-
公开(公告)号：CN114398160B
公开(公告)日：2025-05-06
申请号：CN202111550535.2
申请日：2021-12-17
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种基于自适应任务调度的全局感知模型构建方法及装置，该方法包括如下步骤：步骤S1，固定采样时间间隔，随机选择K个服务器；步骤S2，令K个服务器节点构建局部模型，利用边缘节点的分布式感知技术，并结合感知模型的任务分配方法，实现感知模型并行训练最小化和训练质量不断迭代校正的自适应任务分配，从而通过自适应任务分配选择合适的节点以实现局部模型的选取；步骤S3，定义一个智能体系统，基于局部模型的训练，采用最大估计效用的策略来选取执行参数传输，通过本地智能体与中心智能体参数的交互实现全局模型的构建。
-
公开(公告)号：CN112968794B
公开(公告)日：2023-01-17
申请号：CN202110116356.1
申请日：2021-01-28
Applicant: 广州杰赛科技股份有限公司
IPC: H04L41/0894 , H04L41/12 , G06F9/455
Abstract: 本发明实施例公开了一种网络功能链部署方法，所述方法包括接收网络功能链的部署请求，获取用于部署所述虚拟网络功能的多个节点的拓扑信息，建立以端对端时延最短的目标函数，所述目标函数满足在进行虚拟网络功能部署时对节点的可靠性约束、节点的资源容量约束、链路的可靠性约束，在对所述网络功能链进行部署时，根据虚拟网络功能携带的部署信息和所述多个节点的拓扑信息，寻找满足所述目标函数的节点进行部署，其能在满足低时延网络服务请求的同时，有效保证传输的可靠性。本发明实施例还相应提供了一种网络功能链部署装置、终端设备以及存储介质。
-
公开(公告)号：CN114462679A
公开(公告)日：2022-05-10
申请号：CN202210003743.9
申请日：2022-01-04
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明涉及通信技术领域，公开了一种基于深度学习的网络流量预测方法、装置、设备及介质，方法包括获取网络流量数据；对所述网络流量数据进行预处理，得到流量预测数据；基于卷积神经网络和长短期记忆网络对所述流量预测数据进行特征提取，得到时间特征和空间特征；根据多模态注意力机制网络对所述时间特征和所述空间特征进行融合，得到网络流量预测结果。本方法能够减小预测结果的误差，提高预测结果的准确度。
-
公开(公告)号：CN112199531A
公开(公告)日：2021-01-08
申请号：CN202011224930.7
申请日：2020-11-05
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种基于哈希算法和邻域图的跨模态检索方法及装置，检索方法包括：获取多模态原始样本，对多模态原始样本经过特征变换前后得到的残差值进行最小化处理，得到最小化残差值；根据协同矩阵分解方法学习多模态原始样本之间的潜在关联，并根据潜在关联计算得到多模态原始样本的模态间的语义一致性；采用邻域图的流行学习，计算得到多模态原始样本的模态内的语义一致性；将最小化残差值、模态间的语义一致性和模态内的语义一致性，结合避免过度拟合的正则化计算得到目标函数。本发明实施例通过综合考虑多模态的全局特征和模态间的局部特征，计算得到用于跨模态检索的目标函数，以实现提高跨模态检索的全面性和准确性。
-
公开(公告)号：CN112069895A
公开(公告)日：2020-12-11
申请号：CN202010770852.4
申请日：2020-08-03
Applicant: 广州杰赛科技股份有限公司
Abstract: 本发明实施例提供一种小目标的人脸识别方法及装置，所述方法包括：对获取到的小目标图像进行背景滤除，得到第一图像；对所述第一图像进行噪声抑制，得到目标图像；将所述目标图像输入到人脸识别模型进行人脸识别，输出识别结果；其中，所述人脸识别模型通过采用人脸图像及与所述人脸图像对应的标签作为卷积神经网络的训练集训练得到。本发明实施例能够提高人脸识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN103747477B
公开(公告)日：2017-08-25
申请号：CN201410019136.7
申请日：2014-01-15
Applicant: 广州杰赛科技股份有限公司
