-
公开(公告)号：CN104486212A
公开(公告)日：2015-04-01
申请号：CN201410758619.9
申请日：2014-12-09
Applicant: 东北大学
IPC: H04L12/701
Abstract: 本发明提供一种三维片上光网络拓扑及路由路径计算方法，所述三维片上光网络拓扑包括：N个光路由层，每一所述光路由层包括N行×N列个光路由器，每一所述光路由器与一个IP核相连，至少一个光路由层的每一所述光路由器与一个纵向光路由器相连，其中，所述N为大于等于3的自然数。每一所述光路由器与相邻的光路由器相连，每行或每列的第一个光路由器还与所述行或所述列的最后一个光路由器相连，每一所述纵向光路由器与另外两个光路由层内对应位置的光路由器相连，由此，降低了芯片资源消耗，缩减了最大芯片面积。
-
公开(公告)号：CN119397466B
公开(公告)日：2025-04-08
申请号：CN202510012248.8
申请日：2025-01-06
Applicant: 东北大学
IPC: G06F18/2433 , G06F18/2413 , G06F18/231 , G06N3/045 , G06N3/0895 , G06N3/098
Abstract: 本发明提供一种基于小样本数据增强的异常网络流量识别方法，包括：包括：S1、将一维流量数据转变为二维的灰度图，并使用结合了动态注意力机制的孪生网络逐对分析各类流量数据间的差异；分析孪生注意网络中注意力机制的参数，识别类间的差异特征；S2、使用类间特征差异矩阵选取训练域，引入对比学习方法判断真实数据与生成数据间差异，为每类流量生成增强数据集；S3、在接收中心服务器下发的增强数据集后，各边缘服务器使用增强数据集与本地的样本数据训练步骤S1中的孪生注意网络；由于本地样本数据集各不相同，每个边缘服务器训练得到适合本地数据分布的个性化异常流量识别与分类模型，并有效分类异常流量。
-
公开(公告)号：CN119397466A
公开(公告)日：2025-02-07
申请号：CN202510012248.8
申请日：2025-01-06
Applicant: 东北大学
IPC: G06F18/2433 , G06F18/2413 , G06F18/231 , G06N3/045 , G06N3/0895 , G06N3/098
Abstract: 本发明提供一种基于小样本数据增强的异常网络流量识别方法，包括：包括：S1、将一维流量数据转变为二维的灰度图，并使用结合了动态注意力机制的孪生网络逐对分析各类流量数据间的差异；分析孪生注意网络中注意力机制的参数，识别类间的差异特征；S2、使用类间特征差异矩阵选取训练域，引入对比学习方法判断真实数据与生成数据间差异，为每类流量生成增强数据集；S3、在接收中心服务器下发的增强数据集后，各边缘服务器使用增强数据集与本地的样本数据训练步骤S1中的孪生注意网络；由于本地样本数据集各不相同，每个边缘服务器训练得到适合本地数据分布的个性化异常流量识别与分类模型，并有效分类异常流量。
-
公开(公告)号：CN118629094B
公开(公告)日：2024-11-05
申请号：CN202411088015.8
申请日：2024-08-09
Applicant: 东北大学
Abstract: 本发明提供了一种面向虚实结合一体化仿真的数据同化方法及系统，涉及电数字数据处理技术领域，包括：分别对UWB或RTK设备收集的实时位置坐标数据，以及多个摄像机捕捉到的RGB人物图像数据进行数据预处理，得到真实世界中人体的位姿信息；将位姿信息输入至基于双层LSTM神经网络模型的状态估计模型中进行未来位姿状态估计，得到预测位姿信息；基于预测位姿信息和真实世界中人体的位姿信息，通过集合卡尔曼滤波进行状态校正，得到校正位姿状态；将校正位姿状态和位姿信息作为状态估计模型的输入，得到下一时刻的预测位姿信息。本发明能够利用实时观测数据与预测数据，通过数据预处理、状态估计、状态更新等方法实现高可信度的虚实结合仿真实验。
-
公开(公告)号：CN118331738A
公开(公告)日：2024-07-12
申请号：CN202410507430.6
申请日：2024-04-25
Applicant: 东北大学
IPC: G06F9/50 , G06N3/0442 , G06N3/0985 , G06N3/006 , G06N3/126
Abstract: 本发明提供一种基于延迟感知的容器云资源智能调度系统及工作方法。本发明方法具体步骤包括：收集历史应用资源消耗特征，计算系统最小逻辑调度单元Pod的β分位值，利用指数加权移动平均法计算t时刻Pod中第g个容器对某一种资源序号为z的β分位推荐值；确定待优化的GRU模型超参数，采用反向学习策略优化蜘蛛蜂的初始种群；优化后的新种群经历蜘蛛蜂的狩猎阶段、筑巢阶段、交配阶段更新种群，得到一组最优解作为GRU模型的超参数，设定GRU模型；建立延迟感知数学模型，并计算云中心节点和边缘云节点的Pod的综合延迟；得出优选阶段节点的评价函数；设置监控周期T，根据历史负载数据预测下一周期的负载，并输出当前以及下一周期的Pod资源配置建议。
-
Patent Agency Ranking
公开(公告)号：CN113347638B
公开(公告)日：2024-04-30
