一种基于强化学习的软件定义车联网分层路由方法

    公开(公告)号:CN118282917A

    公开(公告)日:2024-07-02

    申请号:CN202410368240.0

    申请日:2024-03-28

    Abstract: 本发明涉及通信技术,特别涉及一种基于强化学习的软件定义车联网分层路由方法,包括获取历史交通流信息,对历史交通流信息进行预处理,并使用预处理后的信息基于策略梯度的PPO算法离线训练模型;获取实时交通流信息,对实时交通流信息进行预处理,将预处理后的信息输入完成训练的模型得到路由决策;本发明通过PPO+GRU训练好的模型进行路由决策,并使用路口RSU辅助转发数据包,可以降低V2V通信时延、包丢失率以及提高系统吞吐量。

    一种基于深度学习的光端机设备故障预测方法

    公开(公告)号:CN119807661A

    公开(公告)日:2025-04-11

    申请号:CN202411891062.6

    申请日:2024-12-20

    Abstract: 本发明涉及一种基于深度学习的光端机设备故障预测方法,包括接收光端机的历史运行性能指标数据和历史环境状态监测数据并预处理;从光端机的历史运行性能指标数据和历史环境状态监测数据通过自适应大小的时间滑动窗口获得待测运行性能指标数据序列和待测环境状态监测数据序列;将待测运行性能指标数据序列分别输入LSTM模型和第一TCN模型进行特征提取,得到全局特征序列和局部特征序列,将待测环境状态监测数据序列输入第二TCN模型进行特征提取,得到外部因素特征序列,利用预设的加权因子将全局特征序列、局部特征序列和外部因素特征序列进行加权融合得到融合特征序列,将融合特征序列输入基于特征维度注意力和时间维度注意力的Transformer编码器,输出预测结果,本发明可以显著提高预测结果的准确性。

Patent Agency Ranking