-
公开(公告)号：CN116346863B
公开(公告)日：2023-08-01
申请号：CN202310609308.5
申请日：2023-05-29
Applicant: 湘江实验室
Abstract: 本发明公开了一种基于联邦学习的车载网数据处理方法、装置、设备及介质，包括：根据各个节点的历史通信消息数据和硬件配置信息，构建车载网的分层结构；针对每个基础分层，基于节点对应的车辆特征信息进行分组，得到至少两个基础分组；对于每个基础分组，进行组内消息队列的部署，得到目标分组；将车载网内的每个车辆标识关联分配到目标分组；执行组内局部联邦学习，对目标分组内每个节点的本地模型进行聚合更新，得到更新后的局部全局模型；将每个目标分组作为一个中心，采用每个中心对应的更新后的局部全局模型进行全局学习，得到每个中心对应的全局模型，并采用全局模型进行车载网数据的处理。采用本发明可确保数据隐私性和处理结果的准确性。
-
公开(公告)号：CN116346726A
公开(公告)日：2023-06-27
申请号：CN202310614435.4
申请日：2023-05-29
Applicant: 湘江实验室
IPC: H04L47/125 , H04L45/00 , H04L45/76
Abstract: 本发明实施例中提供了一种自适应突发流量的主机端负载均衡方法，属于电通信技术领域，具体包括：步骤1，当上层应用发出的TCP数据包经过Hypervisor层并进入主机端负载均衡系统时，流量监控模块根据TCP头部字段的源目的IP地址、源目的端口号进行哈希计算，得到该数据流编号并将其作为主键建立数据流映射表；步骤2，流量监控模块根据预设公式计算每条传输路径的拥塞程度并为每条传输路径分配路径编号，并结合单向传输延迟构建路径拥塞映射表；步骤3，流量监控模块查询数据流映射表得到当前数据流的状态；步骤4，重路由模块根据当前数据流的状态对其进行路由决策。通过本发明的方案，提高了调度自适应性和传输性能。
-
公开(公告)号：CN119988898A
公开(公告)日：2025-05-13
申请号：CN202510484229.5
申请日：2025-04-17
Applicant: 湘江实验室
IPC: G06F18/20 , G06F9/50 , G06F17/16 , G06F17/18 , G06F18/21 , G06F18/22 , G06F18/2321 , G06F18/2431
Abstract: 本申请涉及联邦学习技术领域，提供了一种面向算力调度模型训练的数据投毒识别方法及设备，该方法包括：对模型更新进行聚类，得到多个模型更新聚类簇，并生成每个模型更新聚类簇的代表模型；对代表模型进行评分得到每个代表模型的平均评分，并根据所有平均评分将所有代表模型划分为多个良性代表模型和多个疑似毒性代表模型；从疑似毒性代表模型对应的模型更新聚类簇中确定出多个满足良性条件的良性模型更新，并基于所有良性模型更新生成二次良性代表模型；计算每个良性代表模型、每个二次良性代表模型的更新权重；根据所有更新权重和所有模型更新对全局模型进行更新，得到最终全局模型。本申请的方法能够提高算力调度模型训练的安全性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN119493669B
公开(公告)日：2025-04-08
申请号：CN202510072225.6
申请日：2025-01-17
Applicant: 湘江实验室
Abstract: 本发明公开了一种基于深度强化学习的算力网络调度方法、装置及介质，该方法包括：获取算力网络环境信息；基于算力网络环境信息和初始调度模型信息，确定出目标调度模型信息；目标调度模型信息包括M个目标资源调度模型；目标资源调度模型包括第一目标资源调度模型，和/或，第二目标资源调度模型；基于目标调度模型信息和算力网络环境信息，确定出目标算力网络资源调度结果信息；目标算力网络资源调度结果信息包括算力调度类型和算力参数信息。本发明的算力网络调度方法能够基于深度强化学习方式来对算力网络资源进行调度，可提高调度效率和精度，进而提高用户使用体验感。
