-
公开(公告)号：CN119670748A
公开(公告)日：2025-03-21
申请号：CN202411691714.1
申请日：2024-11-25
IPC: G06F40/295 , G06F40/126 , G06N3/045 , G06N3/048 , G06N3/0464 , G06F17/16 , G06F40/30
Abstract: 本申请实施例提供了一种实体关系联合抽取方法和装置。该方法包括：首先识别文本中的所有可能主语；之后设定阈值K，抽取文本中最可能出现的K个关系；然后对每个主语应用关系特定标记器，同时识别这K个关系所对应的宾语，最后构建出完整的三元组。本申请实施例的方法和装置，能够提高模型的准确性和鲁棒性。
-
公开(公告)号：CN117215784A
公开(公告)日：2023-12-12
申请号：CN202311167595.5
申请日：2023-09-12
Applicant: 湖南大学
IPC: G06F9/50 , H04L67/63 , G06F9/48 , G06N3/098 , G06N3/0985
Abstract: 本发明公开了一种基于算力网络的分布式机器学习调度方法，包括：服务节点设置全局迭代计数器i＝1，服务节点判断i是否等于预先设定的阈值，如果不是则服务节点获取第i轮迭代时该服务节点的数据，服务节点读取服务节点的数据Qs中第i次局部迭代时的工作节点列表li，并将数据Qs分别发送到该工作节点列表li中的所有工作节点，每个工作节点对来自服务节点的数据Qs执行局部迭代操作，以获取机器学习模型的训练结果和该工作节点的计算资源信息，并将机器学习模型的训练结果和该工作节点的计算资源信息发送到服务节点，服务节点对机器学习模型的训练结果中的所有权重文件进行加权平均操作，以得到平均权重文件。本发明减少了频繁的通信带来的通信开销。
-
公开(公告)号：CN118484808A
公开(公告)日：2024-08-13
申请号：CN202410543926.9
申请日：2024-05-06
Applicant: 湖南大学
Abstract: 本发明公开了一种自动驾驶车辆投毒数据的遗忘方法，包括：获取自动驾驶车辆干净数据集和自动驾驶车辆待检测数据集；利用自动驾驶车辆干净数据集对ResNet50模型进行微调，以得到微调后的ResNet50模型，并对微调后的ResNet50模型进行强化学习RL处理，以得到分类模型M0，使用分类模型M0将自动驾驶车辆待检测数据集分类为投毒数据集Xp和正常样本数据集Xsafe，根据投毒数据集Xp和正常样本数据集Xsafe，并利用更新参数的方式对待遗忘的自动驾驶车辆感知模型Mpoisoned进行遗忘操作，以获取遗忘后的自动驾驶车辆感知模型Msafe。本发明能够解决现有基于数据筛选与验证的方法由于高度依赖于预设的质量标准和安全阈值，导致模型面对未知威胁时的脆弱性增加的技术问题。
-
公开(公告)号：CN117350052A
公开(公告)日：2024-01-05
申请号：CN202311323632.7
申请日：2023-10-13
Applicant: 湖南大学
Abstract: 本发明公开了一种基于算力网络的算力服务能力模型构建方法，包括：获取多个算力资源，对获取的算力资源进行标准化处理，以得到多个资源描述三元组 ，所有资源描述三元组构成资源描述模型；获取所有算力资源的资源性能，并利用资源描述模型，对获取的所有算力资源的资源性能进行建模，以构建资源性能模型；获取所有算力资源的服务能力，并利用资源性能模型，对获取的所有算力资源的服务能力进行建模，以构建最终的算力服务能力模型。本发明能够解决现有算力网络在建模时，缺乏一套从算力资源开始一直到统一的算力服务能力模型的建模方式的技术问题；以及算力网络建模时没有考虑到算力度量前后操作的技术问题。
-
公开(公告)号：CN117290066A
公开(公告)日：2023-12-26
申请号：CN202311042472.9
申请日：2023-08-18
Applicant: 湖南大学
Abstract: 本发明公开了一种基于算力网络计算体系架构的调度方法，其从两个方面提高计算资源调度的效率，包括减少总调度时间和提高计算资源利用率：首先按照优先级为所有计算任务排序并获取优先级最高的计算任务作为待处理的计算任务。接着对于每个待处理的计算任务寻找符合要求的算力资源池。若不存在符合要求的算力资源池，则降低该计算任务的优先级并处理下一个计算任务。若只存在一个符合要求的算力资源池，则将唯一的算力资源池分配给该计算任务。若存在多个符合要求的算力资源池，则使用粒子群优化算法为计算任务获取算力资源池分配的全局最优解。
-
Patent Agency Ranking
公开(公告)号：CN117271097A
公开(公告)日：2023-12-22
