-
Patent Agency Ranking
公开(公告)号：CN115038140B
公开(公告)日：2024-10-29
申请号：CN202210448797.6
申请日：2022-04-27
Applicant: 东北大学
Abstract: 本发明提供一种基于空地集群轨迹预测的组播路由方法，采用时间窗口挖掘用户的移动轨迹，构建图多注意力机制网络预测移动实体的轨迹变化，搭建工作移动模型生成移动实体的运动节点，最后构造分布式群组采用等待‑对比‑分离的策略产生动态组播树实现多目的地消息寻路。本发明减少了位置注册信令开销，动态调整网络链路节点资源，提高了消息传输成功率和数据分发开销比率，对于移动规律性较强的用户，提供了高效的资源分发机制，在灾害救援、智能消防、工业网络、公共事业、公众健康、环境保护等诸多领域有着广阔的应用前景。
-
公开(公告)号：CN115038140A
公开(公告)日：2022-09-09
申请号：CN202210448797.6
申请日：2022-04-27
Applicant: 东北大学
Abstract: 本发明提供一种基于空地集群轨迹预测的组播路由方法，采用时间窗口挖掘用户的移动轨迹，构建图多注意力机制网络预测移动实体的轨迹变化，搭建工作移动模型生成移动实体的运动节点，最后构造分布式群组采用等待‑对比‑分离的策略产生动态组播树实现多目的地消息寻路。本发明减少了位置注册信令开销，动态调整网络链路节点资源，提高了消息传输成功率和数据分发开销比率，对于移动规律性较强的用户，提供了高效的资源分发机制，在灾害救援、智能消防、工业网络、公共事业、公众健康、环境保护等诸多领域有着广阔的应用前景。
-
公开(公告)号：CN115037669A
公开(公告)日：2022-09-09
申请号：CN202210449032.4
申请日：2022-04-27
Applicant: 东北大学
IPC: H04L45/02 , H04L45/12 , H04L45/645 , H04L49/25 , H04L41/044 , H04L41/14 , H04L41/0895
Abstract: 本发明提供一种基于联邦学习的跨域数据传输方法，首先设计了基于深度强化学习的智能路由方法，该方法根据网络当前状态做出最优的路由选择，其次引入联邦学习将各个域的深度强化学习智能体上传的参数进行融合，得到决策能力更强的深度强化智能体，并将该智能体应用于跨域路由的决策过程中，各域根据域间路由和本域内的路由策略对跨域数据进行数据转发，在保证域内隐私的前提下，本发明提升了大量数据跨域传输的性能，具有很强的现实意义和广阔的应用前景。
-
公开(公告)号：CN116939761A
公开(公告)日：2023-10-24
申请号：CN202310922620.X
申请日：2023-07-26
Applicant: 东北大学
Abstract: 本发明提供一种基于强化学习的空地协同路由方法，为满足空地协同需求，根据无人机群以及地面无人车群，使用SDN设计了一个面向空地协同背景的网络拓扑模型，根据SDN构建空地协同网络拓扑模型的网络连接拓扑，构建强化学习模型，基于单域控制网络架构整合整个动态化网络拓扑信息并根据强化学习实时地进行路由决定策略，在控制器中结合网络拓扑状态感知机制得到拓扑的变化信息，域内域控制器使用强化智能体实现自学习路由路径控制。与传统的路由算法相比降低了路由的链路时延，提高了空地协同网络传输时效性，由于本发明具有很好的泛化能力，解决了空地协同网络的高动态性带来的不确定性问题。
-
公开(公告)号：CN115037669B
公开(公告)日：2023-05-02
申请号：CN202210449032.4
申请日：2022-04-27
Applicant: 东北大学
IPC: H04L45/02 , H04L45/12 , H04L45/645 , H04L49/25 , H04L41/044 , H04L41/14 , H04L41/0895
Abstract: 本发明提供一种基于联邦学习的跨域数据传输方法，首先设计了基于深度强化学习的智能路由方法，该方法根据网络当前状态做出最优的路由选择，其次引入联邦学习将各个域的深度强化学习智能体上传的参数进行融合，得到决策能力更强的深度强化智能体，并将该智能体应用于跨域路由的决策过程中，各域根据域间路由和本域内的路由策略对跨域数据进行数据转发，在保证域内隐私的前提下，本发明提升了大量数据跨域传输的性能，具有很强的现实意义和广阔的应用前景。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