-
公开(公告)号：CN119493669A
公开(公告)日：2025-02-21
申请号：CN202510072225.6
申请日：2025-01-17
Applicant: 湘江实验室
Abstract: 本发明公开了一种基于深度强化学习的算力网络调度方法、装置及介质，该方法包括：获取算力网络环境信息；基于算力网络环境信息和初始调度模型信息，确定出目标调度模型信息；目标调度模型信息包括M个目标资源调度模型；目标资源调度模型包括第一目标资源调度模型，和/或，第二目标资源调度模型；基于目标调度模型信息和算力网络环境信息，确定出目标算力网络资源调度结果信息；目标算力网络资源调度结果信息包括算力调度类型和算力参数信息。本发明的算力网络调度方法能够基于深度强化学习方式来对算力网络资源进行调度，可提高调度效率和精度，进而提高用户使用体验感。
-
公开(公告)号：CN118802593A
公开(公告)日：2024-10-18
申请号：CN202411273542.6
申请日：2024-09-12
Applicant: 湘江实验室
IPC: H04L41/149 , H04L41/0896
Abstract: 本申请涉及算力网络带宽预测技术领域，提供了一种算力网络的带宽预测方法、装置、设备及介质。该方法包括：获取目标算力网络在T个时刻的带宽值；根据所有带宽值获取带宽时域信息和带宽频域信息，并将带宽时域信息和带宽频域信息进行拼接，得到融合信息；将融合信息线性投影到隐藏维度，得到融合信息的第一投影和第二投影，对第一投影和第二投影进行下采样的特征提取，得到局部特征，并对第一投影和第二投影进行上采样的特征提取，得到全局特征；将局部特征和全局特征进行融合，得到最终特征；对最终特征进行预测，得到当前时刻目标算力网络的预测带宽值。本申请的带宽预测方法能够提高带宽预测的准确性。
-
公开(公告)号：CN116843166A
公开(公告)日：2023-10-03
申请号：CN202311113525.1
申请日：2023-08-31
Applicant: 湘江实验室
IPC: G06Q10/0631 , G06Q50/30
Abstract: 本申请适用于智能交通技术领域，提供了一种打车方法、装置、设备及介质。该打车方法包括：获取接收到的多个打车请求对应的打车起点位置，并将多个打车请求加入任务队列；基于每个打车请求对应的打车起点位置，从多个打车请求中获取预设数量的目标打车请求；为目标打车请求分配一处理单元，并通过处理单元对目标打车请求进行车辆匹配；判断车辆匹配结果是否满足冲突条件，若满足，则控制目标打车请求回至任务队列中，并返回基于每个打车请求对应的打车起点位置，从多个打车请求中获取预设数量的目标打车请求的步骤，否则，将距离目标打车请求对应的打车起点位置最近的车辆分配给用户。本申请的打车方法能降低打车请求之间产生冲突的概率。
-
公开(公告)号：CN116346726B
公开(公告)日：2023-08-15
申请号：CN202310614435.4
申请日：2023-05-29
Applicant: 湘江实验室
IPC: H04L47/125 , H04L45/00 , H04L45/76
Abstract: 本发明实施例中提供了一种自适应突发流量的主机端负载均衡方法，属于电通信技术领域，具体包括：步骤1，当上层应用发出的TCP数据包经过Hypervisor层并进入主机端负载均衡系统时，流量监控模块根据TCP头部字段的源目的IP地址、源目的端口号进行哈希计算，得到该数据流编号并将其作为主键建立数据流映射表；步骤2，流量监控模块根据预设公式计算每条传输路径的拥塞程度并为每条传输路径分配路径编号，并结合单向传输延迟构建路径拥塞映射表；步骤3，流量监控模块查询数据流映射表得到当前数据流的状态；步骤4，重路由模块根据当前数据流的状态对其进行路由决策。通过本发明的方案，提高了调度自适应性和传输性能。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
