申请/专利权人：广东工业大学

申请日：2021-10-28

公开（公告）日：2022-01-18

公开（公告）号：CN113946424A

主分类号：G06F9/48(20060101)

分类号：G06F9/48(20060101);G06K9/62(20220101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.02.08#实质审查的生效;2022.01.18#公开

摘要：本发明公开了基于图卷积网络的软硬件划分和任务调度模型及其方法，模型包括数据处理模块、图神经网络模块、任务调度模块、主函数模块；方法中，采用余弦相似度表征相邻节点间的相似度，大大提高了建模精度；采用图卷积网络提取任务之间的依赖关系，进一步提高了准确率；采用软硬件划分与任务调度相结合，得到的模型的整合度更高；通过更具有划分意义的特征：硬件增益和单位面积增益，使得信息利用率得到大大提高。

主权项：1.基于图卷积网络的软硬件划分和任务调度模型，其特征在于，包括数据处理模块1、图神经网络模块2、任务调度模块3、主函数模块4；其中，所述数据处理模块1，用于读取任务图的特征矩阵F和邻接矩阵A，并对特征矩阵F和邻接矩阵A进行预处理；所述图神经网络模块2，用于接收来自数据处理模块1的已经过预处理的任务图的特征矩阵F和邻接矩阵A，输出一个X∈RN×2的概率向量，N为任务图的节点数，X中的第一列表示每个任务属于软件实现的概率，第二列表示每个任务属于硬件实现的概率，且每一行的和为1；通过设定概率阈值，将概率向量转为划分标签向量；所述任务调度模块3，用于接收图神经网络模块2输出的划分标签向量和对应的任务图数据，对划分后的任务图进行调度，通过任务调度得到划分标签向量对应的系统运行时间；所述主函数模块4，用于负责按运算顺序，整合数据处理模块1、图神经网络模块2和任务调度模块3为一个模型整体，设定训练次数、优化算法和损失函数，并对训练好的最终模型进行评估和测试。

全文数据：

权利要求：

百度查询： 广东工业大学 基于图卷积网络的软硬件划分和任务调度模型及其方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD