-
公开(公告)号：CN119669299A
公开(公告)日：2025-03-21
申请号：CN202510194425.9
申请日：2025-02-21
Applicant: 江苏南大尚诚高科技实业有限公司 , 江苏尚诚能源科技有限公司 , 南京大学
IPC: G06F16/2455 , G06F16/22 , G06Q50/06
Abstract: 本发明公开一种基于统计树结构的电力设备时序参量数据存储系统，属于数据库存储技术领域，所述存储系统用以解决大规模电力设备网络场景下，电力设备数据查询效率低带来的监测数据收集时延问题。本发明包括基于聚簇索引统计树的存储结构，以及包含存储管理模块的计算设备；聚簇索引统计树预先处理时序参量数据点的聚合数据，并采用悬挂叶节点以及非均等分割技术，因此降低了数据点写入时延；存储管理模块利用聚簇索引统计树的叶节点链表以及聚簇索引统计技术，提升数据点查询以及聚合查询效率。本存储技术在满足电力设备网络数据写入速率需求的前提下，提升数据点查询与聚合查询效率，降低设备监测时收集数据的时延。
-
公开(公告)号：CN119669299B
公开(公告)日：2025-05-27
申请号：CN202510194425.9
申请日：2025-02-21
Applicant: 江苏南大尚诚高科技实业有限公司 , 江苏尚诚能源科技有限公司 , 南京大学
IPC: G06F16/2455 , G06F16/22 , G06Q50/06
Abstract: 本发明公开一种基于统计树结构的电力设备时序参量数据存储系统，属于数据库存储技术领域，所述存储系统用以解决大规模电力设备网络场景下，电力设备数据查询效率低带来的监测数据收集时延问题。本发明包括基于聚簇索引统计树的存储结构，以及包含存储管理模块的计算设备；聚簇索引统计树预先处理时序参量数据点的聚合数据，并采用悬挂叶节点以及非均等分割技术，因此降低了数据点写入时延；存储管理模块利用聚簇索引统计树的叶节点链表以及聚簇索引统计技术，提升数据点查询以及聚合查询效率。本存储技术在满足电力设备网络数据写入速率需求的前提下，提升数据点查询与聚合查询效率，降低设备监测时收集数据的时延。
-
公开(公告)号：CN117437303A
公开(公告)日：2024-01-23
申请号：CN202311739413.7
申请日：2023-12-18
Applicant: 江苏尚诚能源科技有限公司
Abstract: 本发明公开一种标定相机外参的方法及系统，获取相机拍摄的照片以及场景的点云数据；获取相机初始位置和初始正对点，创建初始投影矩阵并将点云数据投影到二维平面，获得初始投影平面；获取点云和照片中的两组特征点，将初始投影平面变换到照片中，获得初始投影结果，对初始仿射变换矩阵进行修正，然后重新生成初始投影结果；根据初始投影结果对相机初始位置和相机初始正对点进行修正。本发明利用少量人工，对部分特征点进行判断和操作，从而对相机外参进行快速标定，解决了相机外参难以准确标定的问题。由于只需要借助人工找到一些特征点的对应关系，就可以实现相机外参的准确标定，所以可以在保证准确的同时有效节省人力成本和提升标定速度。
-
公开(公告)号：CN117437303B
公开(公告)日：2024-02-23
申请号：CN202311739413.7
申请日：2023-12-18
Applicant: 江苏尚诚能源科技有限公司
Abstract: 本发明公开一种标定相机外参的方法及系统，获取相机拍摄的照片以及场景的点云数据；获取相机初始位置和初始正对点，创建初始投影矩阵并将点云数据投影到二维平面，获得初始投影平面；获取点云和照片中的两组特征点，将初始投影平面变换到照片中，获得初始投影结果，对初始仿射变换矩阵进行修正，然后重新生成初始投影结果；根据初始投影结果对相机初始位置和相机初始正对点进行修正。本发明利用少量人工，对部分特征点进行判断和操作，从而对相机外参进行快速标定，解决了相机外参难以准确标定的问题。由于只需要借助人工找到一些特征点的对应关系，就可以实现相机外参的准确标定，所以可以在保证准确的同时有效节省人力成本和提升标定速度。(56)对比文件Balázs Nagy等.On-the-Fly Camera andLidar Calibration《.remote sensing》.2020,1-22.
