基于K8S和Kubeedge的云边深度学习模型管理系统及模型训练方法

    公开(公告)号:CN112685139B

    公开(公告)日:2024-07-19

    申请号:CN202110030466.6

    申请日:2021-01-11

    Applicant: 东北大学

    Abstract: 本发明提供一种基于K8S和Kubeedge的云边深度学习模型管理系统及模型训练方法。所述系统包括云端服务器、边缘智能设备和云边通信模块,首先在云端服务器上创建深度学习任务,根据用户配置参数构建深度学习模型并进行预训练,如果需要云边协同训练时,通过云边通信模块将边缘侧深度学习任务以及预训练模型传输给边缘智能设备,利用采集的样本数据对预训练模型再次进行训练,并将训练后的模型上传回云端服务器,通过云端服务器进行模型参数的融合,生成云边协同训练后的模型,本发明借助边缘智能设备采集的应用场景的样本数据训练深度模型,让云端服务器的模型掌握不同应用场景的环境差异和需求,从而解决样本不足和应用环境间差异的问题。

    一种线上比赛阅卷分配与再分配的方法

    公开(公告)号:CN117391378A

    公开(公告)日:2024-01-12

    申请号:CN202311439752.3

    申请日:2023-11-01

    Applicant: 东北大学

    Abstract: 本发明属于阅卷分配技术领域,公开了一种线上比赛阅卷分配与再分配的方法。基于线上比赛阅卷分配对评委进行初步分配试卷,评阅一段时间后,基于线上比赛阅卷再分配对尚未评阅的试卷进行再次分配。本方法可以实现阅卷分配的随机性,同时保证每名学生被阅次数相等,每名评委阅卷数量最大限度接近。同时,针对大型比赛阅卷速度不一致的情况,本发明提出“再分配”的方法,该方法可以将评卷速度慢的评委的试卷分配给其他评委,本通过计算各评委分配数量的方差选择最优再分配方案。本发明实现简单,计算高效,达到了应用的要求。

    一种基于负载预测的Hadoop计算任务推测执行方法

    公开(公告)号:CN110221909B

    公开(公告)日:2023-01-17

    申请号:CN201910510535.6

    申请日:2019-06-13

    Applicant: 东北大学

    Abstract: 本发明提出一种基于负载预测的Hadoop计算任务推测执行方法,包括:资源管理器对备份任务数自适应调整,得到最大备份任务数;预测执行任务完成时间;将最大备份任务数与APPmaster设置的备份任务数比较,取最小值作为备份任务数阈值;判断备份任务数是否小于等于备份任务数阈值;判断任务数是否小于总任务数;预测备份任务完成时间;判断备份任务完成时间和执行任务完成时间大小,确定是否开启备份;本发明保证了当集群计算资源紧张的情况下,备份任务的开启不会对其他作业产生影响;执行任务的完成时间预测算法,有效避免了迟滞任务的误判导致计算资源浪费;备份任务完成时间预测算法,节约计算节点的计算资源,减少作业的完成时间,提高了集群的整体性能。

    一种基于云边协同的高速公路交通流量计数方法

    公开(公告)号:CN113192322B

    公开(公告)日:2022-11-25

    申请号:CN202110294815.5

    申请日:2021-03-19

    Applicant: 东北大学

    Abstract: 本发明提供一种基于云边协同的高速公路交通流量计数方法,涉及边缘计算技术领域。本方法中边缘计算设备负责采集高速公路交通流量音频样本,云服务器对交通流量音频进行预处理和特征提取,训练交通流量计数支持向量机模型,为避免资源浪费和任务等待时间过长,自适应调整计算资源,最后将高速公路交通流量计数模型更新到边缘计算设备上,由于边缘计算设备的存储空间和计算能力有限,边缘计算设备不能独立训练基于音频的高速公路交通流量计数模型,充分考虑了边缘计算设备的存储和计算能力,采用云边协同的方式缓解云服务器对于图像处理计算量的计算压力和网络传输带宽压力大的问题,有效解决了有限边缘计算能力下高速公路交通流量计数问题。

