-
公开(公告)号：CN114124823B
公开(公告)日：2023-08-11
申请号：CN202111212368.0
申请日：2021-10-18
Applicant: 西安电子科技大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明属于通信技术领域，公开了一种面向高动态网络拓扑下的自适应路由方法、系统、设备，所述面向高动态网络拓扑下的自适应路由方法包括：基于软件定义网络技术，利用图注意力神经网络构建预测模型，对下一时刻网络节点间连接关系进行预测，得到下一时刻全局网络拓扑，并结合链路传输时延、链路丢包率和链路带宽占用率三个指标，对链路质量进行评估，为每条流选择最佳的传输路径。本发明提供的面向高动态网络拓扑下的自适应路由方法，具有较好的灵活性和泛化性，缓解现有技术方法因前提假设严苛，且对网络状态环境无感知带来的网络环境适应性差和可扩展性不佳等问题，提高网络数据传输效率，满足不同算力的用户的需求，推广至任意节点高动态网络。
-
公开(公告)号：CN109783412B
公开(公告)日：2022-04-22
申请号：CN201910048075.X
申请日：2019-01-18
Applicant: 电子科技大学
Abstract: 本发明提出一种在CPU+FPGA平台下进行深度强化学习算法训练的加速方法。本加速方法能够适用多种深度强化学习算法加速，实现了经验池和目标网络方法，方法包括如下步骤：在内存固定地址分配评价网络参数、目标网络参数和经验池，通过CPU进行初始化，在FPGA运行动作网络、评价网络和目标网络，同时运行两个进程，进程一进行数据采集，通过动作网络与运行于CPU上的强化学习环境交互，将采集到的数据存入经验池中；进程二进行神经网络的训练，CPU从经验池中抽取数据，通过目标网络产生标签，训练评价网络参数，并根据训练次数更新目标网络参数。本发明利用FPGA低功耗、可重配置的优点，对深度强化学习算法的训练进行加速和优化。
-
公开(公告)号：CN111585911B
公开(公告)日：2022-04-05
申请号：CN202010439958.6
申请日：2020-05-22
Applicant: 西安电子科技大学
IPC: H04L47/125 , H04L47/2441 , H04L47/2483 , H04L47/625
Abstract: 本发明公开了一种数据中心网络流量负载的均衡方法，主要解决现有技术存在小流阻塞和哈希碰撞的问题。其方案是：发送端主机根据数据流已发送字节量区分大流和小流；对于小流，交换机以数据包粒度为每一个数据包随机选择输出端口转发，保证小流的完成时间；对于大流，发送端主机将流切分为若干条流切片；边缘层交换机在转发大流的某条流切片时，若上一条流切片的输出端口队列长度大于等于随机选择的候选输出端口队列长度，则选择长度较短的端口转发该流切片的数据包；否则，选择与上一流切片相同的输出端口转发数据包。本发明缓解了小流被大流阻塞和大流哈希碰撞问题，减少了流的完成时间，提高了流的吞吐量，可用于对数据中心网络流量负载的均衡。
-
公开(公告)号：CN114422381B
公开(公告)日：2023-05-26
申请号：CN202111524054.4
申请日：2021-12-14
Applicant: 西安电子科技大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L41/147 , H04L41/14 , H04L43/0876 , G06N3/0464 , G06N3/08 , G06N3/048 , G06N3/0442 , G06N3/045
Abstract: 本发明属于网络通信技术领域，公开了一种通信网络流量预测方法、系统、存储介质及计算机设备，所述通信网络流量预测方法，包括：构建网络流量数据集，构建通信网络结构拓扑图；构建基于图卷积神经网络和Transformer的网络流量预测模型，结合图卷积神经网络和Transformer结构；构建网络流量预测模型，对通信网络拓扑结构和网络流量时间序列信息进行编码，学习数据的空间和时间特征；对构建的网络流量预测模型进行训练，采用均方根误差、平均绝对误差和平均绝对百分比误差三种评价方法对模型误差进行测试。本发明采用图卷积神经网络，提取通信网络交换节点的拓扑结构的空间特征，辅助模型预测未来网络流量，提升模型的精度和有效性。
-
公开(公告)号：CN108241322B
公开(公告)日：2020-08-04
申请号：CN201810037830.X
申请日：2018-01-16
Applicant: 电子科技大学
IPC: G05B19/042
Abstract: 本发明属于FPGA技术，致力于提出一种FPGA互联资源测试配置的生成方案，借助DQN算法构建模型，以提高配置效率。方案包括如下步骤：提取全局金属线，用于有重复连接特点的激励分组配置，并得到最小重复单元，以拥有相同激励信号；对该重复单元构建抽象连接关系，包括单元内的基础连接关系和单元间的扩展连接关系；利用DQN理论对重复单元建立局部配置模型，在线训练CNN网络得到优化参数，并生成配置。本发明利用增强学习的策略优化和CNN函数拟合功能，不仅实现了配置自动化，还提高了效率，能同时配置全局互联资源和局部互联资源，对芯片具体结构依赖性低，具备通用性和移植性，适用于多种系列FPGA的互联资源测试用配置的生成。
-
