一种基于深度学习的覆盖网络路由决策方法

    公开(公告)号:CN111010341B

    公开(公告)日:2020-10-27

    申请号:CN201911320959.2

    申请日:2019-12-19

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于深度学习的覆盖网络路由决策方法。其具体步骤如下:S1,部署覆盖网络路由节点,收集带宽时延变化数据集;S2,制作用于训练的数据集,包括预测网络数据集和覆盖路由节点选择的分类网络数据集,预测网络的标签为下一个时刻的时延和带宽数据,覆盖路由节点选择分类网络的标签计算方式采用最短路径算法在覆盖网络路由节点组成的覆盖网络拓扑上计算得到;S3,构建基于循环神经网络LSTM的带宽时延预测网络以及用于覆盖路由节点选择的覆盖路由节点选择分类网络;S4,训练和优化深度学习模型;S5,通过模型进行决策。本方法在保证路由决策效果的同时,能大大提升决策响应速度,特别是当覆盖网络节点规模巨大的时候。

    一种在虚拟现实云游戏系统中降低画面抖动的方法

    公开(公告)号:CN111298427A

    公开(公告)日:2020-06-19

    申请号:CN202010079711.8

    申请日:2020-02-04

    Applicant: 南京大学

    Inventor: 马展 许刘泽

    Abstract: 本发明公开了一种在虚拟现实云游戏系统中降低画面抖动的方法。具体步骤如下:S1在服务器端获取到需要传输的虚拟现实图像;S2对该图像采用分块并行编码方式来编码成视频流;S3使用网络传输协议对该视频流进行传输;S4在客户端采用缓冲区方式接收服务器端传输过来的视频流;S5对需要显示的视频帧采用并行解码的方式来解码成显示图像;S6在显示客户端使用异步扭曲技术完成图像的上屏显示;S7获取当前客户端姿态并预测一段时间之后的客户端姿态。利用本方法能有效地减小虚拟现实云游戏系统中由于硬件处理时间的波动和网络传输时间的波动带来的画面抖动问题,提高用户在虚拟现实云游戏中的主观感受质量。

    一种基于深度学习的覆盖网络路由决策方法

    公开(公告)号:CN111010341A

    公开(公告)日:2020-04-14

    申请号:CN201911320959.2

    申请日:2019-12-19

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于深度学习的覆盖网络路由决策方法。其具体步骤如下:S1,部署覆盖网络路由节点,收集带宽时延变化数据集;S2,制作用于训练的数据集,包括预测网络数据集和覆盖路由节点选择的分类网络数据集,预测网络的标签为下一个时刻的时延和带宽数据,覆盖路由节点选择分类网络的标签计算方式采用最短路径算法在覆盖网络路由节点组成的覆盖网络拓扑上计算得到;S3,构建基于循环神经网络LSTM的带宽时延预测网络以及用于覆盖路由节点选择的覆盖路由节点选择分类网络;S4,训练和优化深度学习模型;S5,通过模型进行决策。本方法在保证路由决策效果的同时,能大大提升决策响应速度,特别是当覆盖网络节点规模巨大的时候。

Patent Agency Ranking