-
公开(公告)号：CN108733492A
公开(公告)日：2018-11-02
申请号：CN201810484718.0
申请日：2018-05-20
Applicant: 北京工业大学
Abstract: 本发明公开一种基于Bank划分的批量内存调度方法，首先根据内存请求的来源，分为CPU内存请求和GPU内存请求，分别合成批缓冲区请求；其次在CPU和GPU批缓冲区中选择需要处理的批量内存请求。如果选择的是批量GPU内存请求，使用行缓冲区命中优先的先来先服务(FR-FCFS)的调度策略来选择下一次处理的内存请求；如果选择的是批量CPU内存请求，需要对Bank进行划分，使不同核的访存请求映射到不同的Bank，隔离多个CPU应用程序的访存请求。本发明的技术方案，消除了多个CPU和GPU访存请求的相互干扰，最大程度保留了每个内核的访存请求的特性，提高命中率，从而达到降低内存功耗，提升系统性能的目的。
-
公开(公告)号：CN105068940B
公开(公告)日：2018-07-31
申请号：CN201510450737.8
申请日：2015-07-28
Applicant: 北京工业大学
IPC: G06F12/0882 , G06F12/0842
CPC classification number: Y02D10/13
Abstract: 种基于Bank划分的自适应页策略确定方法,首先进行Bank划分,使不同核的访存请求映射到不同的Bank,隔离多个核的访存请求,彻底消除了多个核访存请求的相互干扰,最大程度的保留了每个核的访存请求的特点。在Bank划分的基础上,根据每个Bank接收的访存请求的特点动态地分配最优的页策略。从而达到降低内存功耗,提升系统性能的目的。因为每个Bank接收的访存请求的特点不样,开放页策略和关闭页策略也都有各自的特点,根据每个Bank接收的访存请求的特点,为该Bank分配最佳的页策略。通过本方法可显著提高Bank的使用率,进而在降低DRAM功耗的基础上,达到提高系统性能的目的。
-
公开(公告)号：CN106383792A
公开(公告)日：2017-02-08
申请号：CN201610836077.1
申请日：2016-09-20
Applicant: 北京工业大学
IPC: G06F12/123 , G06F12/122
CPC classification number: G06F12/123 , G06F12/122
Abstract: 本发明公开一种基于缺失感知的异构多核缓存替换方法，包括：首选在异构多核的结构下，实现Ruby模式下的LRU缓存替换算法和LFU缓存替换算法；然后通过实时的、动态的比较两个替换算法的缺失数的大小，在LRU和LFU替换算法之间动态进行切换；最后在GPU应用程序所使用的缓存替换算法中，修改缓存块换入时或刚访问过时默认存放在的缓存队列中的最高位置，将GPU应用程序访问时的缓存块的优先权值降低一位。采用本发明的技术方案，提高缓存利用率来以及提升系统的性能。
-
公开(公告)号：CN103825833A
公开(公告)日：2014-05-28
申请号：CN201410090412.9
申请日：2014-03-12
Applicant: 北京工业大学
IPC: H04L12/801 , H04L12/24
Abstract: 本发明涉及一种基于数据包偏转统计的网络流量控制方法，包括：添加集中式网络拥塞控制器及网络路由部件，统计片上网络流量数据及网络状态，集中控制器收集路由统计数据信息，进行拥塞判断及拥塞源判断，进行网络拥塞控制。现有的网络拥塞控制方法一般采用“黑盒子”方式，不清楚网络中的具体偏转情，当网络发生拥塞时限制注入率高的所有节点，那些注入率高的非拥塞节点同样受到限制；而本发明通过判断每个路由的具体拥塞情况确定拥塞节点，从而进行有效的放矢的网络拥塞控制。与现有技术相比，本发明能更好地确定网络中具体的网络拥塞源，在降低网络平均延迟和网络拥塞程度方面相对提高5%～10%左右。
-
公开(公告)号：CN102135793B
公开(公告)日：2012-07-04
申请号：CN201110076723.6
申请日：2011-03-29
Applicant: 北京工业大学
IPC: G06F1/32
Abstract: 本发明涉及一种面向低功耗的多核共享Cache混合划分方法，属于计算机体系结构领域。随着片上集成的核心数目的增加，低功耗设计成为必然趋势，然而目前的Cache划分方法大都是面向吞吐量或者公平性的，忽视了功耗问题。本发明提供了一种新的面向低功耗的划分方法。划分方法利用程序的局部性原理，将在二级Cache中访问差异度较大的线程合并为一个划分单位来实现Cache列划分，从而在运行同一个应用时，使用较少的Cache列，关闭剩余的Cache列，在满足性能的基础上达到降低功耗的目的。
