“钱金谷”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2个，建议您升级VIP下载更多相关专利

[发明专利]一种基于深度强化学习的Spark参数自动优化方法及系统-CN202010501737.7有效
发明人：杜海舟;韩平;张少华;张可可;钱金谷 -专利权人：上海电力大学
申请日： 2020-06-04 - 公布日： 2023-08-18 - 主分类号： G06F9/445 文献下载
摘要：本发明公开了一种基于深度强化学习的Spark参数自动优化方法及系统，包括，采集Spark运行的原始数据并进行数据预处理；利用PCA+Lasso结合策略对预处理后的数据进行特征过滤和选择，计算特征参数权重得到关键参数；利用关键参数构建基于深度Q网络的参数自动优化模型；对参数自动优化模型进行训练并输出调优结果，得到当前环境下的最优参数配置组合以调控Spark作业运行。本发明通过参数优化策略能够有效地处理Spark平台的参数在线优化问题，优化后的参数配置可以大幅度的提升作业性能，且效果随着作业规模的增加而更加显著，能够有效解决类似大数据平台的参数优化问题，利用Lasso特征选择策略自动选择关键的配置参数，在剔除无用参数的同时提升工作效率。
一种基于深度强化学习 spark 参数自动优化方法系统

[发明专利]一种基于LAV参数微调的电力工单层次文本分类方法及系统-CN202010500557.7在审
发明人：杜海舟;钱金谷;韩平;张可可;张少华 -专利权人：上海电力大学
申请日： 2020-06-04 - 公布日： 2020-09-11 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于LAV参数微调的电力工单层次文本分类方法及系统，包括，利用注意力机制对文本特征向量分配不同的注意力权重并进行加权求和，获得标签特征向量；结合全连接神经网络和sigmoid函数计算标签特征向量的分类概率，输出分类预测结果；基于交叉熵构建损失函数训练文本特征向量、标签特征向量及分类概率；将训练完成的上层标签的标签特征向量的参数值作为下层标签的标签特征向量的初始值，对其进行训练微调，直至完成标签结构中全部的标签注意力向量训练，得到与其对应的分类结果。本发明通过参数微调改善下层标签因训练文本数据太少导致的分类效果较差的问题，实现了对层次结构标签电力工单文本的快速、准确分类。
一种基于 lav 参数微调电力层次文本分类方法系统