-
公开(公告)号：CN111817875B
公开(公告)日：2022-06-28
申请号：CN202010495686.1
申请日：2020-06-03
Applicant: 华为技术有限公司
IPC: H04L41/0631 , H04L43/0823 , H04L43/0829 , H04L41/14
Abstract: 本申请涉及人工智能领域，提供了一种检测网络故障的方法，包括：获取目标特征数据，所述目标特征数据为与第一数据流的目标特征相关的数据；根据目标概率模型和所述目标特征数据确定目标异常程度，其中，所述目标概率模型用于指示正常特征数据的概率分布，所述正常特征数据为与正常数据流的目标特征相关的数据，所述目标异常程度为所述第一数据流的目标特征的异常程度；根据所述目标异常程度确定传输所述第一数据流的网络的故障。相比于人工设定规则和阈值检测网络故障，上述方法不依赖人工设定的规则和阈值，能够提高网络故障的检测效率，并且具有良好的自适应性。
-
公开(公告)号：CN111652349A
公开(公告)日：2020-09-11
申请号：CN202010321526.5
申请日：2020-04-22
Applicant: 华为技术有限公司
Abstract: 本申请实施例提供了人工智能领域中的一种神经网络的处理方法及相关设备，在该方法中，服务器根据R个正交张量对该待训练的初始多模态张量进行张量卷积操作，得到待训练的目标多模态张量；再根据该待训练的目标多模态张量更新该训练数据，得到更新后的训练数据；并进一步利用该更新后的训练数据输入预设的训练网络，训练得到预测模型。其中，该服务器通过R个正交张量对待训练的初始多模态张量做卷积运算得到转化后的待训练的目标多模态张量，相比于待训练的初始多模态张量，该待训练的目标多模态张量降低了张量维度，使得输入到预测模型中的参数大大减少，降低服务器构建的神经网络预测模型的复杂度，提升神经网络的处理效率。
-
公开(公告)号：CN115729728A
公开(公告)日：2023-03-03
申请号：CN202110995987.5
申请日：2021-08-27
Applicant: 华为技术有限公司
IPC: G06F11/07 , G06F11/32 , G06N3/0442 , G06F18/25 , G06N3/08
Abstract: 本申请公开了一种识别根因故障节点的方法以及设备，可以提升识别根因故障节点的效率。其中，方法包括：获取节点所在的通信网络的拓扑结构，以及该节点的与运行状态相关的信息。基于拓扑结构获取该节点的邻居节点，并获取邻居节点的与运行状态相关的信息。利用神经网模型基于该节点的与运行状态相关的信息，以及该节点的邻居节点的与运行状态相关的信息，识别该节点是否为根因故障节点。
-
Patent Agency Ranking
公开(公告)号：CN111817875A
公开(公告)日：2020-10-23
申请号：CN202010495686.1
申请日：2020-06-03
Applicant: 华为技术有限公司
Abstract: 本申请涉及人工智能领域，提供了一种检测网络故障的方法，包括：获取目标特征数据，所述目标特征数据为与第一数据流的目标特征相关的数据；根据目标概率模型和所述目标特征数据确定目标异常程度，其中，所述目标概率模型用于指示正常特征数据的概率分布，所述正常特征数据为与正常数据流的目标特征相关的数据，所述目标异常程度为所述第一数据流的目标特征的异常程度；根据所述目标异常程度确定传输所述第一数据流的网络的故障。相比于人工设定规则和阈值检测网络故障，上述方法不依赖人工设定的规则和阈值，能够提高网络故障的检测效率，并且具有良好的自适应性。
-
公开(公告)号：CN111800290A
公开(公告)日：2020-10-20
申请号：CN202010448562.8
申请日：2020-05-25
Applicant: 华为技术有限公司
Abstract: 本申请公开了一种确定根因的方法，包括：获取多个待处理告警，该多个待处理告警对应一个故障。确定多个待处理告警的关键信息，关键信息为预先规定的词语集合中包括的词语。至少根据关键信息该故障的根因。本申请实施例提供的技术方案，通过告警中的关键信息确定该故障的根因，关键信息可以反映告警的内容，同时不受告警的形式变换的影响，通过本申请提供的方案可以更好地处理告警中含有编号，告警的形式变化或跨厂商告警存在的情况，提升根因分析的准确率。
-
公开(公告)号：CN114938337A
公开(公告)日：2022-08-23
申请号：CN202210380734.1
申请日：2022-04-12
Applicant: 华为技术有限公司
Abstract: 本申请提供了一种模型训练方法、装置及电子设备。该方法包括确定N种类型的样本数据，样本数据包括在通信网络中由网络设备产生的数据，N≥1；基于样本数据，对第一目标模型进行自监督训练，第一目标模型中包括第一子模型，第一子模型包括第一网络和第二网络，第一网络中包括N种第一子网络，每种第一子网络均用于对一种类型的样本数据进行特征提取，以得到N个第一特征，第二网络中包括N种第二子网络，每种第二子网络均用于基于N个第一特征对一种类型的样本数据进行预测。由此实现了对多种不同类型的现网数据进行统一建模，从而有效地建模不同数据之间的业务关联关系，降低了网络运维的难度。
-
公开(公告)号：CN114938337B
公开(公告)日：2024-07-26
申请号：CN202210380734.1
申请日：2022-04-12
Applicant: 华为技术有限公司
IPC: H04L41/14 , G06N3/0895 , G06N3/0455
Abstract: 本申请提供了一种模型训练方法、装置及电子设备。该方法包括确定N种类型的样本数据，样本数据包括在通信网络中由网络设备产生的数据，N≥1；基于样本数据，对第一目标模型进行自监督训练，第一目标模型中包括第一子模型，第一子模型包括第一网络和第二网络，第一网络中包括N种第一子网络，每种第一子网络均用于对一种类型的样本数据进行特征提取，以得到N个第一特征，第二网络中包括N种第二子网络，每种第二子网络均用于基于N个第一特征对一种类型的样本数据进行预测。由此实现了对多种不同类型的现网数据进行统一建模，从而有效地建模不同数据之间的业务关联关系，降低了网络运维的难度。
-
公开(公告)号：CN111783938A
公开(公告)日：2020-10-16
申请号：CN202010451372.1
申请日：2020-05-25
Applicant: 华为技术有限公司
Abstract: 本申请提供了一种时间序列的预测方法和装置，涉及人工智能领域。在t时刻进行时间序列的预测时，该方法包括：获取第一输入、第二输入和第三输入，其中，第一输入包括t时刻对应的第一时间序列中的历史数据，第一时间序列为目标时间序列；第二输入包括第二时间序列，第二时间序列用于为t时刻时间序列的预测提供历史信息；第三输入包括t-1时刻输出的第一状态值，t-1时刻为t时刻的上一时刻；根据t时刻对应的第一时间序列中的历史数据、第二时间序列和t-1时刻输出的第一状态值，得到t时刻的预测结果。该方法使得时间序列在预测的过程中能够考虑到更多的历史信息，从而能够提升时间序列的预测效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