-
Patent Agency Ranking
公开(公告)号：CN101901319A
公开(公告)日：2010-12-01
申请号：CN201010237813.4
申请日：2010-07-23
Applicant: 北京工业大学
IPC: G06F21/00
Abstract: 信任链是可信计算机系统的一个关键组成部分。它的存在保证了计算机系统从可信源头开始至系统启动整个过程的安全可信性。但是现有的信任传递方式为链式传递方式，由于链式传递的信任度逐层衰减的问题，造成了可信计算平台的信任链建立过程存在安全隐患。本发明通过可信平台控制模块TPCM授权CPU对可信计算平台进行链式度量，同时TPCM尾随CPU对信任链进行实时的、随机的、分块的进行度量，并在平台信任链的各部分代码中嵌入检查点，统计并比较运行总时间与预期总时间，以及各块的运行时间和预期时间，从而判断各个信任节点是否被篡改。本发明提高了对信任链建立和检查的实时性，尤其可以防御TOUTOC攻击。
-
公开(公告)号：CN116321189B
公开(公告)日：2025-04-11
申请号：CN202310106800.0
申请日：2023-02-13
Applicant: 北京工业大学
Abstract: 本发明公开了一种面向边缘计算中基于深度强化学习的服务器部署方法，该方法在考虑边缘服务器间异构性的同时加以能耗约束，平衡放置成本和平均接入时延两个优化目标。首先，确定边缘计算的网络架构，根据网络架构构建系统模型和计算模型，然后依据问题模型构建问题优化模型。其次，使用基于贪婪的策略优先选取单位资源成本价最低的服务器组成子集合，选取能耗上限大于请求和并且总成本最低的子集合进行后续部署工作。最后，将边缘服务器部署建模为马尔科夫决策过程，使用深度强化学习算法求解合理的边缘服务器部署策略，以充分利用有限的边缘计算资源。
-
公开(公告)号：CN114595632B
公开(公告)日：2025-02-14
申请号：CN202210216109.3
申请日：2022-03-07
Applicant: 北京工业大学
IPC: G06F30/27 , G06F18/23 , G06F119/02
Abstract: 本发明涉及一种基于有效联邦学习的移动边缘缓存优化方法，属物联网、人工智能领域。该方法考虑单基站范围内用户移动性和内容流行度不断变化的情况，通过预测内容流行度，将请求内容提前放置到边缘缓存来提高缓存命中率。具体利用RWP随机路径点模型得到用户时刻轨迹表模拟用户的移动路径，考虑到本地训练消耗，通过聚类与阈值结合的方式选择参与FL本地训练的用户，用注意力机制控制模型权重进行全局模型聚合，根据得到的全局预测模型，提前将预测的请求内容缓存到服务器来提高缓存命中率。该方法利用联邦学习方法，优化客户端选择和权重聚合，实现有效的联邦学习方法以此减少本地训练消耗，提高缓存命中率。
-
公开(公告)号：CN116321189A
公开(公告)日：2023-06-23
申请号：CN202310106800.0
申请日：2023-02-13
Applicant: 北京工业大学
Abstract: 本发明公开了一种面向边缘计算中基于深度强化学习的服务器部署方法，该方法在考虑边缘服务器间异构性的同时加以能耗约束，平衡放置成本和平均接入时延两个优化目标。首先，确定边缘计算的网络架构，根据网络架构构建系统模型和计算模型，然后依据问题模型构建问题优化模型。其次，使用基于贪婪的策略优先选取单位资源成本价最低的服务器组成子集合，选取能耗上限大于请求和并且总成本最低的子集合进行后续部署工作。最后，将边缘服务器部署建模为马尔科夫决策过程，使用深度强化学习算法求解合理的边缘服务器部署策略，以充分利用有限的边缘计算资源。
-
公开(公告)号：CN114154763A
公开(公告)日：2022-03-08
申请号：CN202111681414.1
申请日：2021-12-29
Applicant: 北京工业大学
Abstract: 本发明提出一种利用感知器改进的锦标赛分支预测方法，称为P‑Tournament分支预测器。本分支预测器旨在利用感知器预测器对于过往历史的学习能力，改进Tournament分支预测器的选择器。P‑Tournament的预测策略为从两个预测器表中选出对应的预测器后，根据感知器输出的正负进行预测器的选择。规定当感知器输出为负时选择局部预测器，为正时选择全局预测器。在分支指令执行完成后，根据下一分支是否采用，以及两个预测器谁预测正确进行更新：假如两个预测器的结果全部正确或者全部错误，不对感知器进行更新；假如只有其中一方正确，那么进行感知器的训练。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.092 seconds)
