-
公开(公告)号：CN116032778A
公开(公告)日：2023-04-28
申请号：CN202310320260.6
申请日：2023-03-29
Applicant: 南京大学 , 国电南瑞科技股份有限公司
IPC: H04L41/142 , H04L41/12 , H04L67/10
Abstract: 本发明公开了一种云数据中心智能化监测应用任务部署方法、装置和系统。所述方法通过不断地收集当前云数据中心网络资源的状态信息，根据该信息为数据中心智能化监测应用生成一条无重叠、高性能和低开销的监测路径，以覆盖云数据中心全部的网络设备。本发明的面向云数据中心智能化监测应用任务部署装置和系统，基于带内网络遥测技术以细粒度周期获取可编程网络设备的状态信息，并按照已计算的路径下发云数据中心智能监测任务。随后，系统将收集到的信息发送至可视化界面，以此来帮助用户实现云数据中心资源的智能化监测。
-
公开(公告)号：CN116028193B
公开(公告)日：2023-06-23
申请号：CN202310319132.X
申请日：2023-03-29
Applicant: 南京大学 , 国电南瑞科技股份有限公司
Abstract: 本发明公开了一种混部集群的大数据任务动态高能效调度方法和系统。所述方法通过对大数据任务的混合云平台内的任务和工作节点进行资源监控，获取实时资源利用率情况，并结合任务的执行情况，采用多维度的调度策略进行任务的调度，以实现节能的目的。该方法可以自适应地调整任务的分配策略，实现在离线任务的高效执行，同时降低数据中心的能源消耗。此外，该方法还能够动态地优化任务的分配，从而实现在不影响任务执行的前提下最大化降低能源消耗。
-
公开(公告)号：CN116032778B
公开(公告)日：2023-06-06
申请号：CN202310320260.6
申请日：2023-03-29
Applicant: 南京大学 , 国电南瑞科技股份有限公司
IPC: H04L41/142 , H04L41/12 , H04L67/10
Abstract: 本发明公开了一种云数据中心智能化监测应用任务部署方法、装置和系统。所述方法通过不断地收集当前云数据中心网络资源的状态信息，根据该信息为数据中心智能化监测应用生成一条无重叠、高性能和低开销的监测路径，以覆盖云数据中心全部的网络设备。本发明的面向云数据中心智能化监测应用任务部署装置和系统，基于带内网络遥测技术以细粒度周期获取可编程网络设备的状态信息，并按照已计算的路径下发云数据中心智能监测任务。随后，系统将收集到的信息发送至可视化界面，以此来帮助用户实现云数据中心资源的智能化监测。
-
公开(公告)号：CN116048820A
公开(公告)日：2023-05-02
申请号：CN202310335972.5
申请日：2023-03-31
Applicant: 南京大学 , 国电南瑞科技股份有限公司
Abstract: 本发明公开了一种面向边缘云的DNN推断模型部署能耗优化方法和系统。所述方法在每个调度时隙内根据异构边缘节点的硬件属性配置并发DNN模型的推断组合，通过积累多个时隙不同DNN模型组合在异构边缘节点的执行时延的历史信息，利用基于上下文的组合多臂赌博机为当前时刻的DNN模型组合分发提供依据，从而不断调整当前时隙的DNN推断模型部署策略，降低异构节点的峰值负载时间，从而降低整体执行功率消耗。本发明能够在边缘云计算环境下优化系统能耗，提高能源利用率，且可以自适应地应对不同的工作负载，适用于各种边缘计算场景。
-
公开(公告)号：CN116028193A
公开(公告)日：2023-04-28
申请号：CN202310319132.X
申请日：2023-03-29
Applicant: 南京大学 , 国电南瑞科技股份有限公司
Abstract: 本发明公开了一种混部集群的大数据任务动态高能效调度方法和系统。所述方法通过对大数据任务的混合云平台内的任务和工作节点进行资源监控，获取实时资源利用率情况，并结合任务的执行情况，采用多维度的调度策略进行任务的调度，以实现节能的目的。该方法可以自适应地调整任务的分配策略，实现在离线任务的高效执行，同时降低数据中心的能源消耗。此外，该方法还能够动态地优化任务的分配，从而实现在不影响任务执行的前提下最大化降低能源消耗。
-
Patent Agency Ranking
公开(公告)号：CN116048820B
公开(公告)日：2023-06-06
申请号：CN202310335972.5
申请日：2023-03-31
Applicant: 南京大学 , 国电南瑞科技股份有限公司
