期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于无线射频供能的端边协同智能任务推理机制
1
作者 李雨泽 孔姝懿 +2 位作者 张文昭 韩书君 许晓东 《无线电通信技术》 北大核心 2024年第3期510-518,共9页
针对云侧进行智能任务推理时带宽需求高与实时性差、端侧设备计算能力与能量受限的问题,在端侧设备处引入无线射频供能技术以实现端侧设备独立供能,进而提出了基于无线射频供能的端边协同智能任务推理机制,以最大化端侧设备智能任务推... 针对云侧进行智能任务推理时带宽需求高与实时性差、端侧设备计算能力与能量受限的问题,在端侧设备处引入无线射频供能技术以实现端侧设备独立供能,进而提出了基于无线射频供能的端边协同智能任务推理机制,以最大化端侧设备智能任务推理完成率。构建端侧设备能量收集和端边协同推理模型。考虑端侧设备射频(Radio Frequency,RF)能量收集时间与端边协同智能任务推理时间约束、端侧设备传输功率与可使用能量约束及边缘侧计算资源约束,最大化智能推理任务完成数量。提出了一种基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)的深度神经网络(Deep Neural Network,DNN)模型分割与通信计算资源联合优化算法,以得到最优的端侧设备射频能量采集时间、端侧设备传输功率、DNN模型分割点和边缘计算资源分配。仿真结果表明,所提算法可有效提高智能任务推理完成率,且明显优于其他对比算法。 展开更多
关键词 无线射频供能 端边协同 智能任务推理 深度确定性策略梯度
在线阅读 下载PDF
一种面向异构集群的DNN推理任务批调度优化方法及实现
2
作者 张仁宇 朱宗卫 宋海鑫 《计算机应用与软件》 北大核心 2025年第7期219-226,269,共9页
随着人工智能产业的蓬勃发展,大量基于深度神经网络(DNN)的应用每天产生大规模的DNN推理任务,并汇集到大型异构计算集群进行推理。如何设计一种面向异构集群的高效DNN推理任务批调度优化方法及其实现是一个关键问题。针对该问题,提出一... 随着人工智能产业的蓬勃发展,大量基于深度神经网络(DNN)的应用每天产生大规模的DNN推理任务,并汇集到大型异构计算集群进行推理。如何设计一种面向异构集群的高效DNN推理任务批调度优化方法及其实现是一个关键问题。针对该问题,提出一种基于策略参数表征机制的调度优化方法。它使用包含参数的策略组合进行调度结果流生成,并不断使用元启发式搜索算法对这些参数进行最优解搜索;基于此优化方法实现了一个适用于异构计算集群推理任务调度的系统。实验结果表明该优化方法相较于传统的调度方法有着显著的性能提升。 展开更多
关键词 任务批调度 推理任务 异构集群
在线阅读 下载PDF
不同视角条件下条件推理任务和选择任务的反应模式 被引量:1
3
作者 杨群 张凤华 张庆林 《心理学探新》 CSSCI 2010年第4期39-44,共6页
在不同视角条件下,要求被试先后完成选择任务和条件推理任务,考察被试在不同视角条件下对两种任务的反应模式。实验结果表明,提供强制情境下对立角色违反规则的信息时,两种任务的反应模式没有明显的关联;提供非强制情境下的反例信息时,... 在不同视角条件下,要求被试先后完成选择任务和条件推理任务,考察被试在不同视角条件下对两种任务的反应模式。实验结果表明,提供强制情境下对立角色违反规则的信息时,两种任务的反应模式没有明显的关联;提供非强制情境下的反例信息时,两种任务的反应模式出现分离趋势;当对规则的语义关系进行充分非必要或必要非充分关系的解释时,两者又趋于一致。分析表明,被试采用多种策略完成选择任务,而是否采用条件推理的逻辑取决于特定情境能否激活这种逻辑。 展开更多
关键词 选择任务 条件推理任务 视角效应
在线阅读 下载PDF
推理任务中的工作记忆 被引量:1
4
作者 何磊 李红 《湖南师范大学教育科学学报》 2003年第2期82-85,共4页
推理是人类思维的一种重要形式。工作记忆的负荷是影响推理任务正确性和速度的重要因素。研究者一般采用三种推理任务作为研究对象。发现工作记忆有三种成分 ,各种成分对推理任务有不同的作用。人们在推理时形成了相应的推理策略 ,以便... 推理是人类思维的一种重要形式。工作记忆的负荷是影响推理任务正确性和速度的重要因素。研究者一般采用三种推理任务作为研究对象。发现工作记忆有三种成分 ,各种成分对推理任务有不同的作用。人们在推理时形成了相应的推理策略 ,以便减轻工作记忆的负荷。根据不同的问题情境 ,人们会采取不同的推理策略。 展开更多
关键词 推理任务 工作记忆 问题情境 推理策略 命题推理 三段论推理
在线阅读 下载PDF
基于云管边端协同的抽水蓄能电站视频监控智能体的研究与应用
5
作者 王保根 林文峰 +3 位作者 秦飞 高冠群 陈波 黄嘉 《水利水电技术(中英文)》 北大核心 2025年第S1期491-497,共7页
随着新一代人工智能技术的发展,机器学习和深度学习框架已成为开发和推进人工智能应用的重要工具。在充分考虑端侧设备算力资源局限性的前提下,提出基于云管边端协同的抽水蓄能电站视频监控智能体,解决传统依赖云数据中心进行密集计算... 随着新一代人工智能技术的发展,机器学习和深度学习框架已成为开发和推进人工智能应用的重要工具。在充分考虑端侧设备算力资源局限性的前提下,提出基于云管边端协同的抽水蓄能电站视频监控智能体,解决传统依赖云数据中心进行密集计算的问题。通过算法模型分层部署和云管边端协同机制,极大程度上解决了抽水蓄能电站视频监控智能体在算力、网络、存储等方面的问题,降低远距离广域网传输大量数据产生的高时延和高耗能,优化智能体边缘计算模式,提高人工智能技术应用计算复杂度高的能力,提升抽水蓄能电站视频监控智能体实时应用水平。 展开更多
关键词 智能物联网 边缘计算 马尔可夫决策过程 任务推理 卸载决策 智能视频监控
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部