一种针对时延敏感型任务的流量调度方法及系统

    公开(公告)号:CN118573630A

    公开(公告)日:2024-08-30

    申请号:CN202410512472.9

    申请日:2024-04-26

    Applicant: 湖南大学

    Abstract: 本发明公开了一种针对时延敏感型任务的流量调度方法及系统,在路由前考虑时延敏感型任务的传输时延要求,借助Markovian Arrival Process/Markovian Service Process/Single Server Queue Model,计算时延敏感型任务的端到端时延,提出端到端时延的松弛化表示,利用线性规划,显式对其进行约束,实现更加高效的路由方式。在四种实际网络拓扑上的大量实验结果表明,本发明的方法能够在不降低网络整体性能的前提下,有效地降低时延敏感型任务的端到端时延,并在大多数情况下达到最优性能的目标,对未知的流量矩阵和不同的流量变化具有良好的泛化能力。

    一种将深度学习与数学分析相结合的句子分类改进方法

    公开(公告)号:CN109101584B

    公开(公告)日:2020-11-03

    申请号:CN201810812774.2

    申请日:2018-07-23

    Applicant: 湖南大学

    Abstract: 本发明提供了一种将深度学习与数学分析相结合的句子分类改进方法,该方法结合了深度学习和数学分析在处理句子问题中的优势,即长短时记忆网络(LSTM)能将句子中词的词序信息和上下文信息都考虑进去,反词频权重(AWF)能突出词在语料库中的统计特征,通过数学方法将原始向量表示S0减去S0在第一主成成分V1上的投影,得到改进后的句子特征向量表示S1,将S1作为softmax层的输入得到句子分类结果。将这些优势结合在一起,取长补短,有助于句子建模的可靠性得到更好的句子语义特征表示,从而提高句子分类的精度。同样也可用于文本(多个句子)建模的基础,有助于获得更好的文本(多个句子)分类方法。

    一种将深度学习与数学分析相结合的句子分类改进方法

    公开(公告)号:CN109101584A

    公开(公告)日:2018-12-28

    申请号:CN201810812774.2

    申请日:2018-07-23

    Applicant: 湖南大学

    Abstract: 本发明提供了一种将深度学习与数学分析相结合的句子分类改进方法,该方法结合了深度学习和数学分析在处理句子问题中的优势,即长短时记忆网络(LSTM)能将句子中词的词序信息和上下文信息都考虑进去,反词频权重(AWF)能突出词在语料库中的统计特征,通过数学方法将原始向量表示S0减去S0在第一主成成分V1上的投影,得到改进后的句子特征向量表示S1,将S1作为softmax层的输入得到句子分类结果。将这些优势结合在一起,取长补短,有助于句子建模的可靠性得到更好的句子语义特征表示,从而提高句子分类的精度。同样也可用于文本(多个句子)建模的基础,有助于获得更好的文本(多个句子)分类方法。

    拍卖竞价中恶意竞价行为检测方法、装置、及计算机设备

    公开(公告)号:CN119228516A

    公开(公告)日:2024-12-31

    申请号:CN202411103105.X

    申请日:2024-08-13

    Applicant: 湖南大学

    Abstract: 本申请涉及一种拍卖竞价中恶意竞价行为检测方法、装置、计算机设备、存储介质和计算机程序产品,其中,方法包括:获取用户的历史拍卖竞价数据;基于历史拍卖竞价数据,计算历史拍卖竞价对应的恶意系数;根据恶意系数训练多智能体,得到动作价值最优时对应的已训练多智能体;获取用户实时竞价数据,根据用户实时竞价数据以及已训练多智能体进行恶意竞价行为检测。整个过程中,基于用户的历史拍卖竞价数据来确定出恶意系数,再由多智能体来训练学习在该恶意系数下竞价动作,检测时基于用户实时竞价数据和已训练多智能体进行,可以高效、且准确检测拍卖竞价中恶意竞价行为。

Patent Agency Ranking