-
公开(公告)号：CN113285872B
公开(公告)日：2022-09-23
申请号：CN202110257321.X
申请日：2021-03-09
Applicant: 清华大学
Abstract: 本发明公开了一种基于深度强化学习的时间敏感网络通信流调度方法，其步骤如下：通过构筑基础、系统建模、系统框架、时隙选择、状态建模、动作建模、环境建模、深度神经网络来实现整体的构成，并通过错误恢复、实验论证和实验对象对整体进行检测，保证整体的正常使用。该基于深度强化学习的时间敏感网络通信流调度方法，提出了一种适用于TS流调度的基于DRL的建模、训练和应用方法，使用不同的数据训练就能够应用在不同的网络环境，且提出了一些优化方法，使用有向图表达网络信息使得DRLS能够动态的调度TS流并且能够在网络拓扑变化时迅速恢复，控制门技术的使用缓解了DNN的不确定性并且提高了调度方法的调度能力和可靠性。
-
公开(公告)号：CN109769014A
公开(公告)日：2019-05-17
申请号：CN201811565056.6
申请日：2018-12-20
Applicant: 清华大学
Abstract: 本发明提供一种混合临界系统的服务等级转换方法及装置，其中转换方法包括如下步骤：步骤一、按照系统服务的功能需求，将系统服务划分为多个服务板块；步骤二、根据多个所述服务板块的重要程度，确定多个所述服务板块的优先等级；步骤三、根据每个所述服务板块对环境状况的容忍极限，确定多个所述服务板块之间的转换条件；步骤四、根据多个所述服务板块的优先等级、多个所述服务板块之间的转换条件以及当前系统服务所处的环境条件，对系统服务当前的服务板块进行自动转换。本发明在严酷环境下，关闭部分重要性较低的服务板块，保障关键模块的正常运行，在系统级别增强设备对环境的适应性。
-
公开(公告)号：CN113285872A
公开(公告)日：2021-08-20
申请号：CN202110257321.X
申请日：2021-03-09
Applicant: 清华大学
IPC: H04L12/703 , H04L12/721 , H04L12/803 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度强化学习的时间敏感网络通信流调度方法，其步骤如下：通过构筑基础、系统建模、系统框架、时隙选择、状态建模、动作建模、环境建模、深度神经网络来实现整体的构成，并通过错误恢复、实验论证和实验对象对整体进行检测，保证整体的正常使用。该基于深度强化学习的时间敏感网络通信流调度方法，提出了一种适用于TS流调度的基于DRL的建模、训练和应用方法，使用不同的数据训练就能够应用在不同的网络环境，且提出了一些优化方法，使用有向图表达网络信息使得DRLS能够动态的调度TS流并且能够在网络拓扑变化时迅速恢复，控制门技术的使用缓解了DNN的不确定性并且提高了调度方法的调度能力和可靠性。
-
公开(公告)号：CN109769014B
公开(公告)日：2020-08-04
申请号：CN201811565056.6
申请日：2018-12-20
Applicant: 清华大学
Abstract: 本发明提供一种混合临界系统的服务等级转换方法及装置，其中转换方法包括如下步骤：步骤一、按照系统服务的功能需求，将系统服务划分为多个服务板块；步骤二、根据多个所述服务板块的重要程度，确定多个所述服务板块的优先等级；步骤三、根据每个所述服务板块对环境状况的容忍极限，确定多个所述服务板块之间的转换条件；步骤四、根据多个所述服务板块的优先等级、多个所述服务板块之间的转换条件以及当前系统服务所处的环境条件，对系统服务当前的服务板块进行自动转换。本发明在严酷环境下，关闭部分重要性较低的服务板块，保障关键模块的正常运行，在系统级别增强设备对环境的适应性。
-
-
-
Search Results
4
records
(took 0.016 seconds)
