“肖侬”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56个，建议您升级VIP下载更多相关专利

[发明专利]一种利用MPI的NumPy优化方法及系统-CN202110062370.8有效
发明人：梁嘉迪;杜云飞;卢宇彤;肖侬 -专利权人：中山大学
申请日： 2021-01-18 - 公布日： 2023-10-03 - 主分类号： G06F9/50 文献下载
摘要：本发明为克服现有技术中NumPy在集群和多核计算环境下的性能不理想、兼容性差的缺陷，提出一种利用MPI的NumPy优化方法及系统，其根据集群和/或主机中CPU的使用情况，对集群和/或主机中的CPU资源进行分配；采用MPI进行数据交换通信，根据当前两个进程所绑定的CPU核心的物理位置，或根据主机间连接的网络方式，选择当前两个进程之间的通信方式；确定当前计算节点需要并行实现的NumPy方法，选择当前计算节点中NumPy方法的具体实现方式，包括使用线性代数计算库IntelMKL连接NumPy进行并行计算、使用OpenBLAS连接NumPy进行并行计算，或使用Cython进行并行计算。
一种利用 mpi numpy 优化方法系统

[发明专利]一种组合本地纠删码联盟链存储方法及系统-CN202210477205.3有效
发明人：肖侬;伍佳斌;刘洋 -专利权人：中国人民解放军国防科技大学
申请日： 2022-05-03 - 公布日： 2023-09-01 - 主分类号： H04L67/1042 文献下载
摘要：本发明公开了一种组合本地纠删码联盟链存储方法及系统。方法包括以下步骤：S1、将区块链中各节点划分成各个不同的时延圈，其中每个节点均独立拥有时延圈；S2、根据需要选择每r个时延圈为一个组，每一组生成一个局部校验块；S3、若需要进行块修复时，将该r个时延圈各自内部的块进行组合，再以一个组合块的形式传输到丢失块的节点上。本发明在现有纠删码技术应用于区块链的基础上，引入局部分布和拓扑分布的组合本地分布。将各节点划分到各时延圈，节点修复过程首先在时延圈内进行初处理，之后再将处理后的块发到目标节点。在将单区块的存储开销降为O(1)的同时，将单块失效的修复开销也降低为O(1)，相比传统纠删码与区块链结合的技术所需要的O(k)，k是数据块个数，大大降低了存储开销。
一种组合本地纠删码联盟存储方法系统

[发明专利]针对Path ORAM的地址标签分配调度与多路径缓存写回方法-CN202011152061.1有效
发明人：沈明华;肖侬;邝金熙 -专利权人：中山大学
申请日： 2020-10-23 - 公布日： 2023-07-25 - 主分类号： G06F12/02 文献下载
摘要：本发明公开了一种针对Path ORAM的地址标签分配调度与多路径缓存写回方法，包括新数据进入ORAM树的标签分配、访问路径时的部分提前与合并、缓存中数据的写回及数据写回ORAM树的标签分配四个阶段；在新数据进入内存或数据从缓存中写回后对数据进行基于内存行的标签分配或随机分配；接着对路径的访问进入请求队列，进行路径提前或合并优化；执行对整条路径的访问，路径中所有结点的数据被送入缓存；从缓存中返回数据时，选择一条最优的路径进行写回，使得对于下一次随机的路径访问中重叠的数据数量期望值最大。本发明提供的针对Path ORAM的地址标签分配调度与多路径缓存写回方法，在很小的硬件成本下，能快速访问Path ORAM，并降低执行时间，显著提高系统性能。
针对 path oram 地址标签分配调度路径缓存方法

