公开(公告)号：CN117094358A

公开(公告)日：2023-11-21

申请号：CN202311103164.2

申请日：2023-08-30

申请人： 浙江大学海南研究院 ,  浙江大学

发明人： 邓水光 ,  陈飞佚 ,  何勇 ,  孙崇德

IPC分类号： G06N3/0455 ,  G06N3/047 ,  G06N3/084

摘要： 本发明公开了一种抗过拟合的轻量级异常检测神经网络模型重训练方法，其针对基于深度变分自编码器的异常检测模型进行重训练，在数据分布发生变化时，深度变分自编码器的编码器与解码器得到的关于隐藏状态和重构数据样本的条件分布也会发生变化，本发明使用一种映射函数对老模型计算得到的隐藏状态和重构数据的条件分布进行调整，以适应新的数据分布，这个映射函数具有简单且凸的特性，在使用本发明所限定的损失函数形式的前提下，可以保证重训练过程较快的收敛速率与轻量开销。此外，本发明提出一种反刍模块对新观测数据进行数据增强，解决在云服务特征发生变化的初期新观测样本数据不足的问题。

公开(公告)号：CN115378948B

公开(公告)日：2024-07-19

申请号：CN202211013582.8

申请日：2022-08-23

申请人： 浙江大学中原研究院 ,  浙江大学

发明人： 邓水光 ,  陈飞佚 ,  赵海亮

IPC分类号： H04L67/1008 ,  H04L67/1012 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习的服务器负载预测方法，通过采集服务器负载长序列趋势性变化，并利用服务器负载周期性信息，建立深度神经网络预测模型以优化峰值负载预测。本发明提供了一种结合周期信息、长期趋势信息和短期时间序列信息以用于提升神经网络预测准确度的方法，并在负载峰值的部分表现出较传统方法的优越性。本发明方法可以有效提升预测准确度，为云服务提供商提供更准确的调度和疏散决策依据，从而降低保证高可靠性所需的冗余设备，降低云服务提供商运营成本，降低云服务租户租赁开销。

公开(公告)号：CN115378948A

公开(公告)日：2022-11-22

申请号：CN202211013582.8

申请日：2022-08-23

申请人： 浙江大学中原研究院 ,  浙江大学

发明人： 邓水光 ,  陈飞佚 ,  赵海亮

IPC分类号： H04L67/1008 ,  H04L67/1012 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习的服务器负载预测方法，通过采集服务器负载长序列趋势性变化，并利用服务器负载周期性信息，建立深度神经网络预测模型以优化峰值负载预测。本发明提供了一种结合周期信息、长期趋势信息和短期时间序列信息以用于提升神经网络预测准确度的方法，并在负载峰值的部分表现出较传统方法的优越性。本发明方法可以有效提升预测准确度，为云服务提供商提供更准确的调度和疏散决策依据，从而降低保证高可靠性所需的冗余设备，降低云服务提供商运营成本，降低云服务租户租赁开销。