-
公开(公告)号：CN108924055A
公开(公告)日：2018-11-30
申请号：CN201810964702.X
申请日：2018-08-23
Applicant: 北京理工大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L12/761 , H04L12/753
Abstract: 本发明公开了一种基于斯坦纳树的命名数据网络多播路由方法，属于通信与网络技术领域。本方法在计算多播路由时，先通过预处理删掉网络拓扑中不可能出现在可行解中的点与弧，缩小网络规模，降低计算路由的运算时间和存储开销，然后将多播路由问题解释为有向图的斯坦纳树问题，通过构建最小多播树来求解多播路由。本发明方法考虑了命名数据网络中节点缓存的作用，缩小了网络规模，降低了构建最小多播树的计算成本。
-
公开(公告)号：CN109120534A
公开(公告)日：2019-01-01
申请号：CN201810965570.2
申请日：2018-08-23
Applicant: 北京理工大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L12/751
Abstract: 本发明涉及一种求解多商品流最大并发流的流偏差算法，属于多商品流问题及通信网络路由技术领域。核心思想是先以较大的步长进行迭代，在接近最优解时，采用慢速迭代来保证算法精确度。包括：1)建立问题模型；2)初始化问题模型；3)初始化多商品流变量2和3、快速迭代指示变量、多商品流流量及内循环迭代次数；4)均分平衡已有的多商品流流量，包括A)求解最小代价流及生成多商品流；B)求解平衡后的多商品流；C)多商品流的均衡度满足退出条件跳至5)否则跳A)；5).判断是否已得到满足精度要求的解，若是结束本算法，否则跳至3)。本发明能在不损失计算精度条件下，显著降低运算复杂度，快速得到满足要求的路由。
-
公开(公告)号：CN118821976A
公开(公告)日：2024-10-22
申请号：CN202410950911.4
申请日：2024-07-16
Applicant: 北京理工大学
IPC: G06N20/20 , G06N3/08 , G06N3/0464 , G06N3/048
Abstract: 本发明公开的一种用于任意客户端退出问题的模型对比联邦学习方法，属于边缘智能计算技术领域。本发明实现方法为：在联邦学习本地训练阶段针对活跃客户端，构建加入正则项的模型对比模块，减小全局目标向局部目标的偏移；针对退出客户端，采用历史更新延用策略，保证退出客户端对全局更新的贡献度。在全局模型更新阶段，采用加权聚合模块，先对本轮次的客户端的更新量按贡献度加权聚合，通过给予普遍性数据更大的权重，防止错误数据或个性化数据对模型性能的负面影响；利用该加权聚合模块对该轮次局部更新的加权聚合量与上一轮次全局更新加权聚合，融合历史全局更新量，提升全局模型收敛速度，增强全局模型对数据异质性的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109120534B
公开(公告)日：2020-07-28
申请号：CN201810965570.2
申请日：2018-08-23
Applicant: 北京理工大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L12/751
Abstract: 本发明涉及一种求解多商品流最大并发流的流偏差算法，属于多商品流问题及通信网络路由技术领域。核心思想是先以较大的步长进行迭代，在接近最优解时，采用慢速迭代来保证算法精确度。包括：1)建立问题模型；2)初始化问题模型；3)初始化多商品流变量2和3、快速迭代指示变量、多商品流流量及内循环迭代次数；4)均分平衡已有的多商品流流量，包括A)求解最小代价流及生成多商品流；B)求解平衡后的多商品流；C)多商品流的均衡度满足退出条件跳至5)否则跳A)；5).判断是否已得到满足精度要求的解，若是结束本算法，否则跳至3)。本发明能在不损失计算精度条件下，显著降低运算复杂度，快速得到满足要求的路由。
-
公开(公告)号：CN108924055B
公开(公告)日：2019-06-14
申请号：CN201810964702.X
申请日：2018-08-23
Applicant: 北京理工大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L12/761 , H04L12/753
Abstract: 本发明公开了一种基于斯坦纳树的命名数据网络多播路由方法，属于通信与网络技术领域。本方法在计算多播路由时，先通过预处理删掉网络拓扑中不可能出现在可行解中的点与弧，缩小网络规模，降低计算路由的运算时间和存储开销，然后将多播路由问题解释为有向图的斯坦纳树问题，通过构建最小多播树来求解多播路由。本发明方法考虑了命名数据网络中节点缓存的作用，缩小了网络规模，降低了构建最小多播树的计算成本。
-
公开(公告)号：CN108881048A
公开(公告)日：2018-11-23
申请号：CN201810964187.5
申请日：2018-08-23
Applicant: 北京理工大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L12/801 , H04L12/947
CPC classification number: H04L49/252 , H04L47/12
Abstract: 本发明公开了一种基于强化学习的命名数据网络拥塞控制方法，属于网络信息传输通信技术领域。本方法从转发策略的角度出发，通过将路由节点转发兴趣包的过程映射为马尔可夫决策过程，以最小响应时间为目标，在考虑NDN中的网内缓存、多路径转发，并不对链路容量或数据包大小做任何假设的情况下，采用强化学习的方法求解最优策略。强化学习求解方法中，具体采用结合资格迹的Sarsa算法——Sarsa(λ)算法，以获得理论上良好的算法性能。本方法通过动态转发策略智能地选择转发端口，尽量避免向拥塞链路发送流量，以主动规避和缓解拥塞。
-
公开(公告)号：CN116776982A
公开(公告)日：2023-09-19
申请号：CN202310808099.7
申请日：2023-07-03
Applicant: 北京理工大学
IPC: G06N5/04 , G06N3/0464 , G06N3/08
Abstract: 本发明公开的一种用于边缘设备的神经网络动态早退加速推理方法，属于边缘计算领域。使用异构退出头结构，提高模型的特征提取能力，实现更高的模型精度、更快的推理速度和更低的模型运算复杂度；使用两阶段训练策略训练基于异构退出头的动态早退模型，更充分地发挥退出头的潜能，进一步提高模型精度，降低模型运算复杂度；使用动态推理方法，动态执行部分网络，节省计算资源；同时根据输入数据的复杂性动态选择模型输出路径，以适应不同场景，实现精度‑效率之间的权衡。本发明适用于边缘计算领域，提高模型精度，加快推理速度并且降低模型运算复杂度，为基于复杂模型的智能应用在边缘设备的部署提供支撑。
-
公开(公告)号：CN108881048B
公开(公告)日：2019-06-14
申请号：CN201810964187.5
申请日：2018-08-23
Applicant: 北京理工大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L12/801 , H04L12/947
Abstract: 本发明公开了一种基于强化学习的命名数据网络拥塞控制方法，属于网络信息传输通信技术领域。本方法从转发策略的角度出发，通过将路由节点转发兴趣包的过程映射为马尔可夫决策过程，以最小响应时间为目标，在考虑NDN中的网内缓存、多路径转发，并不对链路容量或数据包大小做任何假设的情况下，采用强化学习的方法求解最优策略。强化学习求解方法中，具体采用结合资格迹的Sarsa算法——Sarsa(λ)算法，以获得理论上良好的算法性能。本方法通过动态转发策略智能地选择转发端口，尽量避免向拥塞链路发送流量，以主动规避和缓解拥塞。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.032 seconds)
