公开(公告)号：CN114819143A

公开(公告)日：2022-07-29

申请号：CN202210414566.3

申请日：2022-04-15

Applicant: 北京邮电大学

Inventor： 芮兰兰 ,  高志鹏 ,  杨思祺 ,  杨杨 ,  李文璟

IPC: G06N3/08 ,  G06N3/04 ,  G06V10/762 ,  G06V10/82

Abstract: 本发明公开了一种适用于通信网现场维护的模型压缩方法，使用基于深度强化学习的模型剪枝算法和自适应聚类的模型量化算法对模型进行压缩，在保证模型精度的前提下压缩模型体积以及提升模型检测速度。基于深度强化学习的模型剪枝算法，以通信网现场维护模型性能作为需求约束，用深度确定性策略梯度的强化学习算法对模型各层的压缩比进行控制，实现自动通道剪枝，再进行层剪枝，在保证模型精度的前提下，从宽度和深度分别进行模型的压缩。自适应聚类的模型量化算法，用改进的BIRCH算法自动获取聚类的个数，使聚类个数的选取不再依赖先验知识，再通过K‑meansII算法获取初始化质心，使聚类中心位置的选取不再具有盲目性，提升模型压缩比，大大减少模型存储体积。

公开(公告)号：CN114742166B

公开(公告)日：2025-04-04

申请号：CN202210399528.5

申请日：2022-04-15

Applicant: 北京邮电大学

Inventor： 芮兰兰 ,  高志鹏 ,  杨思祺 ,  杨杨 ,  李文璟

IPC: G06F18/214 ,  G06F18/241 ,  G06N3/045 ,  G06N3/096 ,  G06F40/284 ,  G06N3/0464

Abstract: 本发明公开了一种基于时延优化的通信网现场维护模型迁移方法，包括以下步骤：首先，基于相似度的服务需求分析分别计算类型相似度、名称相似度和解释信息相似度，减少无关信息的影响，提升服务匹配准确率，最终根据各个相似度的权重计算得到综合相似度；其次，根据服务需求相似度选择不同情况下的迁移方式，分别使用直接迁移、冻结骨干网络、多阶段迁移的方式进行模型迁移，解决了通信网智能运维环境复杂，迁移效率低的问题；最后，考虑任务时延、边缘节点资源、任务资源需求多种指标，使用多优先级队列模型以及改进的离散粒子群算法，完成通信网现场维护场景下的迁移任务和维护任务卸载，达到最小化任务时延，提升任务完成效率的目的。

公开(公告)号：CN114742166A

公开(公告)日：2022-07-12

申请号：CN202210399528.5

申请日：2022-04-15

Applicant: 北京邮电大学

Inventor： 芮兰兰 ,  高志鹏 ,  杨思祺 ,  杨杨 ,  李文璟

IPC: G06K9/62 ,  G06N20/00

Abstract: 本发明公开了一种基于时延优化的通信网现场维护模型迁移方法，包括以下步骤：首先，基于相似度的服务需求分析分别计算类型相似度、名称相似度和解释信息相似度，减少无关信息的影响，提升服务匹配准确率，最终根据各个相似度的权重计算得到综合相似度；其次，根据服务需求相似度选择不同情况下的迁移方式，分别使用直接迁移、冻结骨干网络、多阶段迁移的方式进行模型迁移，解决了通信网智能运维环境复杂，迁移效率低的问题；最后，考虑任务时延、边缘节点资源、任务资源需求多种指标，使用多优先级队列模型以及改进的离散粒子群算法，完成通信网现场维护场景下的迁移任务和维护任务卸载，达到最小化任务时延，提升任务完成效率的目的。