基于冲突感知的多LoRa网关在线下行调度方法

    公开(公告)号:CN116600413A

    公开(公告)日:2023-08-15

    申请号:CN202310656760.7

    申请日:2023-06-05

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于冲突感知的多LoRa网关在线下行调度方法,初始化Co‑SF冲突计数表、Co‑SF冲突感知表、Inter‑SF冲突计数表和Inter‑SF冲突感知表,分别进行网络服务器对下行数据包的Co‑SF冲突感知和Inter‑SF冲突感知,并更新Co‑SF冲突感知表和Inter‑SF冲突感知表;在发送下行数据包时,网络服务器判断有无空闲的信道,再通过查询Co‑SF冲突感知表和Inter‑SF冲突感知表,选择无传输冲突网关发送下行数据包,通过感知传输冲突并避免传输冲突,最终达到提高下行并发能力的目的。

    基于城市时空知识图谱的兴趣点实时推荐方法

    公开(公告)号:CN115470362A

    公开(公告)日:2022-12-13

    申请号:CN202211223975.1

    申请日:2022-10-06

    Applicant: 东南大学

    Abstract: 本发明公开了基于城市时空知识图谱的兴趣点实时推荐方法,旨在为用户提供将来其最有可能访问的兴趣点列表,包括三个部分:城市时空知识图谱构建模块、图谱实体特征学习与用户长短期偏好提取模块、和用户推荐结果生成模块;以城市时空知识图谱为基础,图谱融合了多源城市数据,以兴趣点为中心,辅以各种城市多源数据,用动态图的方式有效表征了实体语义信息和城市时空信息。本发明基于时空城市知识图谱,学习了兴趣点、类别、品牌等实体随着时间推移的动态特征,并且从图谱中提取用户长短期偏好,最后基于学习到的实体特征和用户偏好,生成兴趣点推荐列表,将得分排名前n个兴趣点推荐给用户。

    一种异构GPU集群负载感知的显存重计算优化方法及系统

    公开(公告)号:CN115437795A

    公开(公告)日:2022-12-06

    申请号:CN202211386085.2

    申请日:2022-11-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种异构GPU集群负载感知的显存重计算优化方法及系统,针对异构GPU集群环境下流水线训练显存需求,刻画出其训练执行过程中计算时间、GPU显存总量、显存占用等相应指标,并将其作为负载感知的显存重计算优化方法的输入,建立显存重计算优化模型,计算各GPU上显存负载百分比,确定所有阶段中显存负载最高的阶段,根据最小化显存开销算法进行重计算优化,保证各阶段负载均衡,提升整体吞吐率,本发明提出最小化负载最高阶段显存开销算法与平衡异构GPU各阶段开销算法,减少异构GPU集群环境下流水线训练的显存占用,同时最小化显存优化开销,更好地支持大模型的训练。

    一种基于边缘计算的钢铁行业云排产方法

    公开(公告)号:CN112861371B

    公开(公告)日:2022-11-18

    申请号:CN202110230369.1

    申请日:2021-03-02

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于边缘计算的钢铁行业云排产方法,该方法将传统的云排产模式拆分转化为云边协作的排产模式,包含边缘预处理与云平台通用求解两大模块;首先建立云边协作的智能排产框架;然后将生产工艺满足程度刻画为板坯间的综合属性差异;通过最小化生产计划序列中板坯之间的综合属性差异以最大程度地满足工艺需求;在此基础上确定诸如最小化生产时间等所需考虑的优化目标;最后根据上述优化目标与所得函数关系,确定边缘服务器的边缘处理模块与云排产平台的通用型求解模块两部分计算任务。

    基于联邦学习的心血管疾病辅助诊断模型及训练方法

    公开(公告)号:CN113133768A

    公开(公告)日:2021-07-20

    申请号:CN202110432117.7

    申请日:2021-04-21

    Applicant: 东南大学

    Abstract: 本发明公开了基于联邦学习的心血管疾病辅助诊断模型及训练方法,包括以下步骤:S1、通过便携式设备联邦模型对便携式设备的心电数据和特征训练,生成便携式设备全局模型;S2、通过联邦学习客户端采集心电数据、提取心电特征和建立EcgNet局部模型;S3、通过联邦学习系统完成EcgNet全局模型训练,并融合便携式全局模型参数,生成最终模型。本发明中,通过对三甲医院的丰富的心电数据和心电特征的联邦训练得到EcgNet全局模型,不需要对数据集中处理,医疗数据处于严格保密状态,不涉及隐私问题,上传至医疗云服务中心的EcgNet全局模型,可提供区域内基层医疗机构下载使用,提升了医联体内其他医疗节点模型的推断水平。

