“张竞慧”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21个，建议您升级VIP下载更多相关专利

[发明专利]异构GPU集群中加速神经网络训练的流水线并行方法-CN202310892762.6在审
发明人： 张竞慧;牛耕;金嘉晖;东方;罗军舟 -专利权人：东南大学
申请日： 2023-07-20 - 公布日： 2023-10-13 - 主分类号： G06T1/40 文献下载
摘要：本发明提供了一种异构GPU集群中加速神经网络训练的流水线并行方法，核心机制主要包含三个部分，分别是深度学习模型刻画、同构GPU模型划分及任务放置与异构GPU模型划分及任务放置。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，刻画出使用不同类型的GPU时训练过程中计算量、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，设计基于动态规划的划分算法，实现异构GPU和异构带宽感知的流水线混合并行模型划分与任务放置，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。
异构 gpu 集群加速神经网络训练流水线并行方法

[发明专利]一种基于本地噪声感知的联邦学习优化方法及系统-CN202211273252.2有效
发明人： 张竞慧;吕丁阳;东方 -专利权人：东南大学;合肥综合性国家科学中心人工智能研究院（安徽省人工智能实验室）
申请日： 2022-10-18 - 公布日： 2023-09-26 - 主分类号： G06N20/00 文献下载
摘要：本发明提供一种基于噪声感知的联邦学习优化方法及系统，解决联邦学习场景中客户端本地数据集的样本存在噪声而导致的全局模型精度下降的问题。本发明首先针对联邦学习中客户端本地数据集的样本噪声现象，提出使用标签冲突矩阵来表示数据噪声，然后使用标签矫正网络(LCN)拟合噪声数据集中的标签冲突概率分布，从而达到对噪声样本错误标签值的矫正效果；为了更有效的实现标签矫正网络和联邦学习模型的训练，本发明提出采用元学习的训练模式来实现同步优化；最后，本发明还提出了一种基于交叉验证的数据采样算法，从原始噪声数据集选择出一批带有相对正确标签的数据样本，从而提升LCN模型的标签矫正效果，最终提高联邦学习中训练模型的精度。
一种基于本地噪声感知联邦学习优化方法系统

[发明专利]一种联邦学习方法及装置、终端和服务端-CN202111662439.7在审
发明人： 张竞慧;成新宇;魏华;张昊;张婷婷;王城;吕丁阳;金嘉晖;东方 -专利权人：中国移动通信有限公司研究院;东南大学;中国移动通信集团有限公司
申请日： 2021-12-31 - 公布日： 2023-07-11 - 主分类号： G06N20/20 文献下载
摘要：本申请公开一种联邦学习处理方法及装置、终端和服务端，涉及计算机处理技术领域，以解决现有方案难以取得训练效率与收敛增益之间平衡的问题。该方法包括：获取N个终端在第t轮联合训练中的训练信息，训练信息包括训练数据集信息、训练时间信息和收敛贡献值；根据训练数据集信息、训练时间信息和收敛贡献值，确定多目标优化参数，多目标优化参数包括训练闲余时间和收敛贡献和；以最小化训练闲余时间为第一优化目标，以最大化收敛贡献和为第二优化目标，确定N个终端中各终端的目标训练迭代次数；分别向N个终端发送各自目标训练迭代次数。本申请实施例可在提高联邦学习训练时间效率与提高终端全局收敛增益之间达到平衡化。
一种联邦学习方法装置终端服务端

[发明专利]用于边缘计算环境中面向多视角推理应用的任务卸载方法-CN202310136701.7在审
发明人：东方;程汪兵;沈典;张竞慧;罗军舟 -专利权人：东南大学
申请日： 2023-02-20 - 公布日： 2023-05-26 - 主分类号： G06F9/445 文献下载
摘要：本发明公开了一种用于边缘计算环境中面向多视角推理应用的任务卸载方法，属于边缘计算和深度学习领域。本发明的核心逻辑包括：首先构建边缘环境下多视角推理任务的执行框架并合理划分和部署多视角推理模型；然后采集边缘计算环境中计算资源与通信资源的性能特征；接着结合边缘环境下多视角推理任务执行框架构建最小化任务完成时间的优化模型；最后提出多视角推理的任务卸载算法，最小化任务的执行时间，进而满足低时延的应用需求。本发明主要解决多视角推理任务特殊的执行模式导致在传统任务卸载方法下多视角推理任务执行中出现算力或带宽较强终端等待算力或带宽较弱终端的问题，以及其导致终端资源利用率低，多视角推理任务执行效率受限的问题。
用于边缘计算环境面向视角推理应用任务卸载方法

[发明专利]一种异构GPU集群负载感知的显存重计算优化方法及系统-CN202211386085.2有效
发明人： 张竞慧;翁财善;徐正佳;李剑歌;东方;罗军舟 -专利权人：东南大学
申请日： 2022-11-07 - 公布日： 2023-03-24 - 主分类号： G06F9/50 文献下载
摘要：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 gpu 集群负载感知显存计算优化方法系统