Abstract: 本发明公开了一种网络流量分析与预测方法和装置，先提取各个待测基站的流量时间序列的全局特征；然后根据所提取的全局特征进行聚类；再根据所聚类的结果，采集流量数据的属性特征；最后根据所述流量数据的属性特征和上一时刻的流量，进行流量预测。本发明提取时间序列的全局特征，用全局特征相似性来反映时间序列的相似性，抓住时间序列随时间变化的动态特征，得到更为合理的结果，同时通过用少量特征来描述大型时间序列，提高判定相似结果的稳健性，降低聚类计算过程中的复杂度；根据聚类结果采集与流量数据相关的各种属性特征，根据流量和属性特征共同预测流量数据，预测的信息量大，相应地提高了预测精度，对网络进行合理的资源配置。
-
公开(公告)号：CN103747477A
公开(公告)日：2014-04-23
申请号：CN201410019136.7
申请日：2014-01-15
Applicant: 广州杰赛科技股份有限公司
Abstract: 本发明公开了一种网络流量分析与预测方法和装置，先提取各个待测基站的流量时间序列的全局特征；然后根据所提取的全局特征进行聚类；再根据所聚类的结果，采集流量数据的属性特征；最后根据所述流量数据的属性特征和上一时刻的流量，进行流量预测。本发明提取时间序列的全局特征，用全局特征相似性来反映时间序列的相似性，抓住时间序列随时间变化的动态特征，得到更为合理的结果，同时通过用少量特征来描述大型时间序列，提高判定相似结果的稳健性，降低聚类计算过程中的复杂度；根据聚类结果采集与流量数据相关的各种属性特征，根据流量和属性特征共同预测流量数据，预测的信息量大，相应地提高了预测精度，对网络进行合理的资源配置。
-
公开(公告)号：CN114529010B
公开(公告)日：2025-03-21
申请号：CN202210109610.X
申请日：2022-01-28
Applicant: 广州杰赛科技股份有限公司 , 华南理工大学 , 广东工业大学
IPC: G06N3/045 , G06N3/0475 , G06N3/0442 , G06N3/092 , G06N3/084 , G06N3/0985
Abstract: 本发明公开一种机器人自主学习方法、装置、设备及存储介质，该方法包括：基于预先构建的虚拟环境，获取由虚拟环境自动生成的环境参数；根据环境参数，通过深度学习模型生成训练数据；根据训练数据，采用分层强化学习框架生成至少一个机器人技能；根据待执行任务确定机器人的状态空间，基于状态空间，采用变分推理方法预测待执行任务的潜在技能向量，潜在技能向量与至少一个机器人技能中的其中一个机器人技能具有一一对应的关系；根据机器人技能和潜在技能向量，采用强化学习算法获得用于完成待执行任务的机器人控制策略。本发明在面对不同类型的任务时，无需重复针对不同类型的任务对机器人进行技能训练，提高了机器人进行自主学习的泛化性。
-
公开(公告)号：CN114710325B
公开(公告)日：2023-09-15
申请号：CN202210263547.5
申请日：2022-03-17
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种网络入侵检测模型的构建方法、装置、设备及存储介质，该方法包括：获取网络入侵检测的第一流量数据集；其中，所述第一流量数据集包括多个连续采样周期的流量时序数据；对所述第一流量数据集进行预处理，得到第二流量数据集；通过EfficientNet对所述第二流量数据集进行特征提取，得到初始特征图；基于域随机化方法和所述初始特征图合成多个仿真特征图，以构成仿真特征图集；通过所述初始特征图和所述仿真特征图集对预先构建的深度学习模型进行训练，得到网络入侵检测模型。采用本发明实施例能够提高检测数据量较少的网络攻击的准确率。
-
公开(公告)号：CN114710325A
公开(公告)日：2022-07-05
申请号：CN202210263547.5
申请日：2022-03-17
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种网络入侵检测模型的构建方法、装置、设备及存储介质，该方法包括：获取网络入侵检测的第一流量数据集；其中，所述第一流量数据集包括多个连续采样周期的流量时序数据；对所述第一流量数据集进行预处理，得到第二流量数据集；通过EfficientNet对所述第二流量数据集进行特征提取，得到初始特征图；基于域随机化方法和所述初始特征图合成多个仿真特征图，以构成仿真特征图集；通过所述初始特征图和所述仿真特征图集对预先构建的深度学习模型进行训练，得到网络入侵检测模型。采用本发明实施例能够提高检测数据量较少的网络攻击的准确率。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.035 seconds)
