(SeaPRwire) –   BEIJING, Dec. 6, 2023 — Công ty WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” hoặc “Công ty”) – nhà cung cấp công nghệ Hologram Augmented Reality (“AR”) toàn cầu hàng đầu, hôm nay thông báo rằng họ đã phát triển một thuật toán lập lịch nhiệm vụ dựa trên học sâu tăng cường trong điện toán đám mây nhằm cải thiện hiệu suất và việc sử dụng tài nguyên của hệ thống điện toán đám mây. Học sâu tăng cường có thể giải quyết các vấn đề ra quyết định phức tạp bằng cách học hỏi và tối ưu hóa chiến lược. Bằng cách sử dụng học sâu tăng cường, vấn đề lập lịch nhiệm vụ có thể được chuyển đổi thành một vấn đề học tăng cường bằng cách đào tạo một mạng nơ-ron sâu để học chiến lược lập lịch nhiệm vụ tối ưu. Ưu điểm của học tăng cường là nó có thể tự điều chỉnh chính sách tuân thủ sự thay đổi môi trường và có thể thích ứng với các tình huống lập lịch nhiệm vụ phức tạp. Học sâu tăng cường có những ưu điểm như khả năng thích ứng, mô hình phi tuyến, học từ đầu đến cuối và khả năng khái quát trong lập lịch nhiệm vụ, và nó có thể xem xét đồng thời các yếu tố như thời gian thực hiện nhiệm vụ, yêu cầu tài nguyên, tình hình tải của máy ảo và độ trễ mạng, để thực hiện lập lịch nhiệm vụ một cách chính xác hơn, và cải thiện hiệu suất hệ thống và tỷ lệ sử dụng tài nguyên.

Thuật toán lập lịch nhiệm vụ dựa trên học sâu tăng cường của WiMi trong điện toán đám mây bao gồm biểu diễn trạng thái, lựa chọn hành động, hàm phần thưởng và đào tạo cũng như tối ưu hóa thuật toán. Biểu diễn trạng thái là một khâu quan trọng. Bằng cách biến đổi các thông tin khác nhau trong môi trường điện toán đám mây thành một hình thức có thể xử lý bởi mô hình học máy, nó có thể giúp mô hình hiểu tốt hơn tình hình lập lịch nhiệm vụ hiện tại, để đưa ra quyết định lập lịch nhiệm vụ hợp lý và chính xác hơn. Lựa chọn hành động cũng là một bước then chốt, tại mỗi bước thời gian, đại lý cần lựa chọn một hành động để thực hiện quyết định chiến lược lập lịch nhiệm vụ tại thời điểm hiện tại. Một thuật toán như vậy có thể lựa chọn một hành động tối ưu dựa trên trạng thái hiện tại của hệ thống để đạt được lập lịch nhiệm vụ điện toán đám mây hiệu quả. Mặt khác, hàm phần thưởng được sử dụng để đánh giá giá trị phần thưởng mà đại lý nhận được sau khi thực hiện một hành động, điều này đồng thời hướng dẫn quá trình ra quyết định của đại lý. Hàm phần thưởng có thể cho phép đại lý học hỏi và tối ưu hóa tốt hơn trong quá trình lập lịch nhiệm vụ.

Ngoài ra, việc đào tạo và tối ưu hóa thuật toán lập lịch nhiệm vụ dựa trên học sâu tăng cường trong điện toán đám mây cũng rất quan trọng. Trước tiên, cần xây dựng môi trường học tăng cường áp dụng cho vấn đề lập lịch nhiệm vụ, bao gồm định nghĩa trạng thái, hành động và hàm phần thưởng. Trạng thái có thể bao gồm thông tin như tình hình tải hệ thống hiện tại, thuộc tính và ưu tiên của nhiệm vụ; hành động có thể chọn gán nhiệm vụ cho máy ảo nhất định hoặc quyết định việc trì hoãn xử lý nhiệm vụ; và hàm phần thưởng có thể định nghĩa dựa trên thời gian hoàn thành nhiệm vụ, việc sử dụng tài nguyên và các chỉ số khác. Sau đó, thuật toán được đào tạo bằng thuật toán học sâu tăng cường như Deep Q-Network (DQN), một thuật toán học tăng cường dựa trên mạng nơ-ron có thể ra quyết định bằng cách học một hàm giá trị. Trong quá trình đào tạo, bằng cách tương tác với môi trường, thuật toán liên tục cập nhật các tham số của mạng nơ-ron để tối ưu hóa chiến lược ra quyết định lập lịch nhiệm vụ. Ngoài ra, một số kỹ thuật tối ưu như chơi lại kinh nghiệm và mạng đích có thể được sử dụng để cải thiện hơn nữa hiệu suất và ổn định của thuật toán. Qua quá trình đào tạo và tối ưu liên tục, thuật toán dần học được chiến lược tối ưu cho lập lịch nhiệm vụ, do đó cải thiện hiệu suất và hiệu quả của hệ thống.

