-
公开(公告)号：CN118747122A
公开(公告)日：2024-10-08
申请号：CN202410892082.9
申请日：2024-07-04
Applicant: 桂林理工大学
Abstract: 本发明涉及大数据与云计算技术领域，具体涉及一种减少作业共置竞争的干扰感知调度方法，首先，设计一个干扰预测模型，用于预测不同作业在GPU中的干扰程度。干扰的定义为作业共置完成时间和作业独占完成时间之差，时间之差是由于干扰竞争减速带来的延迟；然后，通过设计一个动态调整作业组合的方法，找到若干个符合当前条件下的干扰最小的共置组合，并将该组合中的作业同时放入到GPU中执行。具体分为预测与调度两个部分，基于权重值的计算策略，并通过在线调度的方式，实现了对作业需求动态变化的动态响应和调整。通过一系列实验对比，发现本发明的作业完成时间明显优于其他传统调度方法，且能耗最低，充分验证了本发明的高效性和实用性。
-
公开(公告)号：CN119110415A
公开(公告)日：2024-12-10
申请号：CN202411171202.2
申请日：2024-08-26
Applicant: 桂林理工大学
IPC: H04W72/50 , H04W24/06 , H04W72/0446 , H04B5/79
Abstract: 本发明涉及无线供能边缘计算和任务调度技术领域，具体涉及一种面向无线供能边缘计算网络的资源分配方法，首先，综合考虑异构接入点、移动终端、时变信道和异构任务，并建立了相应的系统模型、设备与服务模型、任务模型计算模型；然后，综合考虑多种影响计算性能的因素，设计基于混合延迟任务的选择算法；最后，考虑无线供能边缘计算网络网络模型特性，基于一维时间变量二分搜索的坐标下降算法解决移动终端的卸载决策和系统时间资源分配问题。本发明能够在时变信道下有效的做出异构接入点选择、卸载决策和时间资源分配方案，从而提高系统整体计算效能。
-
公开(公告)号：CN119048779A
公开(公告)日：2024-11-29
申请号：CN202411171713.4
申请日：2024-08-26
Applicant: 桂林理工大学
IPC: G06V10/75 , G06F16/33 , G06V10/80 , G06V10/764 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及数据融合技术领域，具体涉及一种面向多模态数据的图像‑文本快速匹配方法，首先通过引入目标注意力模型，从而构建多模态数据的语义关联模型，捕捉不同模态之间的共性。其次，使用双线性融合方法探索图像与文本之间的关系建立了多模态张量融合模型，直接学习相似度分数，无需构造整个嵌入子空间且在两个模态之间建模向量，避免了建立公共嵌入空间中距离度量时带来的计算开销。最后，根据计算的相似度分数，使用双向边际最大损失函数来计算模型损失，实现了图像与文本的快速匹配。与现有大多数基于分类与基于嵌入的跨模态匹配方法相比，本发明可以有效均衡匹配精度及模型复杂度。
-
公开(公告)号：CN118779077A
公开(公告)日：2024-10-15
申请号：CN202410891413.7
申请日：2024-07-04
Applicant: 桂林理工大学
Abstract: 本发明涉及人工智能及大数据技术领域，具体涉及一种加速分布式训练作业的自适应调度方法，涉及调度、迁移和预留三个过程，首先，通过建模分析和机器学习来预测作业完成时间，设计最佳作业划分方法。然后，考虑到了作业迁移的开销，设计了一种预估作业迁移开销的方法来减少开销。最后，由于迁移的开销不可忽略性，因此设计了预留方法来减少非必要的迁移。本发明分别采用基于作业和节点特征的预测模型以及分层选择策略进行高效调度。通过分析作业迁移的必要性并考虑迁移代价，以及调度与迁移的关系，为调度方法设计了用于优化的预留方法。
-
公开(公告)号：CN118246566A
公开(公告)日：2024-06-25
申请号：CN202410192220.2
申请日：2024-02-21
Applicant: 桂林理工大学
Abstract: 本发明涉及大数据和云计算技术领域，具体涉及一种基于主从博弈的训练损失优化激励方法，提出云端数据中心‑本地数据中心‑终端用户的三层模式，基于主从博弈的训练损失优化激励方法，首先，在激励预算分配有限的情况下，分析终端用户和本地数据中心的效益博弈是否达到均衡状态。其次，为进一步降低模型训练的损耗，在终端用户和本地数据中心之间设计一种优化模型损失的激励算法来使得全局模型训练的损失值达到最小。最后通过实验仿真与对比证明本发明能够有效激励终端用户积极参到模型训练，并能有效降低全局模型训练损失值，解决在联邦学习训练过程中终端用户不会主动参与模型训练的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116346821A