Patent Agency Ranking
公开(公告)号：CN114422381A
公开(公告)日：2022-04-29
申请号：CN202111524054.4
申请日：2021-12-14
Applicant: 西安电子科技大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L41/147 , H04L41/14 , H04L43/0876 , G06N3/04 , G06N3/08
Abstract: 本发明属于网络通信技术领域，公开了一种通信网络流量预测方法、系统、存储介质及计算机设备，所述通信网络流量预测方法，包括：构建网络流量数据集，构建通信网络结构拓扑图；构建基于图卷积神经网络和Transformer的网络流量预测模型，结合图卷积神经网络和Transformer结构；构建网络流量预测模型，对通信网络拓扑结构和网络流量时间序列信息进行编码，学习数据的空间和时间特征；对构建的网络流量预测模型进行训练，采用均方根误差、平均绝对误差和平均绝对百分比误差三种评价方法对模型误差进行测试。本发明采用图卷积神经网络，提取通信网络交换节点的拓扑结构的空间特征，辅助模型预测未来网络流量，提升模型的精度和有效性。
-
公开(公告)号：CN114124823A
公开(公告)日：2022-03-01
申请号：CN202111212368.0
申请日：2021-10-18
Applicant: 西安电子科技大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明属于通信技术领域，公开了一种面向高动态网络拓扑下的自适应路由方法、系统、设备，所述面向高动态网络拓扑下的自适应路由方法包括：基于软件定义网络技术，利用图注意力神经网络构建预测模型，对下一时刻网络节点间连接关系进行预测，得到下一时刻全局网络拓扑，并结合链路传输时延、链路丢包率和链路带宽占用率三个指标，对链路质量进行评估，为每条流选择最佳的传输路径。本发明提供的面向高动态网络拓扑下的自适应路由方法，具有较好的灵活性和泛化性，缓解现有技术方法因前提假设严苛，且对网络状态环境无感知带来的网络环境适应性差和可扩展性不佳等问题，提高网络数据传输效率，满足不同算力的用户的需求，推广至任意节点高动态网络。
-
公开(公告)号：CN111585911A
公开(公告)日：2020-08-25
申请号：CN202010439958.6
申请日：2020-05-22
Applicant: 西安电子科技大学
IPC: H04L12/803 , H04L12/851 , H04L12/863
Abstract: 本发明公开了一种数据中心网络流量负载的均衡方法，主要解决现有技术存在小流阻塞和哈希碰撞的问题。其方案是：发送端主机根据数据流已发送字节量区分大流和小流；对于小流，交换机以数据包粒度为每一个数据包随机选择输出端口转发，保证小流的完成时间；对于大流，发送端主机将流切分为若干条流切片；边缘层交换机在转发大流的某条流切片时，若上一条流切片的输出端口队列长度大于等于随机选择的候选输出端口队列长度，则选择长度较短的端口转发该流切片的数据包；否则，选择与上一流切片相同的输出端口转发数据包。本发明缓解了小流被大流阻塞和大流哈希碰撞问题，减少了流的完成时间，提高了流的吞吐量，可用于对数据中心网络流量负载的均衡。
-
公开(公告)号：CN109783412A
公开(公告)日：2019-05-21
申请号：CN201910048075.X
申请日：2019-01-18
Applicant: 电子科技大学
Abstract: 本发明提出一种在CPU+FPGA平台下进行深度强化学习算法训练的加速方法。本加速方法能够适用多种深度强化学习算法加速，实现了经验池和目标网络方法，方法包括如下步骤：在内存固定地址分配评价网络参数、目标网络参数和经验池，通过CPU进行初始化，在FPGA运行动作网络、评价网络和目标网络，同时运行两个进程，进程一进行数据采集，通过动作网络与运行于CPU上的强化学习环境交互，将采集到的数据存入经验池中；进程二进行神经网络的训练，CPU从经验池中抽取数据，通过目标网络产生标签，训练评价网络参数，并根据训练次数更新目标网络参数。本发明利用FPGA低功耗、可重配置的优点，对深度强化学习算法的训练进行加速和优化。
-
公开(公告)号：CN108241322A
公开(公告)日：2018-07-03
申请号：CN201810037830.X
申请日：2018-01-16
Applicant: 电子科技大学
IPC: G05B19/042
Abstract: 本发明属于FPGA技术，致力于提出一种FPGA互联资源测试配置的生成方案，借助DQN算法构建模型，以提高配置效率。方案包括如下步骤：提取全局金属线，用于有重复连接特点的激励分组配置，并得到最小重复单元，以拥有相同激励信号；对该重复单元构建抽象连接关系，包括单元内的基础连接关系和单元间的扩展连接关系；利用DQN理论对重复单元建立局部配置模型，在线训练CNN网络得到优化参数，并生成配置。本发明利用增强学习的策略优化和CNN函数拟合功能，不仅实现了配置自动化，还提高了效率，能同时配置全局互联资源和局部互联资源，对芯片具体结构依赖性低，具备通用性和移植性，适用于多种系列FPGA的互联资源测试用配置的生成。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