[发明专利]云边端融合的隐私增强联邦学习系统-CN202211211579.7在审
发明人：肖侬;郭烨婷;蔡志平;周桐庆 -专利权人：中国人民解放军国防科技大学
申请日： 2022-09-30 - 公布日： 2023-05-23 - 主分类号： G06F9/50 文献下载
摘要：本申请涉及一种云边端融合的隐私增强联邦学习系统。所述系统包括：云中心、边缘服务器和终端，云中心和终端分别采用自适应控制算法求解配置优化模型，得到本地迭代次数、终端采样率、卸载决策和卸载时对边缘服务器的噪声强度；云中心根据终端采样率选择参与训练的终端，当卸载决策为1时，被选择的终端将从云中心接收的全局模型分为浅层网络层和深层网络层；终端根据对边缘服务器的噪声强度和第一差分隐私函数对当前输入批次下浅层网络层的中间特征进行扰动，根据本地迭代次数和扰动的中间特征进行端‑边迭代训练后，终端合并训练好的浅层网络层和深层网络层，得到训练好的本地模型。采用本系统能够提升模型训练效率，抵制边与云的威胁攻击。
云边端融合隐私增强联邦学习系统

[发明专利]探索联邦学习隐私的交互可视化系统-CN202211210648.2在审
发明人：肖侬;郭烨婷;蔡志平;周桐庆 -专利权人：中国人民解放军国防科技大学
申请日： 2022-09-30 - 公布日： 2023-01-06 - 主分类号： G06F18/214 文献下载
摘要：本申请涉及一种探索联邦学习隐私的交互可视化系统。所述系统包括后端计算模块和前端视图模块；数据拥有者从前端视图模块选择训练样本，后端计算模块根据训练样本以及全局模型，训练本地模型，根据攻击方式攻击本地模型训练过程，将攻击结果显示在前端视图模块中，采用差分隐私方式保护本地模型隐私，并在前端视图模块显示隐私保护强度调节接口，显示训练样本自定义接口以使数据拥有者根据攻击结果选择训练样本，根据数据拥有者调节训练样本自定义接口的信息，调用模型遗忘分析算法，分析得到训练样本的当前本地训练状态以及当前训练所得模型的准确性，并展示在前端视图模块中。采用本系统能够提高联邦学习的安全可解释性，优化交互过程中的时延。
探索联邦学习隐私交互可视化系统

[发明专利]一种基于多域异质图引导的视觉问题常识推理模型及方法-CN201910772828.1有效
发明人：王青;周静文;余伟江;梁小丹;林倞;肖侬 -专利权人：中山大学
申请日： 2019-08-21 - 公布日： 2022-11-25 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于多域异质图引导的视觉问题常识推理模型及方法，所述模型包括：预训练模型初始化单元，利用预训练模型对基础骨架网络和分类器参数进行初始化；视觉信息提取单元，用于利用检测器来提取输入图像的视觉信息的初始特征；上下文投票单元，用于提取全局视觉信息中未被标注的视觉隐含信息结合到视觉信息的局部特征之中；语言特征提取单元，用于利用自然语言预训练模型提取语言部分问题和答案的特征表示；多域特征推理融合单元，用于构造多域异质图，将视觉信息特征和语言信息特征利用多域异质图进行多域特征推理融合获得最终特征表示；分类单元，用于利用分类器对获得的特征处理后进行打分，选取得分高的选项为答案。
一种基于多域异质图引导视觉问题常识推理模型方法

[发明专利]一种利用非统一存储器访问架构特点提升并行化NumPy计算性能的方法-CN202110122117.7有效
发明人：梁嘉迪;杜云飞;卢宇彤;肖侬 -专利权人：中山大学
申请日： 2021-01-27 - 公布日： 2022-09-27 - 主分类号： G06F11/34 文献下载
摘要：本发明公开了一种利用非统一内存访问架构特点提升并行化NumPy计算性能的方法，所述方法包括针对NUMA架构及NumPy并行计算的特点分析；针对NumPy并行计算及NUMA架构优化的CPU分配程序与基于CPU分配程序及进程绑定的优化版NumPy并行计算系统。本发明的有益效果在于，可以由CPU分配器根据NUMA架构计算机以及NumPy并行计算的特点，生成一个CPU配置文件，利用进程绑定，把进程绑定到适合的CPU核心上运行。这样可以更有效地利用计算机的硬件资源的同时，减少进程迁移带来的性能问题，提升并行计算的性能。
一种利用统一存储器访问架构特点提升并行 numpy 计算性能方法

