一种面向GPU集群环境的避免GPU资源争用的方法

    公开(公告)号:CN107943592A

    公开(公告)日:2018-04-20

    申请号:CN201711326972.X

    申请日:2017-12-13

    Abstract: 本发明公开了一种面向GPU集群环境的避免GPU资源争用的方法,包括支持多应用程序细粒度并发执行的插件,应用程序行为特征抽取和应用程序任务调度。针对同一个NVIDIA GPU节点上运行的多个应用程序可能会引起的GPU资源争用问题,构建一个支持多应用程序细粒度并发执行的平台,使得多个应用程序在同一个GPU节点上可以尽可能的并发执行。其次,抽取每个应用程序的GPU行为特征,包括GPU使用模式和GPU资源需求信息。根据应用程序的GPU行为特征,以及当前GPU集群中各个GPU节点的资源使用状态,调度应用程序到适合的GPU节点上,从而最小化多个独立应用程序在同一个GPU节点上的资源争用。

    网络功能虚拟化环境中实现网元级并行化服务功能的方法

    公开(公告)号:CN108092803A

    公开(公告)日:2018-05-29

    申请号:CN201711292739.4

    申请日:2017-12-08

    CPC classification number: H04L41/08 G06F9/45558 G06F2009/45595 H04L41/12

    Abstract: 本发明公开了网络功能虚拟化环境中实现网元级并行化服务功能的方法,包括:遍历服务功能链,运行服务功能分解分析算法,将各服务功能分解为基本的报文处理单元称之为网元,分析、综合服务功能中的网元特性,确定各服务功能对报文的操作及操作域信息并保存。利用得到的各服务功能的操作及操作域信息,先运行可并行判定算法,确定服务功能链中可进行并行优化的服务功能组合,再执行并行优化算法,并行化服务功能组合。结合不可并行的服务功能和并行优化后的服务功能,按照原服务功能顺序编排组合,创建生成新服务功能链,新服务功能链有效地缩短原服务功能链长度,提高各服务功能之间的并行度,显著地减少报文通过服务功能链时的延时开销。

    基于智能化深度学习技术的磨煤机故障检测系统及其方法

    公开(公告)号:CN119688342A

    公开(公告)日:2025-03-25

    申请号:CN202411691468.X

    申请日:2024-11-25

    Abstract: 本发明公开了一种基于智能化深度学习技术的磨煤机故障检测系统及其方法,适用于钢铁行业中磨煤机设备的状态监测与故障诊断。系统采用改进的Diffusion模型生成多样化的故障数据,并基于ResNet结构构建故障分类模型,从而实现对磨煤机设备的连续实时监测与智能诊断。该系统使用传感器采集到的振动信号和PLC数据,生成多样化的新数据,用于训练下游分类模型。系统能够识别诸如轴承损伤、联轴器损伤、基础松动等多种故障类型,并通过实时预警机制提供报警提示,显著提升设备的运行可靠性和维护效率。此智能故障检测系统具有数据生成稳定、故障识别准确率高、应用场景适应性强的优点,解决了故障数据稀缺的问题,为钢铁制造领域的预见性维护策略提供了高效解决方案。

    一种云边协作的序列依赖流水车间任务调度执行优化方法

    公开(公告)号:CN112860407B

    公开(公告)日:2024-06-21

    申请号:CN202110229581.6

    申请日:2021-03-02

    Applicant: 东南大学

    Abstract: 本发明公开了一种云边协作的序列依赖流水车间任务调度执行优化方法,该方法针对序列依赖的流水车间任务调度问题,对此类问题的传统云边协作任务调度模式进行了三个方面的执行优化;在边缘服务器处获取调度任务所需的生产数据,并对计算所得的中间结果进行压缩后再上传至云端;在云服务器获取边缘服务器上传的中间结果,自动化选择合适的调度算法后以中间结果作为算法输入进行求解并返回结果;在边缘服务器接收到调度结果后更新模型参数,起到云边协同训练的效果。

    基于多域物理层指纹特征的Wi-Fi设备识别系统及方法

    公开(公告)号:CN115664905A

    公开(公告)日:2023-01-31

    申请号:CN202211272403.2

    申请日:2022-10-18

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于多域物理层指纹特征的Wi‑Fi设备识别系统及方法,包括信号采集与处理模块、特征提取模块及指纹识别模块,信号采集与处理模块利用USRP采集无线电信号,经USRP解调后的复数基带信号的采样信号作为无线接收机输入,软件解调后,采样信号被解码至数据链路层,输出帧数据;特征提取模块对帧数据进行信号处理与特征提取,提取射频信号具有的调制域特征、波形域特征以及统计度量和调制编码方案特征;指纹识别模块基于提取的特征进行分类模型训练,根据特征的维度及特征间的相关性选择最佳的分类模型,将WIFI信号经机器学习后生成的输入特征量传给最佳分类模型,进行设备的指纹匹配,实现设备的识别,大幅度提升Wi‑Fi设备指纹识别的准确率和效率。