    基于Home Assistant平台的智能家居设备控制可视化方法

    公开(公告)号:CN114815650A

    公开(公告)日:2022-07-29

    申请号:CN202210585061.3

    申请日:2022-05-27

    Applicant: 东北大学

    Abstract: 本发明提供一种基于Home Assistant平台的智能家居设备控制可视化方法,涉及智能家居技术领域。该方法首先将智能家居设备与Home Assistant平台进行绑定;再基于SVG编辑器,将SVG元素与智能家居设备进行绑定,建立SVG家庭模型;再对绑定了SVG元素的智能家居设备设置状态展示动画;最后将建立的SVG家庭模型以SVG元素文件的形式存储;用户在SVG编辑器的可视化界面上查看智能家居设备的状态,并实现对智能家居设备的操控。该方法在SVG编辑器中能够帮助用户快速地创建个性化的智能家居模型,并通过Home Assistant平台使SVG元素和设备ID绑定,让用户可以通过SVG元素直接对智能家居设备进行操控,并实时展示设备状态对应的样式动画,让用户形象、快捷地控制管理智能家居设备。

    基于自适应特征融合的边缘感知图像语义分割方法

    公开(公告)号:CN113658200A

    公开(公告)日:2021-11-16

    申请号:CN202110864679.9

    申请日:2021-07-29

    Applicant: 东北大学

    Abstract: 本发明提供一种基于自适应特征融合的边缘感知图像语义分割方法,是一种以残差网络为基础的新的语义分割方法,是一个双分支网络结构模型,包括边缘分支和语义分支,其中,边缘分支从语义分支的浅层部分被引出,语义分支采用了编码解码结构。在边缘分支中,加入的多尺度交叉融合操作通过叠加空洞率不同的空洞卷积获取图像多尺度特征,同时各个分支之间的交叉融合可以进一步提升多尺度特征的鲁棒性,在语义分支中基于空间注意力机制对深层特征和浅层特征进行融合,可以在获得浅层特征中含有的丰富空间信息的同时,过滤其含有的大量噪声;最后对语义分支特征和边缘分支特征进行融合,进一步优化分割效果。

    一种基于AdaBoost-Elman的虚拟机软件老化预测方法

    公开(公告)号:CN110083518B

    公开(公告)日:2021-11-16

    申请号:CN201910354685.2

    申请日:2019-04-29

    Applicant: 东北大学

    Abstract: 本发明提供一种基于AdaBoost‑Elman的虚拟机软件老化预测方法,涉及云计算技术领域。该方法首先设定评估虚拟机软件老化程度的等级,并训练虚拟机的软件老化指标预测模型和未老化虚拟机参照预测模型;然后将业务并发量预测值和性能数据输入到离线过程训练的虚拟机的软件老化指标预测模型和未老化虚拟机参照预测模型中,输出虚拟机的软件老化指标预测结果和未老化虚拟机的参照预测结果;最后根据虚拟机的软件老化指标预测结果和未老化虚拟机的参照预测结果来评估虚拟机的软件老化趋势。本发明方法能够预测出当前工作虚拟机的软件老化指标,并与未老化的虚拟机进行对比,从而得到下一段时间虚拟机的软件老化程度,提前采取防范措施。

    一种基于文件访问热度的HDFS副本管理方法

    公开(公告)号:CN108363643B

    公开(公告)日:2021-06-15

    申请号:CN201810255610.4

    申请日:2018-03-27

    Applicant: 东北大学

    Abstract: 本发明提出一种基于文件访问热度的HDFS副本管理方法,基于文件访问热度计算文件的副本数量;基于多文件访问关联性对预测的热点文件进行动态副本放置;据需要删除副本的文件对副本进行删除操作;本发明方法利用时间序列分析方法对文件访问热度进行预测,并给出文件访问热度的计算公式以及副本个数的计算公式,能够支持动态热点文件副本个数的调整,解决热点文件的访问瓶颈的问题,提高集群的服务效率。

Patent Agency Ranking