“石宣化”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55个，建议您升级VIP下载更多相关专利

[发明专利]一种基于张量的深度学习GPU内存管理优化方法及系统-CN201911105147.6有效
发明人： 石宣化;彭轩;金海;代虎林;马玮良;熊倩 -专利权人：华中科技大学
申请日： 2019-11-12 - 公布日： 2023-06-20 - 主分类号： G06F9/50 文献下载
摘要：本发明涉及一种基于张量的深度学习GPU内存管理优化方法，至少包括如下步骤：执行至少一个计算操作，其中，所述计算操作以张量为输入并产生张量作为输出；在一个计算操作被执行时，对张量的访问信息进行跟踪，并基于所述访问信息制定内存管理优化决策，在训练的第一次迭代中被动地在CPU内存和GPU内存之间进行内存交换以获得一次完整迭代的张量的访问信息根据获取的关于完整迭代的张量的访问信息，制定内存管理优化决策；在后续迭代中，根据运行时的反馈对制定的内存管理优选决策进行动态调整。
一种基于张量深度学习 gpu 内存管理优化方法系统

[发明专利]单用户多工作负载之间JSON解析优化方法和系统-CN202010110669.1有效
发明人： 石宣化;金海;胡振宇;张一鹏;沈欢;熊倩 -专利权人：华中科技大学
申请日： 2020-02-23 - 公布日： 2023-06-09 - 主分类号： G06F16/835 文献下载
摘要：本发明公开了单用户多工作负载之间JSON解析优化方法和系统，属于软件开发领域。包括：基于用户的JSONPath历史访问信息，预测会被该用户重复访问的JSONPath；将预测的JSONPath对应的JSON字段提前缓存到缓存表；当用户的查询包含预测的JSONPath时，直接从缓存表中读取对应的JSON字段。本发明基于用户的查询历史记录，针对各个用户的查询习惯进行预测，预测用户在将来大概率会重复访问的JSON字段，并提前缓存到分布式存储中。减少了数据中心中关于JSON数据查询的重复解析时间，进而提高了查询的响应时间，节省了CPU运行时间。由于将JSONPath的值提前解析出来存储在缓存表中，当用户的Workload中有关于JSONPath的值过滤条件，可以提前在缓存表中进行过滤从而减少读表开销。
单用户工作负载之间 json 解析优化方法系统

[发明专利]一种结合先验知识的金融实体关系抽取系统及方法-CN202211094335.5在审
发明人： 石宣化;万瑶;张腾;金海;曹楠;李梦凡 -专利权人：华中科技大学
申请日： 2022-09-06 - 公布日： 2023-02-03 - 主分类号： G06F16/36 文献下载
摘要：本发明涉及一种结合先验知识的金融实体关系抽取系统及方法，系统至少包括：深度预训练模块用于基于与金融相关的语料对深度神经网络进行训练并生成能够识别金融实体属性的深度预训练模型，关键词分析模块用于针对中文金融先验知识提取并输出中文金融文本中的关键词的位置信息和重要性向量；注意力机制模块用于根据关键词的位置信息进行编码以得到注意力掩码，并且将注意力掩码与中文金融文本的实体信息输入至深度预训练模型以获取文本特征向量；最优间隔分布模型模块用于基于输入的文本特征向量和重要性向量预测金融实体关系。针对现有模型对于中文特定领域的适用度较低的缺陷，本发明对中文金融文本中的实体以及相关特征的关系抽取结果更精确。
一种结合先验知识金融实体关系抽取系统方法

[发明专利]一种基于非负矩阵分解的社交网络特征提取方法-CN201911279182.X有效
发明人：金海;石宣化;华强胜;黄宏;宋宇 -专利权人：华中科技大学
申请日： 2019-12-12 - 公布日： 2022-08-02 - 主分类号： G06Q50/00 文献下载
摘要：本发明公开了一种基于非负矩阵分解的社交网络特征提取方法，属于网络科学领域。本发明通过两种矩阵分解的策略，将原始的高维的稀疏的网络数据编码为低维的稠密的向量，易于存储，其中，联合矩阵分解中Ul被所有视角共享，表示所有视角的一致性信息；独立矩阵分解中是每个视角私有的，表示各个视角的独特性信息。将原始网络的特征进一步抽象为特征向量，有利于提升后续的网络分析任务的性能。可以方便地进行并行计算，大大提升了后续任务的计算效率。多阶段的非负矩阵分解可以使得每一阶段的残差矩阵逐渐变得稀疏与低秩，从而矩阵分解的误差可以逐步降低，获得更好的网络表示学习效果。
一种基于矩阵分解社交网络特征提取方法

