-
Patent Agency Ranking
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。
-
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：CN118118403A
公开(公告)日：2024-05-31
申请号：CN202410148685.8
申请日：2024-02-02
Applicant: 东北大学
IPC: H04L45/036 , H04L45/02 , H04L45/00
Abstract: 本发明公开一种基于图神经网络和DDQN的SDN域间路由方法，涉及计算机网络路由技术领域。发明提出的技术方案使用了图神经网络算法模型，可以学习输入和输出数据之间的复杂关系，并可以学习捕捉、建模网络的固有物理特性，对网络可以进行精准的建模与求解。在效果方面，本发明的技术方案在SDN网络上表现出良好的稳定性，可以及时有效解决网络中的拥塞问题，在丢包率方面的性能明显优于RR和SPF两种路由算法，从而提高了网络的性能，此外，当网络中的某个链路出现拥塞时，基于图神经网络和DDQN的SDN域间路由算法能够及时调整路由路径，从而保证了较高的网络吞吐量，同时利用机器学习方法对网络进行建模，无需做出传统路由方法的简化假设。
-
公开(公告)号：CN117938731A
公开(公告)日：2024-04-26
申请号：CN202410110393.5
申请日：2024-01-26
Applicant: 东北大学
Abstract: 本发明提供一种基于门控循环单元和图神经网络的SDN路由方法，涉及计算机网络路由技术领域。引入图神经网络对网络进行建模；引入注意力机制，实现对不同邻居信息的不同权重聚合；将GRU和注意力机制进行结合，提出基于注意力机制的门控循环单元模型，并使用它代替图神经网络中的传统RNN循环单元，解决RNN的梯度消失问题，实现面向软件定义网络的智能路由决策，在大规模网络和流量增加的情况下，提升了网络的性能。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
