以前的算法研究

  • 自定义规则解析器(基于Lark parser，支持中文，包括约束和逻辑)，已开源
  • 使用概率模型测试高性能分布式计算实时响应时间，可用于测试网络程序的性能
  • 强化学习损失函数以优化模型
  • 基于内容过滤，协同过滤的推荐系统，比如使用用户信息，产品参数，评分等推荐相关产品；
  • 基于上置信界UCB算法
  • 基于朴素贝叶斯算法的垃圾信息过滤；
  • 用户行为和销售产品的分析预测，基于混合高斯模型；
  • 基于指数衰减窗口算法的最流行物品排行榜；
  • minimax算法；
  • 蒙特卡洛树搜索；
  • 强化学习贝尔曼方程
  • 我们在NbSe2, Al, Pb, Pt, PID等算法上也有过深入研究。

系统底层性能优化和网络安全

  • 我们还做过高端系统底层性能优化和网络安全
  • 使用非侵入式性能分析，如Perf, eBPF，火焰图监测性能瓶颈; 微调Linux参数(handle, kernel); Mysql (buffer/caching, locking, transaction, index, sql, isolation level)参数微调; TCP/IP (MTU, buffer, window)底层参数微调; C++高性能算法优化(并行化，concurrency locking，启发式heuristic); OpenMPI (Message Passing Interface) for inter-process communication even across machines; OpenMP (Multi-Processing) for multi-process coordination/synchronisation; 高性能数据结构; 内存分配; 缓存cache算法(包括CPU, memory, distributed); MySQL性能优化(transaction, locking, caching, isolation level)参数微调。
  • 企业级安全策略语言security policy language。

过往项目

  • 我们曾参与英国与欧盟GRIDCC高级研究项目，北美NMR高级研究项目
  • 以前的研究项目使用到云计算，工作流，嵌入式Linux。
  • 以前发表的[文章]
滚动至顶部