[发明专利]基于进化神经网络的Spark参数自动优化系统和方法-CN202010045384.4有效
发明人： 石宣化;金海;李明玉;胡振宇;张一鹏;宗玉芬 -专利权人：华中科技大学
申请日： 2020-01-15 - 公布日： 2022-03-29 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于进化神经网络的Spark参数自动优化系统和方法，属于大数据处理系统性能优化领域。包括：收集不同Spark配置参数下相同Spark应用程序的运行时间，得到训练集，所述训练数据包括：Spark配置参数、Spark应用程序的输入数据集大小和对应运行时间；使用训练集，采用遗传进化的思想训练神经网络模型，得到性能预测模型；使用性能预测模型，通过遗传算法搜索Spark最优配置参数。本发明采用进化神经网络，通过优化网络结构，使神经网络的结构尽可能简单，使用进化策略在现有的神经元中挑选优秀的作为下一代的起点，不断更迭。使用进化策略的神经网络能够更好地避免陷入局部最优，比起梯度下降，进化理论中的算法能够并行，大大减少训练时间。
基于进化神经网络 spark 参数自动优化系统方法

[发明专利]一种亚线性时间分布式计算围长的最小社区发现方法-CN201910172846.6有效
发明人：华强胜;张振;金海;石宣化 -专利权人：华中科技大学
申请日： 2019-03-07 - 公布日： 2021-04-20 - 主分类号： G06F16/901 文献下载
摘要：本发明公开了一种亚线性时间分布式计算围长的最小社区发现方法，属于分布式计算领域。包括：将社交网络抽象为平面图；找出平面图里所有连通子图；根据所有连通子图信息，找出每个连通子图的分割层；对于每个连通子图，从分割层出发逐层递进，寻找该连通子图分割层内的分离集；根据找到的分离集，以集合中的每个节点为根节点，构建对应的BFS树，并行计算每个节点的最短环路长度；围长为所有点的最短环路长度最小值，拥有最小长度的环为最小社区。本发明通过分布式计算围长，在分布式环境下得到图的所有连通子图、图中分割层和分离集，以分离集为基础，计算图的最短环路长度，大大降低集中式求解平面图围长的时间复杂度，快速正确地发现最小社区。
一种线性时间分布式计算最小社区发现方法

[发明专利]一种基于动态预取策略的Docker容器COW机制优化方法及系统-CN201910252490.7有效
发明人： 石宣化;金海;刘伟;姜焰 -专利权人：华中科技大学
申请日： 2019-03-29 - 公布日： 2021-03-26 - 主分类号： G06F9/455 文献下载
摘要：本发明公开了一种基于动态预取策略的Docker容器COW机制优化方法及系统，属于容器轻量级虚拟化领域。包括：采集各Docker容器生命周期内被执行COPY UP操作的所有镜像文件的元数据信息；根据采集到的元数据信息，动态预测新Docker容器运行期间将被执行COPY UP操作的镜像文件；在新Docker容器启动后，对预测得到的将被执行COPY UP操作的镜像文件执行COPY UP操作。本发明基于同一镜像的容器内部操作大概率相同的特性，对Docker容器内部被执行COPY UP操作的镜像文件元数据信息进行记录，形成Docker镜像对应的历史信息。利用该历史信息，预测新容器运行期间最有可能被执行COPY UP操作的镜像文件，在新容器运行初期，对这些镜像文件执行预先的COPY UP操作，消除了Docker容器因COW机制产生额外开销。
一种基于动态策略 docker 容器 cow 机制优化方法系统

