“刘外喜”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果38个，建议您升级VIP下载更多相关专利

[发明专利]基于自适应混合梯度压缩的加速AI大模型分布式训练的方法及装置-CN202310740870.1在审
发明人： 刘外喜;范立生;罗剑涛;陈孔阳;李进;陈庆春;陈昊森 -专利权人：广州大学
申请日： 2023-06-21 - 公布日： 2023-10-27 - 主分类号： G06N3/098 文献下载
摘要：本发明公开一种基于自适应混合梯度压缩的加速AI大模型分布式训练的方法及装置，方法包括：在主从节点结构下，PS参数服务器和计算节点各自经过本地训练迭代生成梯度；利用自适应混合梯度压缩方法对该梯度压缩；将压缩后的梯度发送至PS参数服务器，而后进行解压缩、聚合、更新；更新后的新模型参数发送给各个计算节点；多次迭代训练得到分布式机器学习模型；所述自适应混合梯度压缩方法包括，对于某一类梯度，如果它是一维向量，不进行梯度压缩，如果它的梯度数量大于等于设定阈值，采用逐类梯度聚类机制进行压缩，否则，采用Tensor Train分解机制对其进行压缩。本发明通过减少分布式训练所需通信量减少训练时间，同时不损失模型精度、不引入大计算量。
基于自适应混合梯度压缩加速 ai 模型分布式训练方法装置

[发明专利]一种基于交换机队列行为的可编程数据平面分布式负载均衡方法-CN202210681089.7有效
发明人： 刘外喜;蔡君;凌森;沈湘平;陈庆春 -专利权人：广州大学
申请日： 2022-06-16 - 公布日： 2023-07-28 - 主分类号： H04L47/125 文献下载
摘要：本发明涉及数据中心网络技术领域，且公开一种基于交换机队列行为的可编程数据平面分布式负载均衡方法，包括数据平面的状态收集与返回模块、拥塞指数估计模块和概率式转发模块；交换机出口处理部分的状态收集与返回模块定期地将出端口的队列行为数据返回到自己的入口处理部分；数据包到达交换机时，交换机入口处理部分的拥塞指数估计模块根据出端口的队列行为计算每个可用出端口的拥塞指数，概率式转发模块依据该拥塞指数计算各出端口被选中转发该数据包的概率。本发明将队列占用率、出队列时间间隔和队列变化趋势作为负载均衡的决策依据；本发明的决策时延小，可实现任意粒度的负载均衡，能克服当前负载均衡机制将所有流量路由至最佳路径问题。
一种基于交换机队列行为可编程数据平面分布式负载均衡方法

[发明专利]基于物理层的任务卸载及带宽分配的处理方法和系统-CN202011125155.X有效
发明人：夏隽娟;范立生;赵睿;刘外喜;綦科;谭伟强 -专利权人：广州大学
申请日： 2020-10-20 - 公布日： 2023-06-20 - 主分类号： H04W28/16 文献下载
摘要：本发明公开了一种基于物理层的任务卸载及带宽分配的处理方法和系统，方法包括以下步骤：计算任务总时延和任务总能耗；根据任务总时延和任务总能耗构建目标函数；获取任务卸载方式以及用户端与边缘计算接入点通信时的带宽；根据目标函数、任务卸载方式以及用户端与边缘计算接入点通信时的带宽生成优化函数；采用深度强化算法优化所述优化函数中的任务卸载方式和用户端与边缘计算接入点通信时的带宽，生成任务卸载比例和带宽分配比例；根据任务卸载比例和带宽分配比例处理当前任务量。本发明通过在进行任务卸载时，同时考虑任务和带宽分配问题，以提高MEC网络传输速率和任务卸载的安全性。本发明可广泛应用于移动边缘计算技术领域。
基于物理层任务卸载带宽分配处理方法系统

[发明专利]光纤光栅传感器的运维方法、系统、装置及介质-CN202011494865.X有效
发明人：朱萍玉;林哲聪;刘烁超;鲁猛;刘外喜;蓝智绅;胡献 -专利权人：广州大学
申请日： 2020-12-17 - 公布日： 2022-10-21 - 主分类号： G01D18/00 文献下载
摘要：本发明的提供光纤光栅传感器的运维方法、系统、装置及存储介质，方法包括获取传感器总数以及第一属性信息，将第一属性信息加密写入射频识别标签；根据传感器总数，以及解密得到的第一属性信息对光纤光栅传感器进行区域划分，将区域划分后得到的位置信息写入射频识别标签；根据位置信息确定光纤光栅传感器的安装位置，获取安装位置的第二属性信息，确定第二属性信息与第一属性信息相同，确认安装位置正确；方法通过位置信息与属性信息相互关联的方式进行安装以及后续的检测、维修，更便于实现数字化管理，更便于运维过程中对记录数据的统筹、分析以及追溯等操作处理，达到提高工作效率与方便管理的目的，可广泛应用于射频识别技术领域。
光纤光栅传感器方法系统装置介质

