-
公开(公告)号：CN110161048A
公开(公告)日：2019-08-23
申请号：CN201910523647.5
申请日：2019-06-17
Applicant: 西南交通大学 , 成都大学 , 中国科学院上海应用物理研究所 , 中国科学院力学研究所 , 中国科学院高能物理研究所
Abstract: 本申请提供一种基于先进光源原位成像的超高周疲劳损伤试验系统，通过将超高周疲劳试验设备中的载荷传感装置及驱动装置安装在试验基座上，将驱动装置与超声共振装置连接，以通过超声共振装置固定待测试件，并通过驱动装置带动超声共振装置靠近或远离载荷传感装置，其中超声共振装置在待测试件与载荷传感装置接触时对待测试件施加超声谐振波，载荷传感装置用于对驱动装置施加的载荷进行检测，以实现对待测试件的快速疲劳损伤试验。本申请还通过在试验设备周围设置先进光源及成像捕捉设备，使先进光源发出的射线投射在待测试件上，并由成像捕捉设备对穿透待测试件的射线进行捕捉，以实现对待测试件内部的疲劳损伤演变过程的原位成像监控。
-
公开(公告)号：CN109889450A
公开(公告)日：2019-06-14
申请号：CN201910187942.8
申请日：2019-03-13
Applicant: 西南交通大学
IPC: H04L12/801 , H04L12/825 , H04L12/851 , H04L12/927
Abstract: 本发明属于组播数据传输的速率控制，具体是组播速率控制方法以及组播传输设备，组播速率控制方法，通过捎带在组播数据包上的用于对链路各节点的发送速率进计算、协商和反馈的控制包头按照分配策略动态地探测、获取位于链路上的各中间节点所分配的数据速率并调整组播的发送速率。本组播速率控制方法让所有接收节点都参与组播发送速率的动态控制中，无需占用多个优先级队列就能够为组播业务实现基于优先级的带宽分配，提供QoS保证；并且，易于实现，对硬件存储、计算能力要求低，能够在目前的可编程硬件上实现并提供线速处理能力。
-
公开(公告)号：CN108923949A
公开(公告)日：2018-11-30
申请号：CN201810359237.7
申请日：2018-04-20
Applicant: 西南交通大学
Abstract: 本发明公开了一种面向用户移动性的网络边缘缓存调整方法，该方法包括以下步骤：S1,将所有网络节点进行分组，构建多层网络缓存的架构，S2，依次计算用户在节点的停留时间和在用户区域的停留时间，S3，基于用户的移动情况和网络状况对移动型用户在各个节点的下载能力建立预测模型，S4，基于下载能力预测模型结合自适应的分块反馈网络缓存调整方法对边缘缓存部署方式进行调整。本发明提供的技术方案通过重新设计缓存空间的部署位置，进一步降低骨干网负载的空间，加入了下载情况反馈机制，修正了下载能力预测模型的预测极限的问题，能够依据用户需求提供适量且足量的缓存服务，以满足移动性强的用户的内容访问需求，能够大幅节省缓存空间。
-
公开(公告)号：CN104219154A
公开(公告)日：2014-12-17
申请号：CN201410486183.2
申请日：2014-09-22
Applicant: 西南交通大学
IPC: H04L12/751 , H04L12/757 , H04W40/02 , H04W40/24
Abstract: 本发明公开了一种基于蚁群优化算法的网络编码环境下资源优化的方法。采用本发明在网络拓扑图上通过蚁群优化算法，在保证传输速率不变的情况下，尽量优化网络编码资源。其主要特征包括信息素的分布式、多维的维护方式，针对问题提出的启发因子，以及局部的惩罚和奖励信息素更新方式等。通过研究与实验表明，本发明在所有的测试用例上都可以找到最优的解，同时，与其他目前较好的解决网络编码资源优化问题的算法相比，本发明在性能上和效率上都具有显著优势，证明了本发明的可行性和可用性。
-
公开(公告)号：CN115250253B
公开(公告)日：2024-02-27
申请号：CN202210712450.8
申请日：2022-06-22
Applicant: 西南交通大学
IPC: H04L47/125 , H04L67/1001 , H04L41/16
Abstract: 本发明的主要目的在于提供带宽感知的归约处理方法以加速分布式场景中AI模型的训练，解决了现有技术中网络链路利用率不足的技术问题。带宽感知的归约处理方法，包括以下步骤：step110，判断工作模式，当工作模式为阻塞模式时进入步骤step120，当工作模式为非阻塞模式时进入步骤step130；step120，当有p个节点完成训练后，根据p个节点的带宽获取新的模型切分方案，然后对AI模型进行切分，将切分得到的模型分块发送给其它节点；step130，在每个节点完成训练后，按照预定义的模型切分方案对AI模型进行切分，然后将切分得到的模型分块发送给其它节点；step140，所有节点收齐来自p个节点的模型分块后，对模型分块进行聚合；其中，所述模
-
Patent Agency Ranking
