基于翻译嵌入的传感数据逻辑特征提取方法及装置

    公开(公告)号:CN119204192B

    公开(公告)日:2025-04-08

    申请号:CN202411706615.6

    申请日:2024-11-26

    Abstract: 本发明提供一种基于翻译嵌入的传感数据逻辑特征提取方法及装置,所述方法包括:获取进行逻辑特征提取的传感数据序列,将传感数据序列输入至训练好的逻辑特征提取模型,传感数据序列包括传感器监测到的多个时间步的监测数据,逻辑特征提取模型包括向量嵌入模块、关系构建模块以及特征提取模块;基于向量嵌入模块确定传感数据序列中的各监测数据对应的嵌入向量,基于各嵌入向量通过所述关系构建模块确定监测数据之间的逻辑关系表示,基于各嵌入向量和各逻辑关系表示通过特征提取模块生成各监测数据对应的逻辑特征向量;其中,逻辑关系表示为算术关系表示或方向关系表示。该方法可较好地捕获传感数据中的细微特征,提高数据分析的准确性和实用性。

    基于翻译嵌入的传感数据逻辑特征提取方法及装置

    公开(公告)号:CN119204192A

    公开(公告)日:2024-12-27

    申请号:CN202411706615.6

    申请日:2024-11-26

    Abstract: 本发明提供一种基于翻译嵌入的传感数据逻辑特征提取方法及装置,所述方法包括:获取进行逻辑特征提取的传感数据序列,将传感数据序列输入至训练好的逻辑特征提取模型,传感数据序列包括传感器监测到的多个时间步的监测数据,逻辑特征提取模型包括向量嵌入模块、关系构建模块以及特征提取模块;基于向量嵌入模块确定传感数据序列中的各监测数据对应的嵌入向量,基于各嵌入向量通过所述关系构建模块确定监测数据之间的逻辑关系表示,基于各嵌入向量和各逻辑关系表示通过特征提取模块生成各监测数据对应的逻辑特征向量;其中,逻辑关系表示为算术关系表示或方向关系表示。该方法可较好地捕获传感数据中的细微特征,提高数据分析的准确性和实用性。

    一种基于深度强化学习的拥塞控制算法测试方法及系统

    公开(公告)号:CN118200157A

    公开(公告)日:2024-06-14

    申请号:CN202410165504.2

    申请日:2024-02-05

    Abstract: 本发明提供一种基于深度强化学习的拥塞控制算法测试方法及系统,包括:选取待测试的拥塞控制算法,并模拟真实网络环境;底层模块实时采集网络状态信息,并将网络状态信息以共享内存的通信方式输入上层模块中预训练得到的基于深度强化学习的决策模型,输出执行动作,得到下一时刻的拥塞窗口大小;将下一时刻的拥塞窗口大小以共享内存的通信方式发送至底层模块,以调整数据发送速率;监测并统计测试过程中网络状态的变化,以对拥塞控制算法的特征和性能进行分析。本发明提供了全面且灵活的拥塞控制算法测试流程及测试系统,优化了进程间的高效通信,能够集成其他拥塞控制算法,具备可扩展性。

Patent Agency Ranking