[发明专利]基于正则表达式神经网络的文档合规检测方法及系统-CN202210724409.2在审
发明人：邓照超;刘外喜;张晓飞;梁志鹏;雷帅;李可琪;王家伟 -专利权人：广州大学
申请日： 2022-06-24 - 公布日： 2022-10-18 - 主分类号： G06F40/103 文献下载
摘要：本发明公开了基于正则表达式神经网络的文档合规检测方法及系统，方法包括：获取待检测文档，对所述待检测文档进行结构化解析，得到所述待检测文档的结构化信息；获取监管法规知识库后，通过基于正则表达式神经网络的自动标签映射模块，将所述监管法规知识库和所述结构化信息进行标签映射，确定所述结构化信息对应的监管法规信息；通过基于正则表达式神经网络的自动审核模块，将所述结构化信息与对应的监管法规信息进行审核，得到审核结果。本发明一方面可以像正则表达式一样，有很强的可解释性；另一方面又有神经网络系统准确度高的优点，可以有效地满足金融机构的合规管理工作的要求，可广泛应用于计算机技术领域。
基于正则表达式神经网络文档合规检测方法系统

[发明专利]一种加速分布式机器学习的自适应同步机制-CN202210649151.4在审
发明人： 刘外喜;谭淼泉;罗钧明;蔡君;陈庆春 -专利权人：广州大学
申请日： 2022-06-10 - 公布日： 2022-10-11 - 主分类号： G06N3/063 文献下载
摘要：本发明涉及分布式机器学习技术领域，且公开了一种加速分布式机器学习的自适应同步机制，该机制在改善梯度过时的目标下，对不同训练速度的工作节点自适应地采用不同的并行训练方案，改进了现有的BSP和ASP方案。基于最快工作节点和最慢工作节点间的过时值，本机制自适应地为更快的工作节点添加松弛的同步屏障，以限制或减小该过时值，从而改善梯度过时，为减少此同步中慢梯度的影响，使用了一种差异化加权的梯度聚合方法用于聚合梯度，在限制快工作节点的同时，机制对慢工作节点采用异步并行训练方案，以加快慢工作节点的训练速度，通过以上策略，本机制改善了ASP中的梯度过时问题，克服了BSP的“掉队者”问题，能够提高分布式机器学习训练的速度。
一种加速分布式机器学习自适应同步机制

[发明专利]基于正则化流神经网络的信号检测方法-CN202011031086.6有效
发明人：夏隽娟;范立生;何科;綦科;刘外喜 -专利权人：广州大学
申请日： 2020-09-27 - 公布日： 2022-09-16 - 主分类号： H04B17/309 文献下载
摘要：本发明公开了一种基于正则化流神经网络的信号检测方法，包括以下步骤：构建正则化流神经网络；获取若干个候选信号、与所述候选信号对应的接收信号以及信道状态信息；根据所述候选信号、所述接收信号和所述信道状态信息计算噪声向量；根据所述噪声向量采用所述正则化流神经网络计算所述若干个候选信号的似然度；将所述似然度满足预设要求的候选信号作为信号检测结果。本发明通过先计算信号的噪声向量，接着通过构建的正则化流神经网络根据计算得到的噪声向量计算若干个信号的似然度，并将似然度满足预设要求的候选信号作为信号检测结果，以在缺失噪声统计的情况下提高信号检测结果的准确性。本发明可广泛应用于神经网络技术领域。
基于正则神经网络信号检测方法