[发明专利]一种基于博弈的流图划分方法和系统-CN201810108725.0有效
发明人：华强胜;石宣化;金海;李阳阳 -专利权人：华中科技大学
申请日： 2018-02-02 - 公布日： 2021-01-15 - 主分类号： G06F16/901 文献下载
摘要：本发明涉及一种基于博弈的流图划分方法和系统，该方法包括：由一个或多个处理器对流图进行划分，一个或多个处理器被配置为：读取流图的未划分区域中含预设边数的边流作为子图；基于第一预划分模型将子图的边预划分到至少两个划分块中作为博弈过程的初始状态；通过博弈过程序贯地为子图的每条边选择其最优划分块直至博弈过程收敛；本发明提供的方法和系统可以利用流图的局部信息进行划分，划分过程不用将整个流图载入内存，具有很好的扩展性，同时支持动态图划分；本发明提供的划分方法和系统能基于博弈过程获得更好的划分结果。
一种基于博弈划分方法系统

[发明专利]一种分布式SQL处理方法及系统-CN201711260747.0有效
发明人： 石宣化;金海;王斐 -专利权人：华中科技大学
申请日： 2017-12-04 - 公布日： 2020-10-16 - 主分类号： G06F16/242 文献下载
摘要：本发明公开了一种分布式SQL处理方法及系统，包括：接收用户提交的应用程序，并将提交的应用程序存入应用队列；分析应用队列里面每个应用程序的代码，每个应用程序包括多个中间结果，将每个应用程序中需要在该应用程序中重复使用的中间结果做第一标记，将每个应用程序中需要在其之后的应用程序中重复使用的中间结果做第二标记；在保证数据一致性的同时，完成各个Worker上并行运行应用队列中的应用程序，并根据第一标记和第二标记利用各标记对应的中间结果，提高运行速度。本发明更精准的选择需要缓存的数据，避免了人工选择的失误，从而提高了程序的性能。
一种分布式 sql 处理方法系统

[发明专利]一种分布式数据处理系统中的内存预估与配置优化的方法-CN201810184254.1有效
发明人： 石宣化;金海;柯志祥;吴文超 -专利权人：华中科技大学
申请日： 2018-03-06 - 公布日： 2020-10-09 - 主分类号： G06F9/50 文献下载
摘要：本发明涉及一种分布式数据处理系统中的内存预估与配置优化的方法，至少包括：将经过针对应用jar包中程序代码的条件分支和/或循环体分析及处理的程序数据流与数据特征库进行匹配，并基于匹配成功的结果预估至少一个阶段的内存上限，基于所述内存上限对应用程序进行配置参数优化，基于优化后应用程序的运行过程采集程序数据的静态特征和/或动态特征并进行持久化记录。本发明与机器学习进行内存预估的黑盒模型不同，机器学习预测的结果准确性不一定高，而且难以做到每个阶段的细粒度预测。而本发明利用程序分析和已有的数据特征较精确地预测到整体的内存占用，可以根据程序分析预估出job的每个阶段内存使用情况，做出更进一步的细粒度配置优化。
一种分布式数据处理系统中的内存预估配置优化方法

[发明专利]一种混合存储架构HPC系统中应用I/O请求的动态调度方法-CN201910386909.8有效
发明人： 石宣化;金海;杨莹;姜焰;花昱圣 -专利权人：华中科技大学
申请日： 2019-05-10 - 公布日： 2020-07-10 - 主分类号： G06F3/06 文献下载
摘要：本发明公开了一种混合存储架构HPC系统中应用I/O请求的动态调度方法，属于高性能计算技术领域。本发明使用随机程度表示应用的访问模式特征，动态调度I/O请求，选择随机程度较大的应用写入对随机程度不敏感的SSD，随机程度较小的应用写入对随机程度敏感的HDD，HDD尽可能处理连续模式的请求，SSD尽可能处理随机模式的请求，从而减轻I/O干扰问题。根据发现的I/O资源竞争时带宽分布相对稳定的现象，提出对于带宽分配的计算方法，可用于预测存储设备的动态负载。结合应用的随机程度和在存储设备中可能获得的带宽两个参数，利用应用访问模式特性和不同存储设备负载特性，合理调度I/O请求，保障应用在运行时间前完成运行，同时提高系统性能，从而保障应用服务质量。
一种混合存储架构 hpc 系统应用请求动态调度方法

