-
公开(公告)号：CN107786440A
公开(公告)日：2018-03-09
申请号：CN201610729694.1
申请日：2016-08-26
Applicant: 华为技术有限公司
IPC: H04L12/721 , H04L12/803 , H04L12/825 , H04L12/833
CPC classification number: H04L45/123 , H04L45/38 , H04L45/70 , H04L47/122 , H04L47/26 , H04L47/31
Abstract: 本发明实施例公开了一种数据报文转发的方法及装置，所述方法包括：源交换机按照预设采样周期采集n条路径中的d条采样路径的拥塞程度，并存储每条采样路径的拥塞程度指示信息，d小于n；根据拥塞程度指示信息选择第一时间上拥塞程度最小的第一目标采样路径，通过第一目标采样路径转发第一数据报文，并存储第一数据报文所属的第一数据流胞的标识；若第二数据报文所属的第二数据流胞的标识与第一数据流胞的标识相同，则通过第一目标采样路径转发所述第二数据报文；否则选择第二时间上拥塞程度最小的第二目标采样路径，并通过第二目标采样路径转发第二数据报文。采用本发明实施例，具有可提高数据转发的适用性和网络拥塞感知的可扩展性的优点。
-
公开(公告)号：CN112257840B
公开(公告)日：2024-09-03
申请号：CN201910665261.8
申请日：2019-07-22
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开一种神经网络处理方法以及相关设备，该方法可用于人工智能领域的神经网络定制化领域中，服务器接收客户端发送的定制信息，定制信息中包括待生成的神经网络的功能指标和性能指标，服务器可以根据神经网络的功能指标和性能指标为目标，从多个第一神经网络中选取N个第二神经网络，并发送给客户端，每个第二神经网络均为满足性能指标的神经网络，从而提供了一种神经网络定制化的方案；此外，由于神经网络的运行设备的形态越来越多，客户端可以根据神经网络的运行设备的具体形态来确定性能指标上报哪些指标，从而有利于扩展本方案的应用场景。
-
公开(公告)号：CN107547379B
公开(公告)日：2020-08-25
申请号：CN201610465236.1
申请日：2016-06-23
Applicant: 华为技术有限公司
IPC: H04L12/715 , H04L12/751 , H04L12/801
Abstract: 本发明实施例提供软件定义网络中生成路由控制动作的方法和相关设备，能够为SDN提供最佳控制动作。该方法包括：获取该SDN的当前网络状态参数；根据该SDN的当前网络状态参数和深度神经网络模型，确定该SDN的Q函数，其中该深度神经网络模型是基于该SDN的当前拓扑结构确定的；根据该Q函数和该SDN的每条链路的链路状态参数，确定该SDN的路由控制动作。上述技术方案将深度神经网络模型与强化学习中的Q学习算法结合，可以确定最佳控制动作。
-
公开(公告)号：CN109905287A
公开(公告)日：2019-06-18
申请号：CN201810491019.9
申请日：2018-05-21
Applicant: 华为技术有限公司
Abstract: 本申请提供一种性能指标校准方法及装置，涉及通信技术领域，用于对性能指标的检测值进行校准。该方法包括：性能指标校准装置先获取小区的目标第一向量以及目标性能指标的检测值，目标第一向量包括至少一个网络状态参数值，目标第一向量中的网络状态参数值为小区在对应的参数配置过程中系统参数的配置值生效前的网络状态参数值；然后，将目标第一向量代入第一估计函数，确定目标外生变量；将目标外生变量代入第二估计函数，确定目标性能指标的误差值，该目标性能指标的误差值用于校准目标性能指标的检测值。本申请适用于对性能指标进行校准的过程中。
-
公开(公告)号：CN109905287B
公开(公告)日：2021-02-12
申请号：CN201810491019.9
申请日：2018-05-21
Applicant: 华为技术有限公司
Abstract: 本申请提供一种性能指标校准方法及装置，涉及通信技术领域，用于对性能指标的检测值进行校准。该方法包括：性能指标校准装置先获取小区的目标第一向量以及目标性能指标的检测值，目标第一向量包括至少一个网络状态参数值，目标第一向量中的网络状态参数值为小区在对应的参数配置过程中系统参数的配置值生效前的网络状态参数值；然后，将目标第一向量代入第一估计函数，确定目标外生变量；将目标外生变量代入第二估计函数，确定目标性能指标的误差值，该目标性能指标的误差值用于校准目标性能指标的检测值。本申请适用于对性能指标进行校准的过程中。
-
Patent Agency Ranking