[发明专利]可编程数据平面流调度方法、系统、介质及网络设备-CN201910356504.X有效
发明人： 刘外喜;蔡君;陈庆春;陈志韬;沈湘平;刘晓初 -专利权人：广州大学
申请日： 2019-04-29 - 公布日： 2022-09-06 - 主分类号： H04L47/125 文献下载
摘要：本发明公开了一种可编程数据平面流调度方法、系统、介质及网络设备，所述方法包括：周期性地测量网络内各跳的性能参数组(延迟、抖动、丢包率)，以及对应的目标路径的端到端传输时间、目标路径/目标节点/目标网络的吞吐量；基于深度学习算法训练分别建立端到端传输时间和吞吐量与各跳性能参数组之间映射关系的模型；周期性地利用模型预测数据报在目标路径的端到端传输时间、目标路径/目标节点/目标网络的吞吐量；基于预测结果采用分类分路径传输的思想，利用可编程转发技术实现精细化的流调度；模型具有自更新功能。本发明可满足5G网络、工业互联网、智能灌溉传感网络等实际应用对低时延、大吞吐量等需求。
可编程数据平面调度方法系统介质网络设备

[发明专利]网络行为知识智能学习方法、装置、计算机设备及存储介质-CN202110564253.1有效
发明人： 刘外喜;沈湘平;范立生;陈志韬;朱英昊;余曦荣 -专利权人：广州大学
申请日： 2021-05-24 - 公布日： 2022-08-02 - 主分类号： H04L41/0823 文献下载
摘要：本发明公开了一种网络行为知识智能学习方法、装置、计算机设备及存储介质，方法包括：周期性地测量各条链路的网络基础行为，构建时间序列数据集，所述网络基础行为是指每一条链路的时延、抖动、丢包率和队列深度；基于时间序列聚类方法发现共性链路，所述共性链路是指代表性的少数几条链路，通过这少数几条链路能推测出其它链路；构建共性链路的网络基础行为与性能优化指标的映射关系，所述映射关系为网络行为知识，基于图神经网络学习网络行为知识；使用网络行为知识，预测性能优化指标。本发明通过网络基础行为的泛化，来实现针对任意的拓扑和流量优化方法、队列与调度的完全泛化，本发明可满足5G、工业互联网、数据中心网络等领域的需求。
网络行为知识智能学习方法装置计算机设备存储介质

[发明专利]一种快速MIMO信号搜索方法、系统、设备及存储介质-CN202110913278.8有效
发明人：范立生;夏隽娟;何科;汪洋涛;刘外喜 -专利权人：广州大学
申请日： 2021-08-10 - 公布日： 2022-05-24 - 主分类号： H04B7/0413 文献下载
摘要：本发明涉及无线通信技术领域，尤其涉及一种快速MIMO信号搜索方法、系统、设备及存储介质，包括：获取接收信号，并根据所述接收信号的信道矩阵构建决策树；对所述决策树逐层搜索，在每一层的搜索中，将该层树节点的节点向量输入深度神经网络，得到对应树节点的启发值；将所述启发值输入代价模型，得到对应树节点的代价值；根据所述代价值进行搜索，并将最后一层代价值最小的树节点作为待恢复真实信号的检测结果。本发明通过将神经网络与搜索算法结合，不仅提高了最短路径搜索算法的效率，而且有效地降低其在大规模MIMO系统下的平均复杂度。
一种快速 mimo 信号搜索方法系统设备存储介质

[发明专利]一种联邦学习带宽分配方法、系统、计算机设备及介质-CN202110842426.1在审
发明人：夏隽娟;范立生;赵子超;汪洋涛;刘外喜 -专利权人：广州大学
申请日： 2021-07-23 - 公布日： 2021-11-16 - 主分类号： H04L12/24 文献下载
摘要：本发明提供了一种联邦学习带宽分配方法、系统、计算机设备及介质，所述方法包括：向预设数目的客户端发送待训练模型；获取各个客户端的训练时间消耗；所述训练时间消耗由各个客户端根据训练样本训练所述待训练模型得到；统计各个客户端的信道状态信息，并根据各个客户端的所述信道状态信息，得到对应的模型上传时间消耗，以及根据各个客户端的所述训练时间消耗和所述模型上传时间消耗，对各个客户端进行带宽分配。本发明基于信道状态信息建立用户成功上传模型数学期望，再通过粒子群算法求解最优用户带宽分配，使得在具有时间约束的联邦学习框架下能够让更多的用户参与模型聚合，提高联邦学习训练模型的性能。
一种联邦学习带宽分配方法系统计算机设备介质