公开(公告)日：2023-06-27
申请号：CN202310283873.7
申请日：2023-03-22
Applicant: 桂林理工大学
Abstract: 本发明涉及大数据和云计算技术领域，具体涉及一种面向云数据中心的通信开销最优化方法，包括基于全局云端数据中心、本地数据中心和终端用户构建联邦学习架构并建立通信传输；在全局云端数据中心初始化上一轮全局模型参数；每个终端用户基于全局模型参数得到局部模型和评估成本；本地数据中心基于评估成本选择出最优局部模型以及相应的终端用户；未经选择的终端用户向本地数据中心发送三元向量化模型参数及演化方向；全局云端数据中心结合最优局部模型和三元向量化模型参数及演化方向进行全局模型更新并修改同步参数用以调节最优局部模型与其他三元向量化模型参数的同步迭代更新，得到最终全局模型，并将其作为下一轮训练的初始化全局模型。
-
公开(公告)号：CN117692967A
公开(公告)日：2024-03-12
申请号：CN202311557038.4
申请日：2023-11-21
Applicant: 桂林理工大学
IPC: H04W28/082 , H04W28/084 , H04L67/10
Abstract: 本发明涉及边缘计算技术领域，具体涉及一种贪婪DDPG协同卸载决策与资源分配方法，针对超密集边缘计算(UDN‑MEC)场景的计算卸载求解过程中难以适应用户在微基站覆盖区内外的频繁切换的问题，利用贪婪算法分布式地获得用户个体收益，并通过全局收益阈值描述用户个体间基于全局协同感知的协作行为，克服了用户在微基站间频繁切换导致的用户数量时变性对卸载决策的影响，以及分布式单智能体方法中不同智能体间缺乏合作的缺点，同时通过DDPG算法智能地调整全局收益阈值，提升所提算法对用户数量动态变化的适应能力，降低动态异构的UDN‑MEC系统中的时延与能耗加权总成本。
-
公开(公告)号：CN116992342A
公开(公告)日：2023-11-03
申请号：CN202310831991.7
申请日：2023-07-07
Applicant: 桂林理工大学
IPC: G06F18/241 , G06N3/0464
Abstract: 本发明涉及云计算技术领域，具体涉及一种基于图神经网络的任务及数据管理优化方法，将基于超图的不同权重的节点信息进行融合，通过聚合其相关的超边特征来获得输出节点特征，得到节点分类结果，进而得到任务执行所在的数据中心。然后根据传输时间最短和所需文件最多的原则得到数据任务所需数据文件的传输路径和传输循序。与传统的集中式单一数据中心处理任务相比，本发明可以满足用户提交的复杂任务需求，减少处理任务时的等待时间，并且可以减少数据中心的工作负载；与普通的分布式数据中心相比，在不同的任务数量和任务类型下，显著降低数据中心之间的数据传输，减少网络带宽资源的消耗，降低了处理任务的成本，加快了任务的完成时间。
-
公开(公告)号：CN116782297A
公开(公告)日：2023-09-19
申请号：CN202310711861.X
申请日：2023-06-15
Applicant: 桂林理工大学
Abstract: 本发明涉及边缘计算技术领域，具体涉及一种基于边缘计算隐私保护的任务卸载方法，通过对边缘计算模型进行模块设计，得到初始边缘计算模型；对初始模型进行马尔可夫问题的背景的模型转换，从而得到马尔可夫决策问题模型；使用用户设备和边缘设备的距离差异为用户挂载不同数量的隐私任务并将其卸载至发生切换的前一个设备；使用策略迭代算法寻找最佳值函数为用户生成最佳卸载决策，得到时延最小的任务卸载方案。充分的满足移动用户的低时延服务需求，降低完成任务产生的时间，并且在卸载过程中为用户进行差异性的位置隐私保护方案设计，降低了用户的隐私泄露风险，解决了任务卸载中时延较高和隐私泄露风险较大的问题。
-
公开(公告)号：CN114782044A
公开(公告)日：2022-07-22
申请号：CN202210499268.9
申请日：2022-05-09
Applicant: 桂林理工大学
Abstract: 本发明公开了一种移动终端中个人信息保密方法及系统，涉及移动终端数据安全技术领域，包括：操作界面选择步骤、第一密码输入步骤、第一判断步骤、个人信息文件选择步骤、加密判断步骤、信息加密步骤、加密信息显示步骤、第二密码输入步骤、第二判断步骤、个人信息显示步骤。本发明有效保证了个人信息的安全。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.023 seconds)