[发明专利]一种面向超级计算机的并行大数据生成方法-CN202210625713.1在审
发明人：肖侬;葛旭冉;刘洋 -专利权人：中国人民解放军国防科技大学
申请日： 2022-06-02 - 公布日： 2022-08-30 - 主分类号： G06F17/18 文献下载
摘要：本发明公开了一种面向超级计算机的并行大数据生成方法，包括：S1、根据线性同余算法生成符合均匀分布的伪随机数；S2、设计线性同余算法的并行化方案；S3、根据并行线性同余算法及各种函数映射关系生成一系列满足不同分布的随机数，构造并行伪随机数生成器；S4、利用并行伪随机数生成器设计不同用途的用于控制数据规模和统计属性的人工数据集生成算法。本发明可以解决大数据处理分析算法中的数据集体量不足问题。
一种面向超级计算机并行数据生成方法

[发明专利]一种基于喷泉码的联盟链存储系统-CN202210516743.9在审
发明人：肖侬;欧洋;刘洋;伍佳斌 -专利权人：中国人民解放军国防科技大学
申请日： 2022-05-12 - 公布日： 2022-08-16 - 主分类号： H04L1/00 文献下载
摘要：本发明公开了一种基于喷泉码的联盟链存储系统，包括：客户端，用于发送注册、更新和取消的交易请求；交易池，用于存储所有的注册、更新和取消的交易请求，待交易验证后打包成区块链上链；数据编码模块，用于将每两块使用一个编码数据块进行数据编码，编码后的数据块具有热量信息，通过优化生成矩阵以对不同程度的数据块采用不同的编码策略，并将编码后的数据块分发到多个节点进行存储；分布式存储节点，用于存储编码后的数据块，在数据重构时进行数据解码操作，存储节点在计算的同时向修复端或客户端进行数据传输，单个存储节点解码后，剩余的Tanner图用于存储节点之间的内部传输。本发明将喷泉码解决方案与热感知机制相结合，数据访问和修复传输的成本降到最低，以确保请求效率。
一种基于喷泉联盟存储系统

[发明专利]NVM的外部排序方法、装置和NVM存储器-CN202210467757.6在审
发明人：肖侬;欧洋;刘洋;陈文汉 -专利权人：中国人民解放军国防科技大学
申请日： 2022-04-29 - 公布日： 2022-07-29 - 主分类号： G06F3/06 文献下载
摘要：本申请涉及一种NVM的外部排序方法、装置和计算机存储介质。方法包括：获取读取至内存的输入缓存中的小文件的有序区间，并且将输入缓存中的无序数据排序，得到第一有序中间结果，将第一有序中间结果写回NVM；小文件是对大数据文件进行切分得到的；获取有序区间在NVM上的位置信息，根据位置信息建立索引表，并且将索引表存储至内存；在进行数据归并时，根据败者树、索引表以及第一有序中间结果，进行数据归并。采用本方法能够解决传统外部归并排序的I/O负载问题，延长外存设备的使用寿命。
nvm 外部排序方法装置存储器

[发明专利]SSD的外部排序方法、装置和SSD存储器-CN202210466201.5在审
发明人：肖侬;欧洋;陈文汉;刘洋 -专利权人：中国人民解放军国防科技大学
申请日： 2022-04-29 - 公布日： 2022-07-29 - 主分类号： G06F7/24 文献下载
摘要：本申请涉及一种SSD的外部排序方法、装置、计算机设备和存储介质。所述方法包括：获取读取至内存中的小文件，对所述小文件排序，得到有序中间结果，将所述有序中间结果写回闪存中，所述小文件是对大文件数据进行切分得到的；根据所述有序中间结果中每个数据页的最小值和数据页在闪存上的位置信息，在SSD的内存中构建索引表；所述索引表中包含所述位置信息对应的索引信息；在进行数据归并时，根据数据页的最小值对索引表排序，根据所述索引表的排序结果和所述索引信息进行数据归并，得到有序结果，将所述有序结果写回闪存。采用本方法能够提高SSD的读写多通道并发度，改善SSD的通道资源利用率。
ssd 外部排序方法装置存储器