Abstract: 本发明公开了一种面向边缘云的DNN推断模型部署能耗优化方法和系统。所述方法在每个调度时隙内根据异构边缘节点的硬件属性配置并发DNN模型的推断组合，通过积累多个时隙不同DNN模型组合在异构边缘节点的执行时延的历史信息，利用基于上下文的组合多臂赌博机为当前时刻的DNN模型组合分发提供依据，从而不断调整当前时隙的DNN推断模型部署策略，降低异构节点的峰值负载时间，从而降低整体执行功率消耗。本发明能够在边缘云计算环境下优化系统能耗，提高能源利用率，且可以自适应地应对不同的工作负载，适用于各种边缘计算场景。
-
公开(公告)号：CN110674289A8
公开(公告)日：2020-06-02
申请号：CN201910597279.9
申请日：2019-07-04
Applicant: 南瑞集团有限公司 , 国电南瑞科技股份有限公司 , 国电南瑞科技股份有限公司信息系统集成分公司
IPC: G06F16/35
Abstract: 本发明公开了一种基于分词权重判断文章所属分类的方法、装置和存储介质，属于自然语言处理技术领域。所述方法包括：对文本语料进行分词和去停用词处理，得到训练集语料库；将训练集中的特征项转变成词频矩阵，统计每个特征项的TF-IDF值，作为特征权重；将训练集的权重矩阵和初始标签传给分类器，训练得到分类模型；获取待分类文章的权重矩阵，使用训练好的分类模型对文章进行分类。本发明通过分词，构建基于权重的词向量空间，再使用贝叶斯分类器可以对文章类型直接进行判断，可以在短时间内判断出大量的文本类型，且具有准确、稳定的优点。
-
公开(公告)号：CN116302869A
公开(公告)日：2023-06-23
申请号：CN202211556228.X
申请日：2022-12-06
Applicant: 国电南瑞南京控制系统有限公司 , 国电南瑞科技股份有限公司 , 南瑞集团有限公司 , 国网电力科学研究院有限公司
Inventor： 丰佳 , 张立志 , 杨华飞 , 牧军 , 杨文清 , 宋文 , 秦培兆 , 李虎 , 席文超 , 李强 , 洪岩 , 申波 , 李伟 , 李磊 , 毛林晖 , 吴禹 , 刘辉 , 王丽君 , 张正银
IPC: G06F11/34 , G06N3/0442
Abstract: 本发明公开了一种基于非冗余特征选择的数据中心服务器能耗预测方法，包括以下步骤：(1)选择出服务器能耗原始特征集中的强相关特征；(2)利用冗余特征判定算法从强相关特征中挑选出非冗余的特征集合；(3)利用门控循环单元神经网络完成非冗余特征与能耗间关联关系挖掘，并构建服务器能耗的预测分析模型。本发明利用基于深度学习的数据中心能耗管理系统，使数据中心运维人员能够直观准确地掌握影响服务器能耗的关键因子，更好地分析、预测服务器运行时的负载变化和能耗趋势；本发明基于中心服务器资源调度系统，根据服务器能耗变化趋势进行任务分配和资源调度，降低数据中心能耗。
-
公开(公告)号：CN116090552A
公开(公告)日：2023-05-09
申请号：CN202211674465.6
申请日：2022-12-26
Applicant: 南瑞集团有限公司 , 国电南瑞科技股份有限公司
IPC: G06N3/0985 , G06N5/04 , G06N3/0464 , G06N3/063
Abstract: 本发明公开了一种人工智能加速卡产品的训练和推理性能的测试方法，包括以下步骤：(1)准备测试环境，提供统一的基准硬件检测平台，保证平台配置相同,确保测试搭载的基线一致；(2)协调待测人工智能产品的资源，完成人工智能加速卡硬件准备、驱动软件准备、模型适配工作等，完成测试准备所需安装包和测试环境部署；(3)按照测试方案开展测试，分别为基础性能测试、推理单机单卡测试和训练单机四卡测试；(4)根据测试结果，进行评分，推理和训练分开评分，具体评分方法可根据实际情况制定。可根据测试数据形成更直观、更具对比性的评测结果。
-
公开(公告)号：CN110674289A
公开(公告)日：2020-01-10
申请号：CN201910597279.9
申请日：2019-07-04
Applicant: 南瑞集团有限公司 , 国电南瑞科技股份有限公司 , 国电南瑞科技股份公司信息系统集成分公司
IPC: G06F16/35
Abstract: 本发明公开了一种基于分词权重判断文章所属分类的方法、装置和存储介质，属于自然语言处理技术领域。所述方法包括：对文本语料进行分词和去停用词处理，得到训练集语料库；将训练集中的特征项转变成词频矩阵，统计每个特征项的TF-IDF值，作为特征权重；将训练集的权重矩阵和初始标签传给分类器，训练得到分类模型；获取待分类文章的权重矩阵，使用训练好的分类模型对文章进行分类。本发明通过分词，构建基于权重的词向量空间，再使用贝叶斯分类器可以对文章类型直接进行判断，可以在短时间内判断出大量的文本类型，且具有准确、稳定的优点。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.041 seconds)