[发明专利]可编程数据平面路由方法、系统、可读存储介质及设备-CN201910356564.1有效
发明人： 刘外喜;蔡君;陈庆春;林文宏;刘晓初;沈湘平 -专利权人：广州大学
申请日： 2019-04-29 - 公布日： 2021-09-03 - 主分类号： H04L12/721 文献下载
摘要：本发明公开了一种可编程数据平面路由方法、系统、可读存储介质及设备，所述方法包括：周期性地获取网络内一跳或多跳的端到端性能组；基于性能驱动和优化目标驱动的方法，动态地将网络划分为多个网络区域，相邻两个网络区域的区域类型不同；数据报的转发过程中，在源路由域内的节点执行区域可调源路由协议，在逐跳路由域内的节点执行逐跳路由协议，数据报可以在源路由域和逐跳路由域之间进行转发。本发明基于精细化性能测量，利用可编程转发技术实现负载均衡等性能最优的精细化路由，通过简化路由减少处理时延，解决现有路由对网络状态变化的适应较慢等问题，可满足5G网络、工业互联网、智能灌溉传感网络等对低时延、大吞吐量的应用需求。
可编程数据平面路由方法系统可读存储介质设备

[发明专利]一种基于深度学习的网络流类型预测方法-CN201810528250.0有效
发明人： 刘外喜;蔡君;陈庆春 -专利权人：广州大学
申请日： 2018-05-29 - 公布日： 2021-04-02 - 主分类号： H04L12/24 文献下载
摘要：本发明公开了一种基于深度学习的网络流类型预测方法，采用“边缘预分类+中心精分类”的多级预测方案，即，先预分类再精分类，分别在网络边缘的SDN交换机、SDN控制器上构建进行预分类、精分类的深度学习模型；其中，通过网络功能虚拟化NFV技术，利用SDN网络中各交换机计算资源以及链路构建的分布式的深度学习网络作为预分类模型所需的硬件资源，而SDN控制器作为精分类模型所需的硬件资源；预分类模型采用4个联合特征，精分类模型采用10个联合特征。本发明采用多级预测方案既可以减少交换机到控制器的通信开销，也可以减轻控制器的负载；使用胶囊网络方法实现尽早预测；同时，定期地利用自主更新的训练数据集训练深度学习模型，改善预测准确度。
一种基于深度学习网络类型预测方法

[发明专利]一种时变移动边缘计算网络的动态卸载方法-CN202010943441.0在审
发明人：夏隽娟;范立生;赖诗炜;綦科;刘外喜;周发升 -专利权人：广州大学
申请日： 2020-09-09 - 公布日： 2021-01-15 - 主分类号： H04W28/16 文献下载
摘要：本发明公开了一种时变移动边缘计算网络的动态卸载方法，包括如下步骤：步骤S1，在时变移动边缘计算网络中，通过接收端收集当前时刻的上行信道链路信息，并收集当前时刻的任务特征、用户计算能力和接入节点CAPn的计算能力，根据收集的信息计算系统时延、能耗及其加权和；步骤S2，根据步骤S1收集的参数设计相关的状态和动作空间，将时变系统下的动态卸载问题建模为马尔可夫决策过程，并将设计的状态空间和动作输入策略网络，并通过深度强化学习的方式对策略网络进行动态的反馈训练和调整，以获得一个针对时变系统的接近最优的动态分配策略。
一种移动边缘计算网络动态卸载方法

[发明专利]基于深度强化学习的流调度方法、装置、设备及介质-CN201910074755.9有效
发明人： 刘外喜;沈湘平;陈庆春;唐冬;卢锦杰;刘晓初 -专利权人：广州大学
申请日： 2019-01-25 - 公布日： 2020-10-02 - 主分类号： G06F9/48 文献下载
摘要：本发明公开了一种基于深度强化学习的流调度方法、装置、设备及介质，所述方法包括：构建面向流调度的深度强化学习架构，设计一种新型的参数(ROC AUC)作为该架构的奖励函数，以引导其代理帮助网络同时实现老鼠流的时限要求满足率最大化和大象流的流完成时间最小化；该架构为老鼠流、未知大小的大象流和已知大小的大象流建立三个相应的专用链路集，并根据流量的跨时空变化，为每个专用链路集分配带宽；在三个专用链路集内，针对老鼠流设计了基于优先级的机制进行调度，针对未知大小的大象流设计了基于稳定匹配的流调度方法进行调度，针对已知大小的大象流设计了基于比例分配的流调度方法进行调度，仿真实验结果证明与以前工作相比具有较大的优势。
基于深度强化学习调度方法装置设备介质

1
2
3
下一页»
尾页
共 38 条