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！

龙图腾网恭喜哈尔滨工业大学申请的专利面向云边端协同查询的深度学习代价估计系统、方法及设备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：CN114911823B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202210319734.0，技术领域涉及：G06F16/2453；该发明授权面向云边端协同查询的深度学习代价估计系统、方法及设备是由王宏志;张恺欣;崔双双;丁小欧设计研发完成，并于2022-03-29向国家知识产权局提交的专利申请。

本面向云边端协同查询的深度学习代价估计系统、方法及设备在说明书摘要公布了：面向云边端协同查询的深度学习代价估计系统、方法及设备，属于计算机技术领域。为了解决于目前还没有一种针对云、边、端三种设备联合查询优化的方法的问题。本发明所述系统中以云边端系统的系统节点元信息和协同查询计划树确定面向云边端协同查询的深度学习代价估计模型的模型输入，代价估计模型根据模型输入进行代价估计；代价估计模型采用残差连接的m个树卷积模块，对协同查询计划树编码进行特征融合和特征提取，进而得到针对每个云边端节点的查询计划特征；然后使用GCN和树卷积高效融合了查询特征和云边端数据库系统特征，实现了对云边端数据库的准确代价估计。本发明主要用于面向云边端协同查询的深度学习代价估计。

本发明授权面向云边端协同查询的深度学习代价估计系统、方法及设备在权利要求书中公布了：1.面向云边端协同查询的深度学习代价估计系统，其特征在于，所述系统包括输入数据单元和面向云边端协同查询的深度学习代价估计模型：所述输入数据单元基于云边端系统的元数据和协同逻辑查询计划信息，以云边端系统的系统节点元信息和协同查询计划树确定面向云边端协同查询的深度学习代价估计模型的模型输入；所述面向云边端协同查询的深度学习代价估计模型包括查询计划特征提取单元和图卷积信息融合单元；查询特征提取单元：接收协同查询计划树编码作为输入，采用残差连接的m个树卷积模块，对协同查询计划树编码进行特征融合和特征提取；提取出长度为的特征向量后，将该向量沿axis=0轴复制N次，形成N个长度为的特征向量，其中第i个特征向量对应着云边端系统中的一个云边端物理节点i；然后，对于每个云边端物理节点i，根据它所实际执行的数据库关系操作op，op是指向量树中的操作，对第i个特征向量中对应于操作op的部分进行保留，其余部分使用mask操作置为0，得到最终的针对每个云边端节点的查询计划特征F'；图卷积信息融合单元：接收系统节点元信息中对应的邻接矩阵和特征矩阵，分别记为邻接矩阵N和特征矩阵F；然后将查询计划特征F'与特征矩阵F拼接为融合特征矩阵F'-F，再使用基于谱方法的图卷积神经网络对邻接矩阵N和融合特征矩阵F'-F进行特征提取，最后将提取结果按行展开为一维向量，经过两层全连接神经网络后输出最终的代价估计结果。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92号；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”。