Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京爱熵科技有限公司张君友获国家专利权

北京爱熵科技有限公司张君友获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉北京爱熵科技有限公司申请的专利系统性能预测模型训练方法、系统性能预测方法及装置获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119151067B

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411312676.4,技术领域涉及:G06Q10/04;该发明授权系统性能预测模型训练方法、系统性能预测方法及装置是由张君友;聂延凯设计研发完成,并于2024-09-20向国家知识产权局提交的专利申请。

系统性能预测模型训练方法、系统性能预测方法及装置在说明书摘要公布了:本申请公开了一种系统性能预测模型训练方法、系统性能预测方法及装置,涉及人工智能技术领域和算力集群系统性能预测技术领域,包括:获取用于训练系统性能预测模型的样本特征数据,样本特征数据包括已知算力集群的集群特征数据,以及对已知算力集群进行基准测试得到的系统性能数据;将集群特征数据输入系统性能预测模型,得到输出的系统性能预测数据,其中,系统性能预测模型的模型结构具有残差块堆叠层;基于系统性能预测数据和对应的系统性能数据,确定本次模型训练是否满足收敛条件;如果不满足收敛条件,调整系统性能预测模型的模型参数,并执行下一次模型训练。采用本方法,实现了对算力集群的系统性能进行准确预测。

本发明授权系统性能预测模型训练方法、系统性能预测方法及装置在权利要求书中公布了:1.一种系统性能预测模型训练方法,其特征在于,包括: 获取用于训练系统性能预测模型的样本特征数据,所述样本特征数据包括已知算力集群的集群特征数据,以及对所述已知算力集群进行基准测试得到的系统性能数据,所述集群特征数据包括:集群定量特征数据和集群定性特征数据; 将所述集群特征数据输入所述系统性能预测模型,得到输出的系统性能预测数据,其中,所述系统性能预测模型的模型结构具有残差块堆叠层,所述残差块堆叠层包括多个串行相连接的残差块;每个所述残差块均具有两个输入和一个输出;多个所述残差块的输入均包括表示所述集群定性特征数据的定性特征向量;第一个所述残差块的另一个输入为表示所述集群定量特征数据的定量特征向量,除第一个之外的其他所述残差块的另一个输入为相连接的前一个所述残差块的输出,最后一个所述残差块的输出作为所述残差块堆叠层的输出; 基于所述系统性能预测数据和对应的所述系统性能数据,确定本次模型训练是否满足收敛条件; 如果满足收敛条件,确定完成所述系统性能预测模型的训练,如果不满足收敛条件,调整所述系统性能预测模型的模型参数,并执行下一次模型训练; 其中,所述残差块中执行的操作包括如下操作: 将所述定性特征向量与关联矩阵相乘,得到关联向量; 将所述关联向量与所述定量特征向量或前一个残差块的输出相加,得到合并特征向量; 将所述合并特征向量与残差矩阵相乘,得到残差向量; 将所述残差向量与所述定量特征向量或前一个残差块的输出相加,得到跳跃连接特征向量; 对所述跳跃连接特征向量进行归一化处理,得到所述残差块的输出; 其中,所述关联矩阵和所述残差矩阵作为所述系统性能预测模型的模型参数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京爱熵科技有限公司,其通讯地址为:100085 北京市昌平区龙域北街5号院2号楼2层212;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。