一种基于多属性决策的路由方法、装置、设备和介质

    公开(公告)号:CN114221897A

    公开(公告)日:2022-03-22

    申请号:CN202111496145.1

    申请日:2021-12-09

    Abstract: 本发明公开了一种基于多属性决策的路由方法、装置、设备和介质,方法包括:获取网络拓扑信息以及每条链路的至少两种网络状态属性的值;根据网络状态属性的类型对网络状态属性的值进行归一化;根据成对比较矩阵得到每种网络状态属性的权重值;根据每条链路上的归一化后的每种网络状态属性值以及每种网络状态属性的权重值,得到每条链路的代价函数值;根据每条链路的代价函数值,计算满足至少两种网络状态属性要求的最短路径。本发明综合考虑多种网络状态属性的影响,并通过成对比较矩阵的方式计算出各个网络状态属性的权重值大小,各个网络状态属性根据权重值组合到一块作为路由开销共同决定路由选路,可以根据用户的个性化需求来进行路由选路。

    缓存与路由策略优化与网络内容分发方法、装置以及设备

    公开(公告)号:CN115988572A

    公开(公告)日:2023-04-18

    申请号:CN202211684267.8

    申请日:2022-12-27

    Abstract: 本发明公开了一种缓存与路由策略优化与网络内容分发方法、装置以及设备。该方法包括:构建网络内容流行度模型与网络结构模型;构建在网络流行度模型与网络结构模型下的最大化流量卸载模型,最大化流量卸载模型用于将网络资源分配任务转换为卸载网络内容请求流量任务;依据缓存策略与路由策略对各个网络内容请求在流量卸载模型下所卸载的流量进行求解;依据卸载流量求解结果对缓存策略与路由策略进行优化,以实现能基于缓存策略与路由策略进行最大化卸载内容请求的流量的网络内容分发。本方案在云端、边缘节点以及终端设备协同工作下能实现对用于网络内容分发的缓存与路由策略进行优化,减轻核心网络的流量负载压力,提高网络内容请求的服务质量。

    一种基于注意力机制的LSTM模型的网络流量预测方法

    公开(公告)号:CN111970163B

    公开(公告)日:2022-06-21

    申请号:CN202010618153.8

    申请日:2020-06-30

    Abstract: 本发明提供一种基于注意力机制的LSTM模型的网络流量预测方法,该方法包括以下步骤:步骤1:数据预处理,对所述网络流量数据进行标准化处理,然后将网络流量数据划分为训练数据和测试数据;步骤2:构建模型,构建基于注意力机制的LSTM模型,步骤3:模型训练,将训练数据输入所述基于注意力机制的LSTM模型中,基于Adam优化算法进行迭代训练,得到训练好的模型;步骤4:网络流量预测。该网络流量预测方法在计算当前时刻的输出状态时,综合考虑前面多个时刻的隐藏状态,使得输出序列中每一项的生成概率都受输入多个历史序列隐藏状态的影响,对流量的预测更加准确。

    一种智能网络监控的方法和系统

    公开(公告)号:CN112769646A

    公开(公告)日:2021-05-07

    申请号:CN202011627242.5

    申请日:2020-12-31

    Abstract: 本发明公开一种智能网络监控的方法和系统,其中方法包括:S1、数据采集;S2、数据推送;S3、获取预警监控信息;S4、可视化前端与后端进行数据传输。系统包括人工智能算法处理模块、网络信息数据采集模块、服务端集中处理模块和可视化展示模块。本发明不仅会对网络节点的当前实时指标有所监控,同时会依靠人工智能监控技术对网络的流量预测、拥塞情况进行预警;采用现代可视化大屏,甄别网络数据类型配以专业化图表,凸显紧要网络监控指标,让监控指标可视化更加直观。解决了现有技术中依靠人工方式对监控网络进行预警判断过程繁琐并且难以全面,以及网络监控以及监控指标过多时,容易造成表格臃肿,进而导致监控不直观的问题。

    一种基于注意力机制的LSTM模型的网络流量预测方法

    公开(公告)号:CN111970163A

    公开(公告)日:2020-11-20

    申请号:CN202010618153.8

    申请日:2020-06-30

    Abstract: 本发明提供一种基于注意力机制的LSTM模型的网络流量预测方法,该方法包括以下步骤:步骤1:数据预处理,对所述网络流量数据进行标准化处理,然后将网络流量数据划分为训练数据和测试数据;步骤2:构建模型,构建基于注意力机制的LSTM模型,步骤3:模型训练,将训练数据输入所述基于注意力机制的LSTM模型中,基于Adam优化算法进行迭代训练,得到训练好的模型;步骤4:网络流量预测。该网络流量预测方法在计算当前时刻的输出状态时,综合考虑前面多个时刻的隐藏状态,使得输出序列中每一项的生成概率都受输入多个历史序列隐藏状态的影响,对流量的预测更加准确。