[发明专利]基于多域物理层指纹特征的Wi-Fi设备识别系统及方法-CN202211272403.2在审
发明人： 张竞慧;翁财善;徐正佳;凌振;杨明;罗军舟 -专利权人：东南大学
申请日： 2022-10-18 - 公布日： 2023-01-31 - 主分类号： H04L27/00 文献下载
摘要：本发明公开了一种基于多域物理层指纹特征的Wi‑Fi设备识别系统及方法，包括信号采集与处理模块、特征提取模块及指纹识别模块，信号采集与处理模块利用USRP采集无线电信号，经USRP解调后的复数基带信号的采样信号作为无线接收机输入，软件解调后，采样信号被解码至数据链路层，输出帧数据；特征提取模块对帧数据进行信号处理与特征提取，提取射频信号具有的调制域特征、波形域特征以及统计度量和调制编码方案特征；指纹识别模块基于提取的特征进行分类模型训练，根据特征的维度及特征间的相关性选择最佳的分类模型，将WIFI信号经机器学习后生成的输入特征量传给最佳分类模型，进行设备的指纹匹配，实现设备的识别，大幅度提升Wi‑Fi设备指纹识别的准确率和效率。
基于物理层指纹特征 wi fi 设备识别系统方法

[发明专利]基于文本语义映射关系的Web表格异常数据发现方法-CN202211219884.0在审
发明人：金嘉晖;丁婧伊;张竞慧;罗军舟 -专利权人：东南大学
申请日： 2022-10-06 - 公布日： 2023-01-31 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了基于文本语义映射关系的Web表格异常数据发现方法。本发明旨在发现Web表格中的带有模糊甚至错误语义信息的异常数据。该方法主要包括三个部分：语义表示模块、列类型推断模块以及错误发现模块。首先，通过语义表示模块表征单元格文本的含义，针对表格中的某一个单元格，根据上下文信息将单元格中的字符串文本表征为语义向量；然后，通过列类型推断模块推断该单元格所在列的类型，获取列的模式信息；最后，基于主列单元格和目标单元格在列类型和单元格文本语义向量之间的映射关系，发现并标注表格中的异常数据。
基于文本语义映射关系 web 表格异常数据发现方法

[发明专利]城市兴趣点敏感的个性化路径规划方法-CN202211218557.3在审
发明人：金嘉晖;徐志鹏;张竞慧;罗军舟 -专利权人：东南大学
申请日： 2022-10-06 - 公布日： 2023-01-24 - 主分类号： G01C21/34 文献下载
摘要：本发明公开了一种城市兴趣点敏感的个性化路径规划方法。本发明预先按照网格对城市区域进行划分，然后基于实际路网构造网格连通关系，将各个区域连接，建模成图。将路径规划问题建模成：规划一条最短路径，该路径从给定的起点出发，以用户指定的顺序访问多个不同兴趣点(Point Of Interest,POI)类型的位置，最终抵达用户给定的终点。路径规划求解分为三阶段：一是节点间距计算阶段，二是POI优先的贪心搜索阶段，三是基于距离上界的动态规划阶段。通过预处理的最短距离，基于动态规划算法思想，快速、准确地找到一条能够满足用户按序访问指定类型候选节点的需求的最短路径。
城市兴趣敏感个性化路径规划方法

[发明专利]基于城市时空知识图谱的兴趣点实时推荐方法-CN202211223975.1在审
发明人：金嘉晖;张皓翔;张竞慧;罗军舟 -专利权人：东南大学
申请日： 2022-10-06 - 公布日： 2022-12-13 - 主分类号： G06F16/36 文献下载
摘要：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。
基于城市时空知识图谱兴趣实时推荐方法

[发明专利]一种知识图谱驱动下区域敏感的兴趣点推荐方法-CN202010989380.1有效
发明人：金嘉晖;苗子佳;汤家凯;张竞慧;罗军舟 -专利权人：东南大学
申请日： 2020-09-18 - 公布日： 2022-11-15 - 主分类号： G06F16/9537 文献下载
摘要：本发明公开了一种知识图谱驱动下区域敏感的兴趣点推荐方法。给定用户和用户所处的地理位置以及用户的历史访问记录，兴趣点推荐希望寻找到用户将来最有可能访问的k个兴趣点。本发明以知识图谱作为辅助手段，其节点包含实体节点和属性节点，边表示实体与实体、实体与属性的关系。知识图谱可以串联各类兴趣点实体的关系，同时有效表征地理空间关系。基于知识图谱学习兴趣点类型特征和属性特征，并用L维向量表示。然后根据兴趣点地理位置关系定义区域范围以表征区域环境特征，结合兴趣点特征描述地理影响，共同进行兴趣点推荐。最后，使用基于知识图谱的位置兴趣点推荐算法进一步筛选候选结果，将得分最高的k个兴趣点作为结果返回给用户。
一种知识图谱驱动区域敏感兴趣推荐方法