公开(公告)号：CN112257840A
公开(公告)日：2021-01-22
申请号：CN201910665261.8
申请日：2019-07-22
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开一种神经网络处理方法以及相关设备，该方法可用于人工智能领域的神经网络定制化领域中，服务器接收客户端发送的定制信息，定制信息中包括待生成的神经网络的功能指标和性能指标，服务器可以根据神经网络的功能指标和性能指标为目标，从多个第一神经网络中选取N个第二神经网络，并发送给客户端，每个第二神经网络均为满足性能指标的神经网络，从而提供了一种神经网络定制化的方案；此外，由于神经网络的运行设备的形态越来越多，客户端可以根据神经网络的运行设备的具体形态来确定性能指标上报哪些指标，从而有利于扩展本方案的应用场景。
-
公开(公告)号：CN107864168A
公开(公告)日：2018-03-30
申请号：CN201610842056.0
申请日：2016-09-22
Applicant: 华为技术有限公司
CPC classification number: G06K9/62 , H04L29/08 , H04L67/10 , G06K9/6276 , G06K9/6278 , H04L67/32
Abstract: 本申请公开了一种网络数据流分类的方法及系统，方法包括：采集待处理的数据流的包含有多个维度信息的信息集合；建立信息集合中每个维度信息的静态行为模型及动态行为模型，静态行为模型表征维度信息的取值规律，动态行为模型表征维度信息在前后时刻之间的关联关系；利用静态行为模型及动态行为模型，分别获得待处理的数据流与各个目标应用类型所属的数据流之间的静态模型距离及动态模型距离；基于所述待处理的数据流与各个目标应用类型所属的数据流之间的静态模型距离及动态模型距离，确定所述待处理的数据流的应用类型。
-
公开(公告)号：CN107864168B
公开(公告)日：2021-05-18
申请号：CN201610842056.0
申请日：2016-09-22
Applicant: 华为技术有限公司
Abstract: 本申请公开了一种网络数据流分类的方法及系统，方法包括：采集待处理的数据流的包含有多个维度信息的信息集合；建立信息集合中每个维度信息的静态行为模型及动态行为模型，静态行为模型表征维度信息的取值规律，动态行为模型表征维度信息在前后时刻之间的关联关系；利用静态行为模型及动态行为模型，分别获得待处理的数据流与各个目标应用类型所属的数据流之间的静态模型距离及动态模型距离；基于所述待处理的数据流与各个目标应用类型所属的数据流之间的静态模型距离及动态模型距离，确定所述待处理的数据流的应用类型。
-
公开(公告)号：CN107786440B
公开(公告)日：2021-05-11
申请号：CN201610729694.1
申请日：2016-08-26
Applicant: 华为技术有限公司
IPC: H04L12/721 , H04L12/803 , H04L12/825 , H04L12/833
Abstract: 本发明实施例公开了一种数据报文转发的方法及装置，所述方法包括：源交换机按照预设采样周期采集n条路径中的d条采样路径的拥塞程度，并存储每条采样路径的拥塞程度指示信息，d小于n；根据拥塞程度指示信息选择第一时间上拥塞程度最小的第一目标采样路径，通过第一目标采样路径转发第一数据报文，并存储第一数据报文所属的第一数据流胞的标识；若第二数据报文所属的第二数据流胞的标识与第一数据流胞的标识相同，则通过第一目标采样路径转发所述第二数据报文；否则选择第二时间上拥塞程度最小的第二目标采样路径，并通过第二目标采样路径转发第二数据报文。采用本发明实施例，具有可提高数据转发的适用性和网络拥塞感知的可扩展性的优点。
-
公开(公告)号：CN107547379A
公开(公告)日：2018-01-05
申请号：CN201610465236.1
申请日：2016-06-23
Applicant: 华为技术有限公司
IPC: H04L12/715 , H04L12/751 , H04L12/801
Abstract: 本发明实施例提供软件定义网络中生成路由控制动作的方法和相关设备，能够为SDN提供最佳控制动作。该方法包括：获取该SDN的当前网络状态参数；根据该SDN的当前网络状态参数和深度神经网络模型，确定该SDN的Q函数，其中该深度神经网络模型是基于该SDN的当前拓扑结构确定的；根据该Q函数和该SDN的每条链路的链路状态参数，确定该SDN的路由控制动作。上述技术方案将深度神经网络模型与强化学习中的Q学习算法结合，可以确定最佳控制动作。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