[发明专利]一种基于混合内存系统的故障快速恢复方法-CN202010887119.0有效
发明人：孙广宇;肖侬;吕宝财;王晓阳 -专利权人：北京大学
申请日： 2020-08-28 - 公布日： 2022-02-11 - 主分类号： G06F11/07 文献下载
摘要：本发明公布了一种基于混合内存系统的故障快速恢复方法，混合内存系统为动态随机存取存储器DRAM和非易失性存储器NVM的混合内存系统；在混合内存系统的DRAM和NVM中各自维护一个进程栈空间；设定新的函数限定符，针对使用该新的函数限定符的应用程序实现基于混合内存系统的故障快速恢复。本发明在DRAM和NVM混合内存系统中使用双栈结构运行进程的方法，减轻现有的日志和检查点技术中存在的由于引入大量额外NVM写入从而降低系统性能和设备寿命的问题，并实现系统故障后的快速恢复。
一种基于混合内存系统故障快速恢复方法

[发明专利]基于条件生成对抗网络的多域图像转换方法、系统及介质-CN201910808016.8有效
发明人：邓楚富;肖侬;卢宇彤;陈志广;瞿毅力;苏婉琪;王莹 -专利权人：中山大学
申请日： 2019-08-29 - 公布日： 2021-07-09 - 主分类号： G06T3/40 文献下载
摘要：本发明涉及深度学习图像生成领域，具体涉及一种基于条件生成对抗网络的多域图像转换方法、系统及介质，本发明实施步骤包括输入待转换的x模态的原图x、y模态的原图y；采用预先训练好的条件提取器来生产x模态条件Cx和y模态条件Cy；将原图x、原图y、x模态条件Cx、y模态输入预先训练好的条件生成对抗网络得到对应的图像转换结果。本发明利用特征提取器提取原图的特征，通过上采样及与零矩阵在通道上的拼接得到条件矩阵，在具有较高的独立性情况下，又保有每个模态输入自身的语义信息；本发明训练灵活，且对要转换的域的数量没有限制，所需参数少。
基于条件生成对抗网络图像转换方法系统介质

[发明专利]一种基于固态盘扩展内存的大规模深度学习方法及系统-CN201910308466.0有效
发明人：陈晓锋;陈志广;卢宇彤;肖侬 -专利权人：中山大学
申请日： 2019-04-17 - 公布日： 2021-04-20 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于固态盘扩展内存的大规模深度学习方法及系统，本发明首先确定深度神经网络的计算及数据依赖关系；建立训练线程及内存管理调度线程；通过训练线程训练深度神经网络，且在训练过程中通过内存管理调度线程检测深度神经网络的训练情况，每完成一个层的训练则针对后续训练需要的控制参数数据执行从固态盘的预取、针对后续训练不需要的控制参数数据执行到固态盘的写回，相关控制参数数据根据深度神经网络的计算及数据依赖关系确定。本发明利用预取和写回机制实现内存和固态盘的协作，能够有效缓解深度神经网络的训练过程中内存不足的问题，从而提高内存利用效率的方法，使得训练更深更广的深度网络变得更容易。
一种基于固态扩展内存大规模深度学习方法系统

[发明专利]一种基于向量指令的纠删码编码方法、系统及装置-CN202010831174.8有效
发明人：韩宇潇;陈志广;卢宇彤;肖侬;刘芳 -专利权人：中山大学
申请日： 2020-08-18 - 公布日： 2021-04-20 - 主分类号： G06F11/08 文献下载
摘要：本发明公开了一种基于向量指令的纠删码编码方法、系统及装置，该方法包括：读取原始数据对数表；对原始数据进行计算，得到P校验码；转换原始数据的格式并对数表中取数相加，得到第一计算结果；对第一计算结果进行取模运算；从对数表中取数，得到第二计算结果；通过条件语句对原始数据进行判断；将计算结果恢复为原始数据的格式，得到Q校验码；结合P校验码和Q校验码得到纠删码并将纠删码存储到磁盘。通过使用本发明，在确保准确性的同时有效的提升RAID6纠删码的计算速度，从而有效发挥高速存储设备的性能。本发明作为一种基于向量指令的纠删码编码方法、系统及装置，可广泛应用于大规模存储领域。
一种基于向量指令纠删码编码方法系统装置

1
2
3
4
下一页»
尾页
共 56 条