買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉長春師范大學申請的專利基于AI技術的高性能算力資源評估方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN120353682B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-09-16發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510838664.3，技術領域涉及：G06F11/34；該發(fā)明授權基于AI技術的高性能算力資源評估方法是由王志軍;周靖博;何冰;宋嚴;韓塞北設計研發(fā)完成，并于2025-06-23向國家知識產(chǎn)權局提交的專利申請。

本基于AI技術的高性能算力資源評估方法在說明書摘要公布了：本發(fā)明公開了基于AI技術的高性能算力資源評估方法，涉及高性能算力資源評估技術領域，解決了現(xiàn)有技術中，無法在算力資源評估調整時克服所有參數(shù)帶來的影響，降低了算力資源的處理性能的技術問題，具體為算力資源特性評估，依據(jù)算力資源所涉及的各類型硬件進行多維度指標采集檢測；完成多維度指標檢測后，通過AI技術對算力資源歷史運行過程進行檢測；算力參數(shù)評估，根據(jù)算力資源涉及的各類型硬件多維度指標進行權重分析，并根據(jù)影響權重占比劃分得到實時算力高性能參數(shù)和算力低性能參數(shù)；AI預測，對算力資源的負載進行檢測，輸入特征，并根據(jù)歷史輸出得到算力需求區(qū)間，以進行算力資源實時評估。

本發(fā)明授權基于AI技術的高性能算力資源評估方法在權利要求書中公布了：1.基于AI技術的高性能算力資源評估方法，其特征在于，評估方法如下： 步驟一、算力資源特性評估，依據(jù)算力資源所涉及的各類型硬件進行多維度指標采集檢測；完成多維度指標檢測后，通過AI技術對算力資源歷史運行過程進行檢測，對各類型硬件的對應多維度指標浮動進行時間節(jié)點統(tǒng)計，并根據(jù)時間節(jié)點分析推斷硬件適配效率，并在得到適配效率分析結果后，根據(jù)實時多維度指標參數(shù)的調控進行實時波動預測； 歷史運行檢測過程如下： 獲取當前算力資源的歷史運行時段，并采集歷史運行時段內多維度指標的量化參數(shù)，在算力資源執(zhí)行數(shù)據(jù)處理任務前，將當前時刻的量化參數(shù)設定為輸入特征，且數(shù)據(jù)處理任務的類型標記為任務特征； 在任務特征恒定時，記錄輸入特征的數(shù)值浮動時刻以及數(shù)據(jù)處理任務的異常時刻，若浮動時刻和異常時刻處于同一任務處理周期，則輸入特征的量化參數(shù)數(shù)值浮動進行統(tǒng)計，并根據(jù)數(shù)值浮動時刻和任務異常時刻的重疊概率作為影響等級的劃分標準，對數(shù)值浮動的特征向量進行影響設定， 若重疊概率超過設定概率閾值，則將對應浮動時刻出現(xiàn)浮動的特征向量設定為高概率影響向量，反之，若重疊概率未超過設定概率閾值，則將對應浮動時刻出現(xiàn)浮動的特征向量設定為低概率影響向量；并根據(jù)各類型特征向量與對應向量類型進行實時波動分析； 實時波動分析過程如下： 根據(jù)當前任務與歷史各時段任務進行任務特征比較，任務特征參數(shù)處于同一范圍的任務特征作為同類型任務，采集同類型任務執(zhí)行時出現(xiàn)浮動的量化參數(shù)特征向量，并根據(jù)同類型任務的歷史運行時段進行特征向量類型識別，為高概率影響向量時則進行數(shù)據(jù)處理任務異常預警并對歷史數(shù)據(jù)處理任務異常類型作為當前預警對象，根據(jù)預警對象進行特征向量調控；為低概率影響向量時則對歷史運行時段內特征向量的浮動趨勢進行識別，并將當前同類型特征向量進行浮動趨勢監(jiān)測并趨勢同步時進行及時調控 步驟二、算力參數(shù)評估，根據(jù)算力資源涉及的各類型硬件多維度指標進行權重分析，并根據(jù)影響權重占比劃分得到實時算力高性能參數(shù)和算力低性能參數(shù)；步驟二算力參數(shù)評估過程如下： 對多維度指標的量化參數(shù)進行數(shù)值浮動趨勢統(tǒng)計，并對量化參數(shù)的浮動趨勢進行分析，在量化參數(shù)浮動趨勢未趨于穩(wěn)定階段，獲取當前階段內數(shù)據(jù)處理任務的處理速度下降頻率與處理速度下降后速度恢復緩沖時長，若存在任一數(shù)值超過對應設定閾值的數(shù)據(jù)，則推斷當前量化參數(shù)為高危參數(shù)；反之，若不存在數(shù)值超過對應設定閾值的數(shù)據(jù)，則推斷當前量化參數(shù)為低危參數(shù)； 對高危參數(shù)的影響權重設定為高影響權重，且設定的權重因子為低數(shù)值因子；對高危參數(shù)的影響權重設定為低影響權重，且設定的權重因子為高數(shù)值因子；將多維度指標的量化參數(shù)進行類型劃分，即高影響權重和對應權重因子統(tǒng)一標記為算力高性能參數(shù)，將低影響權重和對應權重因子統(tǒng)一標記為算力低性能參數(shù)； 步驟三、AI預測，對算力資源的負載進行檢測，輸入特征，并根據(jù)歷史輸出得到算力需求區(qū)間，以進行算力資源實時評估；AI預測過程如下： 采集當前算力資源的多維度指標及對應量化參數(shù)，設定資源負載分析模型，將執(zhí)行階段內量化參數(shù)的浮動特征向量進行記錄，并標記為模型啟動特征，當模型啟動特征產(chǎn)生，根據(jù)模型啟動特征的類型進行算力資源利用率評估； 采集量化參數(shù)中高危參數(shù)和低危參數(shù)以及對應權重因子，且高危參數(shù)和低危參數(shù)分別標記為C高和C低；權重因子分別為Q高和Q低；通過公式得到高概率影響特征的影響系數(shù)S； 影響系數(shù)S超過系數(shù)閾值且持續(xù)增加則表明算力資源當前多維度指標對應利用率持續(xù)降低，并根據(jù)歷史運行時段內同類型任務執(zhí)行過程得到數(shù)據(jù)處理任務異常類型，并根據(jù)當前處理任務異常類型識別后，得到數(shù)據(jù)處理任務異常類型對應特征向量調控，并將歷史過程中特征向量調控范圍標記為當前算力資源的量化參數(shù)對應算力需求區(qū)間，根據(jù)算力需求區(qū)間對當前多維度指標進行調控； 反之，影響系數(shù)S未超過系數(shù)閾值且恒定則表明算力資源當前多維度指標對應利用率恒定。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人長春師范大學，其通訊地址為：130000 吉林省長春市長吉北路677號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。