-
公开(公告)号：CN114205832B
公开(公告)日：2025-03-21
申请号：CN202010980243.1
申请日：2020-09-17
Applicant: 中兴通讯股份有限公司
Abstract: 本发明实施例提供一种无线网络优化方法、网络设备及计算机可读存储介质，通过根据待优化的无线网络中的小区的历史性能指标和该历史性能指标对应的历史配置参数训练得到性能优化模型，并以该性能优化模型作为后续优化调整的依据；由于是基于无线网络的真实的历史性能指标和该历史性能指标对应的历史配置参数训练得到的，因此更符合无线网络真实的运行环境，自适应性以及智能性更好，且以此为依据所做出的优化调整更为精准，使得调整后的无线网络的性能更好。
-
Patent Agency Ranking
公开(公告)号：CN116980917A
公开(公告)日：2023-10-31
申请号：CN202210388264.3
申请日：2022-04-13
Applicant: 中兴通讯股份有限公司
Abstract: 本发明涉及无线通信技术领域，公开了一种无线网络用户感知优化方法、装置、电子设备和存储介质。本发明中，该无线网络用户感知优化方法，包括：获取容量指标和用户感知指标之间的关系；根据容量指标和用户感知指标之间的关系，确定待优化的目标小区；基于目标小区与目标小区的主要邻区的负荷情况，获取目标小区的负荷分配策略；根据负荷分配策略，调整目标小区与主要邻区的网络配置参数。能够提高优化用户感知的准确度，且提高优化用户感知的效率。
-
公开(公告)号：CN112188505B
公开(公告)日：2024-05-10
申请号：CN201910591464.7
申请日：2019-07-02
Applicant: 中兴通讯股份有限公司
Inventor： 谢勤政
IPC: H04W16/18
Abstract: 本发明实施例公开了一种网络优化方法和装置，所述方法包括：对第一区域中的小区的存在的问题进行建模得到N个智能体、建模方法和训练方法；其中，所述第一区域包括的小区中存在的问题属于相同的问题种类的小区所占的比例大于或等于预设阈值，且包含的小区的地理位置连续，且第一区域的轮廓为外凸图形；对于每一个智能体，根据建模方法和训练方法确定所述智能体的初始模型，使用强化学习方法对智能体的初始模型进行训练；或者，根据智能体的训练后的模型对智能体对应的小区进行网络优化；或者，根据建模方法和训练方法确定智能体的初始模型，根据建模方法和训练方法使用强化学习方法对智能体的初始模型进行训练，对智能体对应的小区进行网络优化。
-
公开(公告)号：CN117560264A
公开(公告)日：2024-02-13
申请号：CN202210934982.6
申请日：2022-08-03
Applicant: 中兴通讯股份有限公司
IPC: H04L41/0631 , H04L41/0677 , H04L43/0823
Abstract: 本申请涉及一种故障检测方法、装置、电子设备及可读存储介质，方法包括步骤：获取时序数据，并将时序数据基于时序特征划分为不同的指标类别；针对每一指标类别的时序数据，获取与指标类别对应的检测算法，并通过检测算法对时序数据进行异常检测，得到时序数据对应的异常数据；根据异常数据确定异常时序数据以及对应的故障层级，并获取故障层级对应的选取策略；通过选取策略对故障进行定位，并根据故障层级确定故障类别。通过将时序数据划分为不同的指标类别，并基于指标类别匹配的检测算法的异常数据，使得降低了数据的复杂度，通过设置故障层级对应的选取策略实现故障的定位以及类别确定，使得能够快速实现对于故障的识别，提高故障检测效率。
-
公开(公告)号：CN114205832A
公开(公告)日：2022-03-18
申请号：CN202010980243.1
申请日：2020-09-17
Applicant: 中兴通讯股份有限公司
Abstract: 本发明实施例提供一种无线网络优化方法、网络设备及计算机可读存储介质，通过根据待优化的无线网络中的小区的历史性能指标和该历史性能指标对应的历史配置参数训练得到性能优化模型，并以该性能优化模型作为后续优化调整的依据；由于是基于无线网络的真实的历史性能指标和该历史性能指标对应的历史配置参数训练得到的，因此更符合无线网络真实的运行环境，自适应性以及智能性更好，且以此为依据所做出的优化调整更为精准，使得调整后的无线网络的性能更好。
-
公开(公告)号：CN112188505A
公开(公告)日：2021-01-05
申请号：CN201910591464.7
申请日：2019-07-02
Applicant: 中兴通讯股份有限公司
Inventor： 谢勤政
IPC: H04W16/18
Abstract: 本发明实施例公开了一种网络优化方法和装置，所述方法包括：对第一区域中的小区的存在的问题进行建模得到N个智能体、建模方法和训练方法；其中，所述第一区域包括的小区中存在的问题属于相同的问题种类的小区所占的比例大于或等于预设阈值，且包含的小区的地理位置连续，且第一区域的轮廓为外凸图形；对于每一个智能体，根据建模方法和训练方法确定所述智能体的初始模型，使用强化学习方法对智能体的初始模型进行训练；或者，根据智能体的训练后的模型对智能体对应的小区进行网络优化；或者，根据建模方法和训练方法确定智能体的初始模型，根据建模方法和训练方法使用强化学习方法对智能体的初始模型进行训练，对智能体对应的小区进行网络优化。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