Thuật toán lập lịch nhiệm vụ dựa trên học sâu tăng cường trong điện toán đám mây của WiMi đã đạt được cải thiện đáng kể về hiệu quả lập lịch nhiệm vụ cũng như hiệu suất hệ thống. Vẫn còn một số hướng nghiên cứu có thể được khám phá sâu hơn trong lĩnh vực công nghệ này. Trong tương lai, WiMi sẽ cải thiện hiệu suất và khả năng thích ứng của thuật toán lập lịch nhiệm vụ dựa trên học sâu tăng cường trong điện toán đám mây thông qua tối ưu đa mục tiêu, thích ứng trong môi trường động, xử lý độ không chắc chắn của mô hình, ra quyết định thời gian thực và cải thiện thuật toán để hỗ trợ tốt hơn cho các ứng dụng thực tế.

Về WiMi Hologram Cloud

WiMi Hologram Cloud, Inc. (NASDAQ: WIMI) là nhà cung cấp giải pháp kỹ thuật toàn diện dựa trên đám mây hologram tập trung vào các lĩnh vực chuyên nghiệp bao gồm phần mềm HUD tự động dựa trên hologram tăng cường, công nghệ LiDAR xung hologram 3D, thiết bị trường sáng hologram mang trên đầu, bán dẫn hologram, phần mềm đám mây hologram, định vị xe hơi dựa trên hologram và những ngành khác. Các dịch vụ và công nghệ hologram AR của họ bao gồm ứng dụng ô tô dựa trên hologram tăng cường, công nghệ LiDAR xung hologram 3D, công nghệ bán dẫn tầm nhìn hologram, phát triển phần mềm hologram, công nghệ quảng cáo giải trí dựa trên hologram, công nghệ giải trí dựa trên hologram, thanh toán SDK hologram tương tác, giao tiếp và các công nghệ hologram AR khác.

Tuyên bố an toàn hàng hải

Bài viết được cung cấp bởi nhà cung cấp nội dung bên thứ ba. SeaPRwire (https://www.seaprwire.com/) không đưa ra bảo đảm hoặc tuyên bố liên quan đến điều đó.

Lĩnh vực: Tin nổi bật, Tin tức hàng ngày

SeaPRwire cung cấp phát hành thông cáo báo chí thời gian thực cho các công ty và tổ chức, tiếp cận hơn 6.500 cửa hàng truyền thông, 86.000 biên tập viên và nhà báo, và 3,5 triệu máy tính để bàn chuyên nghiệp tại 90 quốc gia. SeaPRwire hỗ trợ phân phối thông cáo báo chí bằng tiếng Anh, tiếng Hàn, tiếng Nhật, tiếng Ả Rập, tiếng Trung Giản thể, tiếng Trung Truyền thống, tiếng Việt, tiếng Thái, tiếng Indonesia, tiếng Mã Lai, tiếng Đức, tiếng Nga, tiếng Pháp, tiếng Tây Ban Nha, tiếng Bồ Đào Nha và các ngôn ngữ khác. 

Bản tin này chứa “tuyên bố tương lai” theo Đạo luật Cải cách Quyền riêng tư Chứng khoán tư nhân năm 1995. Những tuyên bố tương lai này có thể nhận dạng được bằng cách sử dụng ngôn ngữ như “sẽ”, “dự kiến”, “dự đoán”, “tương lai”, “định”, “kế hoạch”, “tin tưởng”, “ước tính” và các tuyên bố tương tự. Những tuyên bố không dựa trên sự kiện lịch sử, bao gồm các tuyên bố về niềm tin và dự đoán của Công ty trong bản tin này và kế hoạch chiến lược và hoạt động c