-
公开(公告)号：CN119201066A
公开(公告)日：2024-12-27
申请号：CN202411329337.7
申请日：2024-09-24
Applicant: 南京大学
Abstract: 本发明公开一种响应式Serverless函数编排运行装置，包括声明式Serverless函数编排装置以及响应式Serverless函数流运行装置。声明式Serverless函数编排装置通过提供声明式的函数编排接口，将数据抽象为Lambda项以及节点，装置将Serverless函数编排编译为静态图；响应式Serverless函数运行装置将静态图进行拓扑排序，分析数据之间的独立性以及编排函数的并行性，通过响应式运行和并行计算的方式执行静态图。通过此发明可以实现Serverless函数编排的函数式编程方法以及并行优化。
-
Patent Agency Ranking
公开(公告)号：CN116363483A
公开(公告)日：2023-06-30
申请号：CN202310345489.5
申请日：2023-04-03
Applicant: 南京大学
IPC: G06V10/82 , G06V10/94 , G06V10/764
Abstract: 本发明公开一种基于神经网络模型构件的组装方法和系统，组装任意的图像分类神经网络，根据用户对分类任务的需求组装对应的模型，为用户提供组装之后的模型的接口。包括，接收待组装模型和数据集作为输入，让样本数据通过待组装的神经网络模型，提取样本在模型中的中间表示；预先为神经网络数据集的领域定义语义上相关的概念，并引入相应的CAV模型鉴别中间表示中概念存在情况，生成概念向量；引入领域知识，将概念向量转换为分类结果输出给用户。利用本发明，软件开发者可以复用多个神经网络模型以构建各类功能，从而免去为用户的新需求重新训练深度模型的资源和时间消耗，提升了软件中神经网络构件的可复用性，体现了软件设计的灵活性。
-
公开(公告)号：CN115904408A
公开(公告)日：2023-04-04
申请号：CN202211410299.9
申请日：2022-11-11
Applicant: 南京大学
IPC: G06F8/61 , G06F8/656 , G06F8/71 , G06F9/4401 , H04L67/51
Abstract: 本发明公开一种基于时间窗口划分的微服务版本安全撤销系统和方法，安全撤销是指在微服务版本撤销过程中保证事务的一致性。本发明设计了事务事件采集装置与撤销决策装置，事务事件采集装置通过嗅探微服务API网格的流量，记录分布式的事务开始与结束事件，撤销决策装置通过时间窗口获取并记录微服务系统服务版本信息，对事务事件进行分割与采集，决策可被安全撤销的微服务版本。本发明借助时间窗口，对事务事件按批次进行处理，自动推导分布式事务对微服务版本的依赖，减小了系统复杂度，降低了网络通讯的次数，提高了系统整体的性能。本发明独立于微服务运行平台与微服务动态更新算法，能够在不同微服务运行平台、服务网格上实现。
-
公开(公告)号：CN115794385A
公开(公告)日：2023-03-14
申请号：CN202211426263.X
申请日：2022-11-14
Applicant: 南京大学
Abstract: 本发明公开面向深度学习模型分布式训练的容器自动编排方法，对于待训练的神经网络模型，获取其中算子；使用计算用时预测模型预测算子的计算用时，获得每一层的前向和反向传播用时开销；针对给定的硬件设备，并行运行通信带宽测试，采集设备的拓扑信息；根据计算用时预测模型得到的分析结果，结合硬件设备的拓扑信息，使用模拟退火的策略，进行模型划分，构建镜像，使用镜像创建容器，并基于Kubernetes，对容器进行编排；容器内部运行训练过程，容器之间进行通信，共同完成模型的训练。本发明在复杂神经网络模型的训练方面，提供了开箱即用的自动化模型划分功能，划分后的模型由多个设备并行训练，提升大模型的训练效率。
-
公开(公告)号：CN115688906A
公开(公告)日：2023-02-03
申请号：CN202211429841.5
申请日：2022-11-15
Applicant: 南京大学
IPC: G06N3/08
Abstract: 本发明公开一种面向超参训练的数据自动编排加载方法和系统，包括数据采样方法，基于左深树的管理多数据集交集差集的数据管理方法，缓存置换方法。在训练开始时，接收深度学习训练任务的数据集的索引集合，然后使用数据管理方法管理数据；在训练过程中，使用数据采样方法对每个数据集进行均匀采样，并把采样的数据从磁盘等存储设备中读出，读取的数据会交由缓存系统管理，缓存系统通过置换方法来决定哪些数据会保留在内存中，同时将这些数据返回给训练任务进行训练。对比传统的神经训练系统，本发明将并行训练中独立的数据加载变为联合的数据加载，可以显著提高系统中的缓存命中率，大幅度增加并行训练时的数据加载效率和GPU利用率。
-
公开(公告)号：CN114896470A
公开(公告)日：2022-08-12
申请号：CN202210530499.1
申请日：2022-05-16
Applicant: 南京大学
IPC: G06F16/903 , G06F16/90
Abstract: 本发明公开一种基于图模型的GraphQL查询开销优化方法，包括基于图模型的数据缓存管理方法以及缓存字典构建方法：将基于GraphQL框架构建的系统中的数据按照实体关系模型以有向图模型的形式统一组织，将数据缓存分配到有向图中的每一个实体节点上，因此查询语句可以通过匹配节点缓存减少对数据源的查询操作；基于GraphQL查询语句语法的特点，提取查询语句中的结构信息，构建缓存键，并按照实体关系模型拆分查询结果，构建节点缓存值，提高缓存命中率。本发明用图模型组织管理GraphQL数据缓存，基于查询语句结构构建缓存字典；本发明独立于GraphQL框架及其实现系统，将查询优化层与系统实现解耦。对比传统缓存方法实现，本发明拥有较好的缓存命中率，提高了GraphQL系统的查询效率。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.313 seconds)