申请号：CN202311332486.4
申请日：2023-10-16
Applicant: 湖南大学
Abstract: 本发明公开了一种基于算力网络的资源感知与编排方法，包括：将待感知的所有资源放入资源池层中云服务器上的多对象跟踪基准测试MOT数据集中，以构建资源池层中所有资源池对应的计算能力队列长度集合P(t)，其中t表示时隙；将计算能力队列长度集合P(t)输入预先训练好的算力网络调度模型中，以获取资源编排结果。本发明能够解决现有基于集群编排的方法资源由于缺乏对算力网络资源的全局感知和动态调度能力，无法根据实时需求进行资源的优化分配和调度，导致资源利用不均衡和性能瓶颈的技术问题。
-
公开(公告)号：CN119919756A
公开(公告)日：2025-05-02
申请号：CN202510073559.5
申请日：2025-01-17
Applicant: 湖南大学
IPC: G06V10/774 , G06V10/74 , G06T11/00 , G06N3/126 , G06N3/0475 , G06N20/00
Abstract: 本发明公开了一种基于演化算法的文生图大模型提示词优化方法和系统，包括：获取数据集，该数据集包括训练集和测试集，针对训练集中的每个类别而言，使用ChatGPT‑4模型生成该类别对应的提示词，针对每一个类别对应的提示词而言，从该提示词中多次随机采样得到采样提示词，并将得到的多个采样提示词输入文生图大模型，以获取所有采样提示词对应类别的扩展图片，获取的所有扩展图片构成该类别对应的扩展图片集合，利用演化算法对每个类别对应的扩展图片集合进行处理，以得到该类别对应的扩展图片集合所对应类别的、优化后的提示词。本发明能够解决现有基于人工经验的手动调整提示词的方法存在的耗时久、调整难度较高的技术问题。
-
公开(公告)号：CN118939402A
公开(公告)日：2024-11-12
申请号：CN202411142489.6
申请日：2024-08-20
Applicant: 湖南大学
Abstract: 本发明公开了一种省级区域算力网络下的算力调度方法，其首先通过现有的虚拟化技术对异构的算力资源进行统一建模；然后采用一种基于改进的粒子群优化算法作为调度策略，并采用适合多约束组合优化问题的二次惩罚函数来加快可行解的获取速度，以得到最优的调度策略；最后基于计算优先网络协议构建服务信息流表，指导最终统一作业任务在网络中的调度。本发明能够实现对资源进行统一建模和度量，实现资源感知和量化，最终将实现算力调度能够根据实时的算力需求动态调整资源分配，确保高需求时段或区域的算力供应，同时减少低需求时段或区域的资源闲置，实现资源的最优化利用。
-
公开(公告)号：CN118488050A
公开(公告)日：2024-08-13
申请号：CN202410545076.6
申请日：2024-05-06
Applicant: 湖南大学
IPC: H04L67/10 , H04L67/104 , H04L67/1025
Abstract: 本发明公开了一种基于集群资源与通信开销的大数据跨域任务调度方法，其首先根据不同集群的资源情况，为它们分配任务数量。接着，通过评估数据在各集群之间传输所需的通信成本，调整任务分配，以减少通信开销。然后，根据各集群的最终任务分配，进行相应的任务调度。最后，将所需数据块传输到各个集群，并启动任务执行，从而实现了在考虑集群资源和通信开销的情况下，跨域集群间最佳的任务调度方案。本发明能够解决现有大数据跨域任务调度方法在将任务调度到其他集群执行时，数据往返传输造成的网络通信时延大，进而增加网络通信成本的技术问题。
-
公开(公告)号：CN117892840A
公开(公告)日：2024-04-16
申请号：CN202410064364.X
申请日：2024-01-16
Applicant: 湖南大学
IPC: G06N20/00 , G06N3/0464
Abstract: 本发明公开了一种用于联邦学习算力网络的合谋攻击溯源方法，包括：服务端将初始卷积神经网络CNN模型发送到计算环境中的每个客户端，其中发给第i个客户端的CNN模型的损失函数中嵌入了与该第i个客户端对应的指纹向量，服务端接收来自每个客户端的CNN模型，并对来自每个客户端的CNN模型进行解析，以获取该CNN模型对应的损失函数，并从该损失函数中提取当前指纹向量，并根据所有客户端对应的当前指纹向量构建指纹向量矩阵a’，服务端根据指纹向量矩阵a’进行更新处理，以得到更新后的指纹向量矩阵a”，服务端根据更新后的指纹向量矩阵a”确定执行攻击的客户端。本发明能够解决现有恶意攻击检测方法通信开销大、算力成本高的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.025 seconds)