    基于文本语义映射关系的Web表格异常数据发现方法

    公开(公告)号:CN115659989A

    公开(公告)日:2023-01-31

    申请号:CN202211219884.0

    申请日:2022-10-06

    Applicant: 东南大学

    Abstract: 本发明公开了基于文本语义映射关系的Web表格异常数据发现方法。本发明旨在发现Web表格中的带有模糊甚至错误语义信息的异常数据。该方法主要包括三个部分:语义表示模块、列类型推断模块以及错误发现模块。首先,通过语义表示模块表征单元格文本的含义,针对表格中的某一个单元格,根据上下文信息将单元格中的字符串文本表征为语义向量;然后,通过列类型推断模块推断该单元格所在列的类型,获取列的模式信息;最后,基于主列单元格和目标单元格在列类型和单元格文本语义向量之间的映射关系,发现并标注表格中的异常数据。

    一种基于自省技术的虚拟机安全检测方法

    公开(公告)号:CN110865866B

    公开(公告)日:2022-04-05

    申请号:CN201910930547.4

    申请日:2019-09-29

    Abstract: 本发明公开了一种基于自省技术的虚拟机安全检测方法,包括:从虚拟机外部虚拟机管理器层采集虚拟机状态数据,通过对内存的自省采集虚拟机进程状态、文件和端口数据,通过寄存器采集虚拟机的系统调用数据;通过对系统数据结构和系统符号表的解析,结合外部采集的数据,恢复和关联虚拟机进程状态、文件、端口和系统调用信息;利用增量和时间片的方法对虚拟机的状态和进程信息进行特征处理;利用局部异常因子,实现对异常状态的检测,利用随机森林,实现对虚拟机中恶意进程的检测,针对虚拟机的流量信息,结合网络入侵检测工具,实现进程级别的网络入侵检测;针对检测结果,根据用户设置实现不同级别的响应,提高虚拟机的安全性。

    一种基于区块链的工业互联网数据访问控制系统

    公开(公告)号:CN113726747A

    公开(公告)日:2021-11-30

    申请号:CN202110919166.3

    申请日:2021-08-11

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于区块链的工业互联网数据访问控制系统,包含基于区块链的工业互联网访问控制框架和面向工业互联网工作流的访问控制框架;基于区块链的工业互联网访问控制框架包含分布式账本模块,身份认证模块,访问控制模块;面向工业互联网工作流的访问控制框架包含分布式账本模块,访问控制模块和工作流模块。在基于区块链的工业互联网访问控制框架的分布式账本模块的基础上,面向工业互联网工作流的访问控制框架的分布式账本模块增加了对工作流信息的存储功能,以更好的支持访问控制模块;工作流模块是对工作流进行管理,使工作流运行于区块链平台之上;访问控制模块在分布式账本模块和工作流模块的支撑下,实现工作流环境下的访问控制。

    一种基于层次化博弈的充电站服务定价方法

    公开(公告)号:CN113361789A

    公开(公告)日:2021-09-07

    申请号:CN202110668534.1

    申请日:2021-06-16

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于层次化博弈的充电站服务定价方法。该方法首先基于层次化的斯塔克伯格博弈构建电动汽车充电与充电站定价的博弈模型,其中包括充运营公司的充电站的定价影响电动汽车决策、电动汽车的决策相互影响、电动汽车的决策影响充电站定价的博弈特性。然后根据电动汽车的优化目标定义其充电成本优化问题,以及根据充电运营公司的优化目标定义其收益优化问题。之后再基于最优化理论对问题的收敛性进行分析,并基于优化算法对电动汽车以及运营公司的优化问题进行求解,最后将求解出的定价结果作为充电运营公司对其所运营的充电站的定价策略。该方法在考虑了电动汽车充电的理性决策,可以很大程度地提升充电运营公司的收益。

    流水线分布式深度学习中异构网络感知的任务放置方法

    公开(公告)号:CN110533183B

    公开(公告)日:2021-08-20

    申请号:CN201910815750.7

    申请日:2019-08-30

    Applicant: 东南大学

    Abstract: 本发明提供一种流水线分布式深度学习中异构网络感知的模型划分与任务放置方法,主要包含三个部分,分别是深度学习模型刻画、模型划分与任务放置、流水线分布式训练。本发明首先针对深度学习应用在GPU训练过程中的资源需求,刻画出其训练执行过程中计算时间、中间结果通信数量、参数同步量等相应指标,并将其作为模型划分与任务放置的输入。然后根据模型刻画得出指标以及GPU集群的异构网络连接拓扑,设计基于min‑max的动态规划算法执行模型划分与任务放置,目的是最小化划分之后各阶段任务执行时间的最大值,以确保负载均衡。最后根据划分放置结果,在模型并行的基础上使用流水线分时注入数据进行分布式训练,实现训练速度与精度的有效保障。

Patent Agency Ranking