-
公开(公告)号：CN119135555A
公开(公告)日：2024-12-13
申请号：CN202411636104.1
申请日：2024-11-15
Applicant: 湘江实验室
IPC: H04L41/147 , H04L41/142 , H04L41/149 , H04L9/40
Abstract: 本发明实施例中提供了一种算力网络的网络质量评价方法，属于通信技术领域，具体包括：步骤1，获取算力网络不同类型的指标数据；步骤2，将指标数据分为分类任务和时序预测任务，利用分类模型对分类任务进行预测，得到分类任务中每个指标数据的指标结果，以及，利用时序预测模型对时序预测任务进行预测，得到时序预测任务中每个指标数据的指标结果；步骤3，利用基于KAN网络的校准网络对全部指标结果进行校准和筛选；步骤4，将校准网络最后的输出进行聚合，得到质量评分。通过本发明的方案，提高了评估效率、精准度和稳定性。
-
公开(公告)号：CN118317366B
公开(公告)日：2024-11-22
申请号：CN202410538262.7
申请日：2024-04-30
Applicant: 湘江实验室
Abstract: 本申请涉及数据传输技术领域，提供了一种RDMA网络数据传输的负载均衡方法及相关设备。该方法包括：获取数据包转发速率、数据包队列总长度、每条路径的数据包到达速率、每条路径的路径数据包队列长度；基于数据包转发速率和所有路径的数据包到达速率计算得到拥塞暂停时间差；当拥塞暂停时间差小于预设时间差时，基于数据包队列总长度获取路径数据包队列长度阈值，并利用路径数据包队列长度阈值从所有路径中确定出拥塞路径；基于数据包队列总长度、数据包转发速率、所有路径的数据包到达速率获取每条路径的路径延迟；利用所有路径延迟从所有路径中确定出目标路径；向上游交换机发送路径拥塞消息。该方法能够提高数据传输的负载均衡性能。
-
公开(公告)号：CN118317366A
公开(公告)日：2024-07-09
申请号：CN202410538262.7
申请日：2024-04-30
Applicant: 湘江实验室
Abstract: 本申请涉及数据传输技术领域，提供了一种RDMA网络数据传输的负载均衡方法及相关设备。该方法包括：获取数据包转发速率、数据包队列总长度、每条路径的数据包到达速率、每条路径的路径数据包队列长度；基于数据包转发速率和所有路径的数据包到达速率计算得到拥塞暂停时间差；当拥塞暂停时间差小于预设时间差时，基于数据包队列总长度获取路径数据包队列长度阈值，并利用路径数据包队列长度阈值从所有路径中确定出拥塞路径；基于数据包队列总长度、数据包转发速率、所有路径的数据包到达速率获取每条路径的路径延迟；利用所有路径延迟从所有路径中确定出目标路径；向上游交换机发送路径拥塞消息。该方法能够提高数据传输的负载均衡性能。
-
公开(公告)号：CN119135555B
公开(公告)日：2025-01-21
申请号：CN202411636104.1
申请日：2024-11-15
Applicant: 湘江实验室
IPC: H04L41/147 , H04L41/142 , H04L41/149 , H04L9/40
Abstract: 本发明实施例中提供了一种算力网络的网络质量评价方法，属于通信技术领域，具体包括：步骤1，获取算力网络不同类型的指标数据；步骤2，将指标数据分为分类任务和时序预测任务，利用分类模型对分类任务进行预测，得到分类任务中每个指标数据的指标结果，以及，利用时序预测模型对时序预测任务进行预测，得到时序预测任务中每个指标数据的指标结果；步骤3，利用基于KAN网络的校准网络对全部指标结果进行校准和筛选；步骤4，将校准网络最后的输出进行聚合，得到质量评分。通过本发明的方案，提高了评估效率、精准度和稳定性。
-
公开(公告)号：CN118714028A
公开(公告)日：2024-09-27
申请号：CN202411191780.2
申请日：2024-08-28
Applicant: 湘江实验室
IPC: H04L41/147 , H04L41/16 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06F18/2131 , G06F123/02
Abstract: 本发明实施例中提供了一种基于小波分解和改进型LSTM的算力网络流量预测方法，属于通信技术领域，具体包括：数据预处理；构建算力网络流量预测模型；将训练集输入算力网络流量预测模型中，进行迭代训练；将测试集输入训练好的算力网络流量预测模型，评价其精度是否符合要求；采集目标流量数据并将其输入训练好的算力网络流量预测模型中，得到多个分量并拼接为矩阵，卷积长短时记忆网络提取各分量之间的时间和空间特征，之后将特征矩阵转为一维特征向量，双向长短时记忆网络对一维特征向量采用顺序和逆序计算，通过向量拼接得到最终的隐藏表示，再通过全连接层输出实时预测结果。通过本发明的方案，提高了预测实时性、精准度和适应性。
-
Patent Agency Ranking
公开(公告)号：CN118381771A
公开(公告)日：2024-07-23
申请号：CN202410809517.9
申请日：2024-06-21