申请号：CN202110527019.1
申请日：2021-05-14
Applicant: 东北大学
IPC: H04W16/14 , H04W16/10 , H04B17/382 , H04B17/391
Abstract: 本发明公开一种认知工业物联网动态协作频谱预测与感知方法，步骤为：认知用户获取IEEE 802.11物理层标准所规定信道在过去K个时隙内的信道状态信息CSI；将上述所有信道的CSI分别输入信道预测模型，该模型由LSTM‑CNN网络构成；对于空闲概率大于p的信道，认知用户感知这些信道并判断信道的被占用情况；认知用户将判决结果发送到位于SDN控制器的聚合中心；聚合中心将各认知用户的判决结果进行数据融合，利用权重分配网络得到最终判决结果。本发明方法可实现信道的预筛选，节约信道感知过程的能量消耗，通过聚合中心融合多用户协作的感知结果，大幅提高信道预测和感知精度，更加适应复杂的射频环境。
-
公开(公告)号：CN117688608A
公开(公告)日：2024-03-12
申请号：CN202311737211.9
申请日：2023-12-15
Applicant: 国家电网公司东北分部 , 东北大学
IPC: G06F21/62 , G06F40/253 , G06F40/30 , G06F16/35 , G06Q50/06
Abstract: 本发明提供了一种数字电网零信任访问控制策略自动生成方法，涉及数据访问控制技术领域，包括如下步骤：S1、构建ABAC策略生成模型，并对ABAC策略生成模型进行离线训练；S11、提取非结构化访问控制策略；从自然语言文本和访问日志文件中提取访问控制策略，并结构化表述策略，得到结构化策略；S12、检测策略冗余与冲突；通过并行分析访问主体、客体与操作间的关系，检测结构化策略间的冲突；S13、构建ABAC策略生成模型；通过分析策略集的特征，识别安全控制意图，为访问控制系统建立策略生成模型；S2、使用训练后的ABAC策略生成模型在线自动生成访问策略。本发明通过离线训练ABAC策略生成模型与在线自动生成控制策略，实现了对系统资源的访问控制。
-
公开(公告)号：CN117687760A
公开(公告)日：2024-03-12
申请号：CN202311788359.5
申请日：2023-12-22
Applicant: 杭州智元研究院有限公司 , 东北大学
Abstract: 本发明一种面向LVC仿真的容器云资源智能调度方法，包括以下步骤：通过深度聚类算法，将交互频繁的任务容器化后聚类组合为同一个Pod；利用基于组合模型的负载预测模型，对动态变化的负载进行预测；利用基于动态优先级的抢占式调度方案，确定Pod的调度顺序，再结合抢占规则，确保高优先级Pod率先部署运行的同时保障低优先级Pod的正常调度，最后结合HPA策略，完成云仿真资源的弹性扩缩，本发明降低了云仿真中高频率虚实交互、通信所产生的延迟与通信开销，克服了现有方案中无法保障重要任务优先执行，且资源扩缩方法资源利用率低和延迟较高等问题，实现了对LVC云仿真系统中具备不同实时性要求的复杂异构资源的细粒度高效调度。
-
公开(公告)号：CN113436169B
公开(公告)日：2023-12-19
申请号：CN202110711857.4
申请日：2021-06-25
Applicant: 东北大学
Abstract: 情况下，显著提高了网络的拟合能力，减轻了人本发明提供一种基于半监督语义分割的工 工标注工作量。业设备表面裂纹检测方法及系统。本发明包括如下步骤：获取设备表面带裂纹的原始图片，进行像素级别的缺陷标注；将原始图片输入进深度卷积生成对抗网络进行训练，获得不带标签训练集；构建半监督语义分割网络SE‑Net，将带标签训练集和不带标签训练集输入进SE‑Net进行监督学习与无监督学习相结合的训练；生成器生成裂纹分割图像，鉴别器SE‑DNet对分割结果进行鉴别，判断输入属于标记图像还是SE‑GNet生成(56)对比文件冉蓉;徐兴华;邱少华;崔小鹏;欧阳斌.基于深度卷积神经网络的裂纹检测方法综述.计算机工程与应用.2021,全文.
-
公开(公告)号：CN116669105A
公开(公告)日：2023-08-29
申请号：CN202310421894.0
申请日：2023-04-19
Applicant: 东北大学
Abstract: 本发明一种基于DQN的分布式空基节点任务卸载与资源分配方法，包括以下步骤：S1:用目标问题公式P1表征卸载代价，并将其分解为有关于连续变量的计算资源子问题P2与传输子问题P3；S2:将目标问题P1相反值作为上层DQN网络的激励函数，在给定初始化发射功率与计算资源分配的条件下进行卸载模式、卸载目的地与信道选择的决策，实现对离散变量的优化；S3:将上层最优离散卸载决策作为既定条件输入至下层决策，利用基于库克塔恩条件的迭代算法与人工蜂鸟算法分别求解凸优化问题P2与非凸优化问题P3，实现对连续变量的优化；S4:如果|VUP‑VDOWN|大于阈值δ，返回S2，将下层决策所获得计算资源与发射功率最优解作为既定条件代回到上层中，重复迭代直至|VUP‑VDOWN|≤δ,实现任务卸载与资源分配。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.024 seconds)
