-
公开(公告)号：CN114710200B
公开(公告)日：2023-06-23
申请号：CN202210363049.8
申请日：2022-04-07
Applicant: 中国科学院计算机网络信息中心
Abstract: 本申请提供一种基于强化学习的卫星网络资源编排方法及系统，用以解决现有技术中卫星网络资源分配组网结构不合理的技术问题。该方法包括：收集系统中LEO卫星上的资源状态，形成资源状态集；LEO卫星制定星上资源编排动作集；LEO卫星中的分布式决策模块在当前的状态下，基于本地资源编排策略，选择资源编排动作，将资源状态上报给GEO卫星；GEO卫星的业务评价模块设置资源编排策略的奖励函数；根据业务评价模块给出的评价结果，LEO卫星调整优化资源编排策略。本申请提供一种基于强化学习的卫星网络资源编排方法及系统，可以实现多星协同处理策略的自学习和自演进，有效提高卫星通信资源的利用率，满足新业务的发展要求。
-
公开(公告)号：CN115987601A
公开(公告)日：2023-04-18
申请号：CN202211625696.8
申请日：2022-12-16
Applicant: 中国科学院计算机网络信息中心
IPC: H04L9/40 , G06F18/23 , G06F18/214 , G06N3/08
Abstract: 本发明公开了一种基于软边缘三元组损失函数的孪生网络未知流量识别方法，包括：构建孪生网络训练需求的三元组数据集合，采用随机构建的方式，通过多轮迭代，形成多种组合的三元组训练数据集；在模型训练阶段，软边界三元组损失函数指导模型训练，训练完成后的孪生网络单独作为编码器；使用编码器将被测试样本与所有已知流量数据样本编码；计算被测试样本与已知流量应用的距离，通过与预设阈值比较判定其是否属于未知样本；将判定为未知流量的样本通过相似度聚类，形成纯度更高的堆簇；根据簇纯度决定最佳分簇数量，最终进行细粒度分析。本发明解决了传统无监督聚类方案与深度学习方案在未知流量识别领域的聚类数量不明确、维护模型过多等问题。
-
公开(公告)号：CN114219024A
公开(公告)日：2022-03-22
申请号：CN202111526247.3
申请日：2021-12-14
Applicant: 中国科学院计算机网络信息中心
IPC: G06K9/62 , G06N3/04 , G06N3/08 , H04L41/147
Abstract: 本发明公开了一种网络边缘的应用级流量预测与模型迁移方法，包括：确定模型迁移域，使用基于应用流量统计特征的无监督聚类算法完成边缘节点的聚类；选择迁移模型，迁移模型为在迁移域内选出被迁移到各个边缘计算节点的普适模型；根据应用聚类算法将各个边缘计算节点下的多种网络应用的流量序列在时间和形状分布上的相似性进行归类；对各个边缘节点下的多个网络应用进行归类后，得到N个类别，每个类别训练自己的多应用流量预测模型，产生N个多应用流量预测模型，将这些模型保存，等待边缘节点调用；当N个多应用流量预测模型训练完成后，被边缘计算节点回调；在迁移域内，N个多应用流量预测模型分别迁移到多个域内的所有节点上进行部署与应用。
-
公开(公告)号：CN114219024B
公开(公告)日：2025-05-13
申请号：CN202111526247.3
申请日：2021-12-14
Applicant: 中国科学院计算机网络信息中心
IPC: G06F18/21 , G06F18/2431 , G06F18/214 , G06F18/22 , G06N3/0455 , G06N3/0499 , G06N3/096 , G06N3/088 , H04L41/147
Abstract: 本发明公开了一种网络边缘的应用级流量预测与模型迁移方法，包括：确定模型迁移域，使用基于应用流量统计特征的无监督聚类算法完成边缘节点的聚类；选择迁移模型，迁移模型为在迁移域内选出被迁移到各个边缘计算节点的普适模型；根据应用聚类算法将各个边缘计算节点下的多种网络应用的流量序列在时间和形状分布上的相似性进行归类；对各个边缘节点下的多个网络应用进行归类后，得到N个类别，每个类别训练自己的多应用流量预测模型，产生N个多应用流量预测模型，将这些模型保存，等待边缘节点调用；当N个多应用流量预测模型训练完成后，被边缘计算节点回调；在迁移域内，N个多应用流量预测模型分别迁移到多个域内的所有节点上进行部署与应用。
-
公开(公告)号：CN115714741A
公开(公告)日：2023-02-24
申请号：CN202211378137.1
申请日：2022-11-04
Applicant: 中国科学院计算机网络信息中心
IPC: H04L45/28
Abstract: 本发明提供了一种基于协同多智能体强化学习的路由决策方法及系统，方法包括离线训练和在线决策两部分，离线训练通过采集域间路由中过去一段时间内的公共信息，包括域间链路信息和历史路由信息，然后使用协同多智能体强化学习进行离线的智能路由决策模型训练，并将训练好的模型下发到各个域中的控制模块。在线决策过程中，对于请求域间路由的流量需求，使用决策模型生成每一条流的端到端的域间路径，将端到端路径发送到域间中的各个控制模块，并将其拆分为不同域中的多个本地路径，所有本地路径构成一个端到端的域间路径。本发明在去中心化域间场景中进行有效的域间协作，实现端到端协同保障传递成功率的显著提高，从而提供端到端的通信服务保障。