    一种数据检测方法、装置、电子设备及介质

    公开(公告)号:CN116258167A

    公开(公告)日:2023-06-13

    申请号:CN202211413783.7

    申请日:2022-11-11

    Abstract: 本申请实施例公开了一种数据检测方法、装置、电子设备及介质。该方法包括:采用Transformer编码器对待检测数据进行编码,确定待检测数据对应的高斯分布数据;对高斯分布数据进行采样,得到采样数据,并采用Transformer解码器对采样数据进行解码,得到重构数据;根据待检测数据与重构数据的差异数据,确定待检测数据的检测结果。本技术方案,通过应用Transformer编码器能够提取待检测数据中的特征信息,获取不同时刻的待检测数据中的依赖关系,通过应用Transformer解码器完成数据的重构,与重构前的待检测数据进行对比,检测出具备长期趋势特点的异常行为,解决了目前不能准确的对具有长期趋势的待检测数据进行异常检测的问题,提高了检测准确性。

    资源分配方法、非易失性存储介质及电子设备

    公开(公告)号:CN116132380A

    公开(公告)日:2023-05-16

    申请号:CN202310066035.4

    申请日:2023-01-19

    Abstract: 本发明公开了一种资源分配方法、非易失性存储介质及电子设备。其中,该方法包括:建立云边协同网络对应的网络能耗模型,其中,网络能耗模型包括移动终端设备功耗模型、基站功耗模型、云端功耗模型以及链路功耗模型;基于网络能耗模型,确定云边协同网络对应的网络优化目标和网络约束条件;基于网络优化目标和网络约束条件,得到云边协同网络对应的资源分配策略,其中,资源分配策略包括:基于内容请求的内容缓存策略,基于内容请求的任务卸载策略,基于计算请求的任务卸载策略。本发明解决了由于相关技术中对于云边协同网络中网络能耗和服务请求考虑不全面,导致的资源分配策略不准确,进而造成设备应用网络能耗高、用户体验感差的技术问题。

    一种可解释的多维时序数据分析方法

    公开(公告)号:CN111949704A

    公开(公告)日:2020-11-17

    申请号:CN202010690245.7

    申请日:2020-07-17

    Abstract: 本发明公开一种可解释的多维时序数据分析方法,包括S1、建立多维时序数据分析模型,分析模型为卷积神经网络,依次包括输入层、卷积层、隐层和输出层;S2、将不同时间点采集的多个指标数据作为输入数据输入分析模型,输入数据为n*k的矩阵,其中n为输入数据的维数,即指标数量,k为输入数据的采集次数;S3、分析模型输出一个或多个预测结果,对应不同建模任务;S4、对预测结果进行回溯,得到神经元的权重,进而得到组成该神经元的输入数据维度和变化模式的权重,使得分析模型具有可解释性。本发明的这种自适应模式匹配机制可以充分挖掘各个指标的变化趋势,进而提升数据分析模型的预测能力。

    降低网络内容传输功耗和时延的方法、装置、设备及介质

    公开(公告)号:CN115767590A

    公开(公告)日:2023-03-07

    申请号:CN202211404974.7

    申请日:2022-11-10

    Abstract: 本申请公开了一种降低网络内容传输功耗和时延的方法、装置、设备及介质,涉及通信技术领域,包括:基于齐普夫定律构建内容流行度模型,在异构无线网络下构建包括云端、宏基站和微基站的网络拓扑模型;基于内容流行度模型和网络拓扑模型,构建云端和基站的总功耗模型以及构建云端和基站的总时延模型,基于总功耗模型和总时延模型构建功耗与时延联合均衡模型;基于缓存策略对功耗与时延联合均衡模型进行求解,并基于求解结果优化缓存策略,以降低网络内容传输过程中的功耗和时延。通过构建云端、宏基站和微基站的三层网络拓扑模型,进而建立云端和基站的功耗与时延联合均衡模型并进行求解,以降低网络内容传输的功耗和时延。

Patent Agency Ranking