[发明专利]一种城市环境下多时间段稀疏犯罪发生地点的预测方法-CN202210856811.6在审
发明人：金嘉晖;唐俊;张斌杰;张竞慧;罗军舟 -专利权人：东南大学
申请日： 2022-07-20 - 公布日： 2022-10-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种城市环境下多时间段稀疏犯罪发生地点的预测方法。所述方法包括城市空间和犯罪记录建模、门控循环网络‑神经常微分方程‑贝叶斯GRU‑ODE‑Bayes犯罪地点预测模型、数据增强模块、邻近重复增强模块。根据真实数据进行处理来抽象数据得到模型输入向量；通过GRU‑ODE‑Bayes犯罪地点预测模型通过输入城市网格嵌入和犯罪特征来预测犯罪地点；并使用数据增强模块来丰富稀疏犯罪的训练数据，使用邻近重复增强模块来实现连续的犯罪预测。本发明能对稀疏犯罪地点进行一个有效的预测，利于公共安全和城市治理。
一种城市环境多时稀疏犯罪发生地点预测方法

[发明专利]用于边缘计算环境中面向智能工作流应用的任务卸载方法-CN202210275145.7在审
发明人：东方;阮文龙;沈典;张竞慧 -专利权人：东南大学
申请日： 2022-03-21 - 公布日： 2022-06-24 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种用于边缘计算环境中面向智能工作流应用的任务卸载方法，首先针对边缘系统构建边缘环境模型，并将每个终端需要执行的工作流刻画成有向无环图(DAG)；然后对终端需要执行的智能工作流任务构建任务卸载模型，根据基于拓扑排序的平均执行时间计算方法将DAG序列化；之后根据终端的优化目标定义最大化用户体验(QoE)问题，其中用户体验由任务执行延时以及执行智能任务所使用的模型精度决定。最后基于多智能体强化学习对DAG任务卸载的优化问题进行求解，并将网络的输出结果作为DAG中子任务的卸载决策。本发明考虑了终端卸载的理性决策以及多终端之间的资源竞争，很大程度地提升终端执行智能工作流任务的用户体验。
用于边缘计算环境面向智能工作流应用任务卸载方法

[发明专利]边缘计算下异构处理器加速多出口DNN推理的方法-CN202210282401.5在审
发明人：东方;蔡光兴;沈典;王慧田;张竞慧 -专利权人：东南大学
申请日： 2022-03-22 - 公布日： 2022-06-24 - 主分类号： G06N3/04 文献下载
摘要：本发明公开一种边缘计算下异构处理器加速多出口DNN(Deep Neural Networks)推理的方法，首先针对不同负载下的CPU与GPU，分别统计深度神经网络各层在CPU、GPU上的计算成本、各层提前退出分支出口的分类能力以及各网络层中间数据量大小；然后分析数据，得出特定负载情况下，将深度神经网络各层分配给CPU(GPU)处理器的最优并行组合模型；最后在终端设备上在线监测分析CPU、GPU的负载情况、以及当前的计算能力，以最小化推理时延为目标对深度神经网络推理任务进行切分，任务切块分别被分配在GPU与CPU，最终形成基于异构处理器的推理加速框架。此种方法能够提高推理的灵活性，保证准确率，降低推理总时延，满足边缘智能应用的实时性与高精度需求。
边缘计算下异构处理器加速出口 dnn 推理方法

[发明专利]一种温度约束下的终端设备异构处理器推断加速方法-CN202111426929.7在审
发明人： 张竞慧;黄天宇;王宇晨;金嘉晖;东方;张毅晔;徐波 -专利权人：东南大学;江苏省未来网络创新研究院
申请日： 2021-11-28 - 公布日： 2022-03-01 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种温度约束下的终端设备异构处理器推断加速方法，针对工业生产环境下配备多个异构处理器的智能终端设备，解决深度神经网络层间异构、处理器异构和环境温度导致的终端设备推断效率低的问题。本发明首先考虑工业生产的环境温度和终端设备处理器功率，建立了温度约束下的终端设备动态频率模型，并使用温度感知的动态频率算法设定设备频率；然后，根据深度神经网络中不同层的计算方式和结构特性，设计了深度神经网络单层并行方法；最后，利用终端设备中的异构处理器，设计了面向异构处理器的深度神经网络单层计算任务分配方法，保障了终端设备异构处理器协同推断的低延迟和鲁棒性。
一种温度约束终端设备处理器推断加速方法

[发明专利]一种多约束下的端边协同推断方法-CN202111381192.1在审
发明人： 张竞慧;李健;许利群;孙泽鹏;刘新龙;乔丰;施崭;黄天宇 -专利权人：东南大学;中移（成都）信息通信科技有限公司
申请日： 2021-11-20 - 公布日： 2022-02-18 - 主分类号： G06F9/50 文献下载
摘要：本发明提出了一种多约束下的端边协同推断方法，该方法包括两个阶段，分别为端边协同推断模型分割阶段和在线动态调整阶段。其中，端边协同推断模型分割阶段能够在端边协同推断环境中，在智能终端设备能耗、内存大小等约束下，综合考虑智能终端设备和边缘设备的计算能力，对深度神经网络进行模型分割；在线动态调整阶段能够自适应调整模型分割位置，以适应端边协同推断环境中的动态变化。并针对多约束下的端边协同推断机制中的两个阶段，建立了端边协同推断数学模型，并提出了相应的求解算法。
一种约束协同推断方法

1
2
下一页»
尾页
共 21 条