-
Patent Agency Ranking
公开(公告)号：CN113992542A
公开(公告)日：2022-01-28
申请号：CN202111216359.9
申请日：2021-10-19
Applicant: 中国科学院计算机网络信息中心
IPC: H04L43/0876 , H04L41/14 , H04L41/147 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于新增流数目特征的在线网络流量预测方法及系统，通过对网络真实流量数据进行采集和解析，并传输到消息队列中，以流入到流处理引擎中，在线计算得出实时流量时间序列和本发明提出的新增流数目特征序列，即每时间粒度内新增网络流的数目。再将这两种序列同时放入多特征输入和多时间步输出的网络流量预测模型中进行流量预测。本发明可保障流量预测的实时性，即预测的流量序列的时间长度大于采集时间、流处理时间、预测时间总和，并可以及时反馈到网络流量控制器中，便于网络控制器调控网络流量和进行负载均衡决策；所得到的预测结果较仅输入流量序列的LSTM模型平均误差减少20％以上，更好的预测出真实流量的突发上升、下降和峰值状况。
-
公开(公告)号：CN118158212A
公开(公告)日：2024-06-07
申请号：CN202410249715.4
申请日：2024-03-05
Applicant: 中国科学院计算机网络信息中心
IPC: H04L67/06 , H04L47/10 , H04L47/2425 , H04L47/62
Abstract: 一种数据传输方法，应用于包括客户端与服务器的系统，包括：客户端与服务器之间建立QUIC连接；客户端通过第一控制流，向服务器发送流分配命令，流分配命令中包括待下载文件的数量；服务器基于待下载文件的数量，确定创建的流数量上限，通过第二控制流将流数量上限发送至客户端；客户端基于流数量上限，创建至少一个第三传输流，通过每个第三传输流，向服务器发送下载命令；其中，第三传输流的数量不大于流数量上限，下载命令中包括待下载文件的名称；服务器基于下载命令，创建至少一个第四传输流，第四传输流与第三传输流一一对应；服务器根据名称，确定目标文件，通过第四传输流将目标文件传输至客户端。本方法可以提升文件传输的顺畅度。
-
公开(公告)号：CN117395727A
公开(公告)日：2024-01-12
申请号：CN202311358852.3
申请日：2023-10-19
Applicant: 中国科学院计算机网络信息中心
IPC: H04W28/084 , H04L67/12 , G06N3/045 , G06N3/092
Abstract: 本发明实施例公开了一种车辆边缘计算的任务调度系统、模型及调度方法。通过将终端产生的任务发送到车辆边缘计算网络中，转发路径上的每个边缘服务器，由每个边缘服务器进行独立决策，并通过每个边缘服务器上部署的智能体选择合适的任务传输路径和卸载节点。有效减少边缘服务器信息获取的成本，并且可以避免因集中控制器宕机引起整个调度系统失效。有效降低整体任务计算时延并使全局负载均衡，在本发明实施例中，实现了车辆边缘计算网络中资源利用率的有效提升。
-
公开(公告)号：CN114710200A
公开(公告)日：2022-07-05
申请号：CN202210363049.8
申请日：2022-04-07
Applicant: 中国科学院计算机网络信息中心
Abstract: 本申请提供一种基于强化学习的卫星网络资源编排方法及系统，用以解决现有技术中卫星网络资源分配组网结构不合理的技术问题。该方法包括：收集系统中LEO卫星上的资源状态，形成资源状态集；LEO卫星制定星上资源编排动作集；LEO卫星中的分布式决策模块在当前的状态下，基于本地资源编排策略，选择资源编排动作，将资源状态上报给GEO卫星；GEO卫星的业务评价模块设置资源编排策略的奖励函数；根据业务评价模块给出的评价结果，LEO卫星调整优化资源编排策略。本申请提供一种基于强化学习的卫星网络资源编排方法及系统，可以实现多星协同处理策略的自学习和自演进，有效提高卫星通信资源的利用率，满足新业务的发展要求。
-
公开(公告)号：CN117290071A
公开(公告)日：2023-12-26
申请号：CN202311342393.X
申请日：2023-10-17
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明公开了一种在车辆边缘计算中的细粒度任务调度方法及服务架构，其中方法包括：维护一个全局模型，其中全局模型参数由多个部署在高性能计算车辆或RSU上的本地模型聚合而来并保持实时更新；任务调度模型不断训练更新本地模型；进入新车辆边缘计算VEC环境的车辆通过下载全局模型即可完成任务调度；在任务调度模型训练本地模型时，部署有本地模型的RSU和高性能计算车辆通过不断地与边缘环境进行交互做出卸载动作，并根据环境反馈的奖励来更新本地模型的参数；同时，本地模型需要定期与部署有全局模型的服务器进行通信，实现将多个本地模型的参数进行聚合以更新全局模型；RSU和高性能计算车辆周期性的下载全局模型参数来更新本地模型。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.028 seconds)