    一种行程截止时间敏感的电子收费道路动态定价方法

    公开(公告)号:CN112907296A

    公开(公告)日:2021-06-04

    申请号:CN202110303725.8

    申请日:2021-03-22

    Applicant: 东南大学

    Abstract: 本发明公开了一种行程截止时间敏感的电子收费道路动态定价方法,所述方法包括:建立行程截止时间敏感的模拟交通环境模型,包括城市路网模型、行程截止时间模型、行程行驶成本模型等,根据真实数据生成模拟数据并进行处理,得到输入状态向量;利用深度强化学习模型进行离线训练和学习,得到训练好的动态定价模型;行程截止时间敏感的模拟交通环境模型根据真实的城市车流环境,输出当前时间各条道路的车流信息作为状态,将其传输给动态定价模型,动态定价模型根据输入的状态信息进行电子收费道路的动态定价。本发明不仅能够有效缓解交通拥堵,而且能最大程度满足出行者的时间要求。

    一种基于边缘计算的钢铁行业云排产方法

    公开(公告)号:CN112861371A

    公开(公告)日:2021-05-28

    申请号:CN202110230369.1

    申请日:2021-03-02

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于边缘计算的钢铁行业云排产方法,该方法将传统的云排产模式拆分转化为云边协作的排产模式,包含边缘预处理与云平台通用求解两大模块;首先建立云边协作的智能排产框架;然后将生产工艺满足程度刻画为板坯间的综合属性差异;通过最小化生产计划序列中板坯之间的综合属性差异以最大程度地满足工艺需求;在此基础上确定诸如最小化生产时间等所需考虑的优化目标;最后根据上述优化目标与所得函数关系,确定边缘服务器的边缘处理模块与云排产平台的通用型求解模块两部分计算任务。

    一种加速分布式深度神经网络训练的混合流水线并行方法

    公开(公告)号:CN112784968A

    公开(公告)日:2021-05-11

    申请号:CN202110134151.6

    申请日:2021-01-29

    Applicant: 东南大学

    Abstract: 本发明提供一种加速深度神经网络分布式训练的混合流水线并行方法,主要解决传统GPU集群分布式训练过程中资源利用不充分,无法实现高效分布式训练的问题。本发明的核心机制主要包含三个部分,分别是深度学习模型刻画、模型混合划分与混合流水线并行划分。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,刻画出其训练过程中计算量、中间结果通信数量、参数同步量等相应指标,并将其作为模型混合划分与任务放置的输入。然后根据模型刻画结果和GPU集群的环境,设计两个基于动态规划的划分算法,实现模型混合划分与混合流水线并行划分,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,实现深度神经网络的高效分布式训练。

    一种多云环境下异构I/O细粒度感知的数据放置方法

    公开(公告)号:CN111061430B

    公开(公告)日:2021-02-19

    申请号:CN201911181431.1

    申请日:2019-11-27

    Applicant: 东南大学

    Abstract: 本发明公开了一种多云环境下异构I/O细粒度感知的数据放置方法,解决多云环境下存储系统数据可用性差和访问性能低的问题。本发明分为数据I/O模式分类与数据放置两部分:数据I/O模式分类部分使用决策树算法对用户数据根据I/O访问模式进行分类,将数据I/O模式分为读多写多,读少写多,读多写少,读少写少四种类型,实现海量异构I/O模式数据集分类方法。数据放置部分首先针对四种I/O模式集合的数据分别制定不同的数据放置策略以优化数据访问性能,其次通过数据编码为数据添加冗余保证数据可用性,最后通过网络通信模块将各集合的数据放置在多个存储服务商中。本发明在处理大量异构I/O模式的数据时访问性能具有明显优势。

Patent Agency Ranking