对和/或不需要打包的单个深度学习作业组成的待调度作业集合；根据多个深度学习作业各自的资源需求数据和目标服务器集群的空闲资源数量，预测待调度作业集合中的每个作业对象在GPU和NPU上各自的运行时长，根据每个作业对象在GPU和NPU上各自的运行时长，在目标服务器集群上采用轮次调度机制对待调度作业集合进行资源调度。本申请基于预设的自适应类实现了深度学习任务跨GPU和NPU的异构资源调度的目的。
-
Patent Agency Ranking
公开(公告)号：CN119449680A
公开(公告)日：2025-02-14
申请号：CN202411586332.2
申请日：2024-11-07
Applicant: 国家电网有限公司信息通信分公司
IPC: H04L43/50 , H04L43/08 , H04L67/1023
Abstract: 本申请公开了一种支持灵活调度的智能链路压测方法及装置，当接收到调用请求时，从预设调用链信息中动态筛选出调用请求对应的各个调用链路，根据动态优先级任务调度算法和各个调用链路进行压测任务分发；其中，压测任务至少包括本地压测任务和边缘计算压测任务，在系统负载均衡的条件下，执行压测任务，在执行压测任务的过程中，实时监测压测任务的性能数据，根据性能数据动态调整施压配置参数，以完成全链路压测的过程。
-
公开(公告)号：CN112000611B
公开(公告)日：2023-08-01
申请号：CN202010859145.2
申请日：2020-08-24
Applicant: 全球能源互联网研究院有限公司 , 国家电网有限公司信息通信分公司 , 国网山东省电力公司信息通信公司 , 国家电网有限公司
Abstract: 本发明涉及图数据技术领域，具体涉及图数据划分方法、处理方法及电子设备。划分方法包括获取目标图数据、目标图数据的大小以及图数据处理器的内存大小；利用目标图数据的大小以及图数据处理器的内存大小，确定目标图数据对应的目标子图的数量；基于目标子图的数量，对目标图数据进行划分；根据各个目标子图的大小以及图数据处理器的内存大小，调整目标子图的数量；基于调整后的目标子图的数量对目标图数据进行划分。利用划分后得到的目标子图的大小与图数据处理器的内存大小，调整实际划分的目标子图的数量；通过平衡每个目标子图的大小，确定目标子图的数量，使得划分得到的目标子图均能够被图数据处理器处理，提高了后续图数据处理的效率。
-
公开(公告)号：CN115577307A
公开(公告)日：2023-01-06
申请号：CN202211255919.6
申请日：2022-10-13
Applicant: 国家电网有限公司信息通信分公司 , 杭州电子科技大学
IPC: G06F18/2431 , G06F18/214 , G06F18/2415 , G06N3/08
Abstract: 本申请公开了一种数据中心的PUE预测方法、装置及存储介质，涉及数据中心能耗领域，用于精确、快速地预测数据中心的PUE。该方法包括：将第一时刻的待预测PUE样本输入到深度森林分类器中进行样本分析，得到分析结果，该分析结果包括N个概率值，每个概率值用于表征待预测PUE样本属于N个预设类别中一个预设类别的概率，N为正整数；基于分析结果、第一历史PUE数据集和第一时刻的环境数据，对RDPG模型训练，得到训练后的RDPG模型，训练后的RDPG模型用于预测数据中心的PUE值。
-
公开(公告)号：CN112000611A
公开(公告)日：2020-11-27
申请号：CN202010859145.2
申请日：2020-08-24
Applicant: 全球能源互联网研究院有限公司 , 国家电网有限公司信息通信分公司 , 国网山东省电力公司信息通信公司 , 国家电网有限公司
Abstract: 本发明涉及图数据技术领域，具体涉及图数据划分方法、处理方法及电子设备。划分方法包括获取目标图数据、目标图数据的大小以及图数据处理器的内存大小；利用目标图数据的大小以及图数据处理器的内存大小，确定目标图数据对应的目标子图的数量；基于目标子图的数量，对目标图数据进行划分；根据各个目标子图的大小以及图数据处理器的内存大小，调整目标子图的数量；基于调整后的目标子图的数量对目标图数据进行划分。利用划分后得到的目标子图的大小与图数据处理器的内存大小，调整实际划分的目标子图的数量；通过平衡每个目标子图的大小，确定目标子图的数量，使得划分得到的目标子图均能够被图数据处理器处理，提高了后续图数据处理的效率。
-
公开(公告)号：CN115509341A
公开(公告)日：2022-12-23
申请号：CN202211255868.7
申请日：2022-10-13
Applicant: 国家电网有限公司信息通信分公司 , 杭州电子科技大学
IPC: G06F1/3234 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种数据中心的PUE优化方法、装置及存储介质，涉及数据中心能耗技术领域，用于有效地优化数据中心的PUE。该方法包括：获取目标数据集，该目标数据集包括PUE相关数据中MIC值大于或等于预设阈值的数据；基于目标数据集和目标PUE预测模型，对深度强化模型训练，得到训练后的深度强化模型，该目标PUE预测模型用于预测数据中心的PUE值，训练后的深度强化模型用于优化数据中心的PUE值。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.098 seconds)