[发明专利]一种GPU间通信的方法及系统-CN201711115570.5有效
发明人： 石宣化;金海;赵鹏 -专利权人：华中科技大学
申请日： 2017-11-13 - 公布日： 2020-05-19 - 主分类号： G06F15/173 文献下载
摘要：本发明公开了一种GPU间通信的方法及系统，属于数据处理和高性能计算领域，其中，方法的实现包括：数据转换：对数据进行转换，使得数据中冗余信息明显地暴露出来，从而进行后续处理；生成位示图：为转换后的数据生成若干级别的位示图，以省略冗余信息的传输；数据传输：根据位示图结果，选择转换后数据的特定部分进行数据传输；数据提取：数据传输完成之后，对所传输而来的数据读取后，进行转换从而得到原数据。针对于具有某些特点的冗余数据在GPU间通信时，本发明能够在GPU上快速地进行数据转换并减小数据传输量，进而提高GPU间数据通信效率。
一种 gpu 通信方法系统

[发明专利]一种基于多GPU的图数据处理系统及方法-CN201710276951.5有效
发明人： 石宣化;金海;罗璇;赵鹏 -专利权人：华中科技大学
申请日： 2017-04-25 - 公布日： 2020-02-14 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于多GPU的图数据处理系统及方法，首先通过数据划分模块对输入的原始图数据进行划分，并将划分后的数据分配到各个GPU设备中；然后通过任务管理模块对每个GPU设备上的顶点按照计算属性分配不同的计算任务，并管理各种任务的执行顺序；接着通过执行模块在保证数据一致性的同时，完成各个GPU设备上并行计算任务的执行；最后通过数据收集模块在计算完成以后，完成数据收集的过程。本发明提出新的任务分配和管理机制，最大化并行效率，利用计算掩盖通信，解决目前基于GPU的图处理系统存在GPU‑CPU通信开销大以及能够处理图数据的规模有限的问题，从而提高了在GPU上处理大规模图数据的效率。
一种基于 gpu 数据处理系统方法

[发明专利]一种随机访问识别方法及系统-CN201710281734.5有效
发明人： 石宣化;金海;黎明;刘伟 -专利权人：华中科技大学
申请日： 2017-04-26 - 公布日： 2019-11-12 - 主分类号： G06F3/06 文献下载
摘要：本发明公开了一种随机访问识别方法，包括：确定N个文件的请求组成的请求集合；第K个文件包括M_K个请求，每个请求对应其原始偏移地址信息和请求大小信息；根据第K个文件包括M_K个请求中每个请求的原始偏移地址信息和请求大小信息确定第K个文件的随机性T_K；根据N个文件中每个文件的随机性，确定请求集合的随机性；根据请求集合的随机性和当前数据流向，确定将请求集合定位到机械硬盘HDD或固态硬盘SSD中的一个。本发明实施例克服了传统方法在客户端以进程为粒度来识别随机访问的缺陷，能够准确识别由多种访问模式导致的随机访问问题。
随机性随机访问集合大小信息偏移地址访问模式固态硬盘机械硬盘数据流向客户端进程

[发明专利]一种图算法友善的强连通图划分方法-CN201710323569.5有效
发明人： 石宣化;邵志远;梅珍杰;金海 -专利权人：华中科技大学
申请日： 2017-05-10 - 公布日： 2019-09-13 - 主分类号： G06F16/22 文献下载
摘要：本发明公开了一种图算法友善的强连通图划分方法，包括以下步骤：将图数据分解成若干个集合；利用多源宽度优先搜索算法将大小超过给定阈值的集合进一步划分成多个搜索树；利用启发式算法将搜索树组装成多个子图；本发明提供的强连通图划分方法可将强连通图划分成多个子图，而且与其他以割边即子图之间的边最小化、子图大小均衡为目标的现有hash或METIS划分方法均不同，在划分强连通图时考虑了边的方向和图数据的结构使得划分后的子图内部连通度较好、子图大小相对均衡，从而能有效提高图算法对其处理时的效率，解决在内存大小受限的限定条件下如何将大型强连通图划分成多个大小大致相同、连通度较好的子图的问题。
连通图搜索树图数据集合宽度优先搜索均衡启发式算法内部连通限定条件连通度最小化多源割边受限算法组装分解

1
2
3
4
下一页»
尾页
共 55 条