公开(公告)号：CN117081982A
公开(公告)日：2023-11-17
申请号：CN202311103072.4
申请日：2023-08-30
Applicant: 西南交通大学
IPC: H04L45/24 , H04L45/02 , H04L67/1097
Abstract: 本发明公开了一种面向在网聚合的路由编排方法，具体为：获取网络拓扑信息，包括各节点之间的连接、带宽限制、每个可编程交换机的pipeline数量等；将Clos结构的网络拓扑展开为非折叠的形式，使得节点之间的连接均为单向；然后从中提取出包含各个worker到PS的所有最短路径，以及这些路径所经过的交换机，形成新的网络拓扑；在该拓扑中将可编程交换机进行抽象，然后转换链路状态为9种链路参数作为模型输入；以使得worker的发送速率最大建立模型并求解；根据模型的求解结果生成路由。本发明针对可编程交换机和普通交换机混合的场景设计路由方案，最大限度发挥设备的在网聚合能力，提升分布式应用的性能。
-
公开(公告)号：CN114926823B
公开(公告)日：2023-04-18
申请号：CN202210494451.X
申请日：2022-05-07
Applicant: 西南交通大学
IPC: G06V20/59 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及车辆驾驶行为预测技术领域，涉及一种基于WGCN的车辆驾驶行为预测方法，包括：一、生成每辆车的特征矩阵和本地地图；二、特征矩阵加权后和经过CNN编码后的本地地图构建成一张图，并输入到边‑增强的图卷积神经网络GCN中；三、通过GCN提取输入数据的特征，利用GCN的边‑增强注意力机制使边特征的维数增加，提高权重系数分配的准确率；利用GCN的特征传递机制使得车辆的交互特征能以图的形式进行传递，充分表示了车辆之间的交互关系变化；四、将GCN输出的交互特征输入Transformer进行训练；五、通过全连接层获得对车辆驾驶行为的预测结果。本发明使得对车辆驾驶行为预测有更高的准确性。
-
公开(公告)号：CN110572332B
公开(公告)日：2022-08-26
申请号：CN201910816830.4
申请日：2019-08-30
Applicant: 西南交通大学
IPC: H04L47/125 , H04L43/0876
Abstract: 本发明专利涉及通信领域中的网络测量任务分配，具体涉及一种网络设备报文观测数据采集任务划分方法，包括以下操作：统计出所有能对TCP流生成报文观测数据的网络设备；设定通信对；对所有通信对按照估计包含的TCP流数目由大到小进行排序；按照排序后获得的顺序依次确定各个通信对所对应的测量任务负载值并将测量任务分配到不同的网络设备；将存在等价路径、同时拥有多条传输路径且经过每条传输路径的TCP流数目已知的通信对组成的所有路径，构建一个有向无环图；对该通信节点经过链路上进行测量得到测量值，根据测量值，依次选择具体测量节点。通过采用本方法，可以避免重复测量，均衡各个网络设备各入端口上的测量任务负载。
-
公开(公告)号：CN111163013B
公开(公告)日：2022-04-29
申请号：CN202010135910.6
申请日：2020-03-02
Applicant: 西南交通大学
IPC: H04L47/12 , H04L67/104 , H04L69/164
Abstract: 本发明公开一种基于UDP的半可靠数据传输拥塞控制方法，数据存储者和数据请求者之间传输数据过程中，检测丢包，并采用基于拥塞窗口的方式控制发送速率；无需保证数据按序到达，能够容忍一定的丢包，传输任务完成的标志是成功传输的数据总量达到给定的值，或者满足一定的条件时，如收到足够多的数据，让请求者能够成功解码出源数据；在不可靠的网络环境下，即可丢包的网络环境，也能保证高的吞吐率；能够根据可用带宽的变化动态调整数据的发送速率，降低拥塞丢包。
-
公开(公告)号：CN109547275B
公开(公告)日：2021-04-16
申请号：CN201910095639.5
申请日：2019-01-31
Applicant: 西南交通大学
Abstract: 本发明公开了一种面向用户移动性的网络边缘缓存调整方法，该方法包括以下步骤：S1,将所有网络节点进行分组，构建多层网络缓存的架构，S2，依次计算用户在节点的停留时间和在用户区域的停留时间，S3，基于用户的移动情况和网络状况对移动型用户在各个节点的下载能力建立预测模型，S4，基于下载能力预测模型结合自适应的分块反馈网络缓存调整方法对边缘缓存部署方式进行调整。本发明提供的技术方案通过重新设计缓存空间的部署位置，进一步降低骨干网负载的空间，加入了下载情况反馈机制，修正了下载能力预测模型的预测极限的问题，能够依据用户需求提供适量且足量的缓存服务，以满足移动性强的用户的内容访问需求，能够大幅节省缓存空间。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.026 seconds)