Applicant: 湘江实验室
IPC: H04L49/25 , H04L47/125
Abstract: 本发明提供了一种基于交换机的RDMA数据流在网重排序方法，涉及数据中心无损网络负载均衡技术领域，与现有技术相比，在保障了多路径传输性能的同时，根据数据流在旧传输路径传输最后一个RDMA数据包的发送时间、旧传输路径的期望排队延迟、重排序队列的排空时间，让到达目的交换机的不同乱序数据流共享同一重排序队列，在同一重排序队列中按每条源RDMA数据流的编号依次对满足预设条件的RDMA数据包进行重排序，保障不同乱序数据流之间不互相阻塞转发，实现队列资源的充分利用，从而减少目的交换机的队列占用，降低了乱序包的重排序开销，且无需修改接收端网卡，避免了因接收端网卡硬件资源少导致无法大规模部署于交换机中的问题。
-
公开(公告)号：CN119917392A
公开(公告)日：2025-05-02
申请号：CN202510409700.4
申请日：2025-04-02
Applicant: 湘江实验室
IPC: G06F11/34 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供了一种算力网络性能预测方法及相关设备，获取算力网络的历史性能数据作为训练集；将训练集输入包括测试时间训练层的算力网络性能预测模型，对算力网络性能预测模型进行预训练，得到预训练后的算力网络性能预测模型，预训练后的算力网络性能预测模型中骨干网络模块的权重被锁死，对预训练后的算力网络性能预测模型中的测试时间训练层进行训练，通过更新测试时间训练层的权重，以适应网络性能模式的变化；将目标算力网络的网络性能数据输入训练后的算力网络性能预测模型进行预测，得到目标算力网络的性能预测结果；可以在保证预测准确性的同时，适应算力网络性能模式的变化。
-
公开(公告)号：CN118802593B
公开(公告)日：2024-11-22
申请号：CN202411273542.6
申请日：2024-09-12
Applicant: 湘江实验室
IPC: H04L41/149 , H04L41/0896
Abstract: 本申请涉及算力网络带宽预测技术领域，提供了一种算力网络的带宽预测方法、装置、设备及介质。该方法包括：获取目标算力网络在T个时刻的带宽值；根据所有带宽值获取带宽时域信息和带宽频域信息，并将带宽时域信息和带宽频域信息进行拼接，得到融合信息；将融合信息线性投影到隐藏维度，得到融合信息的第一投影和第二投影，对第一投影和第二投影进行下采样的特征提取，得到局部特征，并对第一投影和第二投影进行上采样的特征提取，得到全局特征；将局部特征和全局特征进行融合，得到最终特征；对最终特征进行预测，得到当前时刻目标算力网络的预测带宽值。本申请的带宽预测方法能够提高带宽预测的准确性。
-
公开(公告)号：CN118714028B
公开(公告)日：2024-11-05
申请号：CN202411191780.2
申请日：2024-08-28
Applicant: 湘江实验室
IPC: H04L41/147 , H04L41/16 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06F18/2131 , G06F123/02
Abstract: 本发明实施例中提供了一种基于小波分解和改进型LSTM的算力网络流量预测方法，属于通信技术领域，具体包括：数据预处理；构建算力网络流量预测模型；将训练集输入算力网络流量预测模型中，进行迭代训练；将测试集输入训练好的算力网络流量预测模型，评价其精度是否符合要求；采集目标流量数据并将其输入训练好的算力网络流量预测模型中，得到多个分量并拼接为矩阵，卷积长短时记忆网络提取各分量之间的时间和空间特征，之后将特征矩阵转为一维特征向量，双向长短时记忆网络对一维特征向量采用顺序和逆序计算，通过向量拼接得到最终的隐藏表示，再通过全连接层输出实时预测结果。通过本发明的方案，提高了预测实时性、精准度和适应性。
-
公开(公告)号：CN118381771B
公开(公告)日：2024-08-20
申请号：CN202410809517.9
申请日：2024-06-21
Applicant: 湘江实验室
IPC: H04L49/25 , H04L47/125
Abstract: 本发明提供了一种基于交换机的RDMA数据流在网重排序方法，涉及数据中心无损网络负载均衡技术领域，与现有技术相比，在保障了多路径传输性能的同时，根据数据流在旧传输路径传输最后一个RDMA数据包的发送时间、旧传输路径的期望排队延迟、重排序队列的排空时间，让到达目的交换机的不同乱序数据流共享同一重排序队列，在同一重排序队列中按每条源RDMA数据流的编号依次对满足预设条件的RDMA数据包进行重排序，保障不同乱序数据流之间不互相阻塞转发，实现队列资源的充分利用，从而减少目的交换机的队列占用，降低了乱序包的重排序开销，且无需修改接收端网卡，避免了因接收端网卡硬件资源少导致无法大规模部署于交换机中的问题。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.021 seconds)
