公开(公告)号：CN114662658A

公开(公告)日：2022-06-24

申请号：CN202210237289.3

申请日：2022-03-11

Applicant: 重庆邮电大学

Inventor： 仇星 ,  郭鹏星 ,  侯维刚 ,  何香玉

IPC: G06N3/04 ,  G06N3/067 ,  G06N3/08 ,  G06E3/00 ,  G06F15/78

Abstract: 本发明请求保护一种基于LSTM神经网络的片上光网络热点预测方法，通过对片上光网络中每个节点的流量值进行清洗、归一化和划分后获取训练数据与测试数据；为适应片上光网络中具有多节点特征搭建了一种多输入输出LSTM神经网络模型，并将训练数据输入该模型进行训练；得到训练模型后再将数据输入到该模型得到每个节点的预测流量值。相比较传统的建模方法来说，LSTM神经网络具有自学习与自适应强等特点，因此可以利用该特点分析并预测网络中节点的热点变化情况。相比较当前比较典型的预测模型循环神经网络(RNN)和门循环单元(GRU)来说，本模型的均方误差分别降低了8.57％与15.7％，拟合度分别提高了3.35％和1.73％。

公开(公告)号：CN111786911A

公开(公告)日：2020-10-16

申请号：CN202010455321.6

申请日：2020-05-26

Applicant: 重庆邮电大学

Inventor： 侯维刚 ,  仇星 ,  巩小雪

IPC: H04L12/933 ,  H04L12/761 ,  H04Q11/00

Abstract: 本发明请求保护一种混合无线光片上网络架构及其多播路由算法，其中，混合无线光片上网络架构包括光传输层、电控制层和无线传输层，并采用适用于Zenneck表面波传输的波导结构及Walsh编码技术；相应多播路由方法包括无线传输层和光传输层的灵活分配机制以及在分区内基于节点分布的多播路由机制。相较于传统ONoC多播路由方法，本发明在平均跳数(平均时延)等方面体现更好的性能。

公开(公告)号：CN111786911B

公开(公告)日：2022-02-08

申请号：CN202010455321.6

申请日：2020-05-26

Applicant: 重庆邮电大学

Inventor： 侯维刚 ,  仇星 ,  巩小雪

IPC: H04L49/109 ,  H04L45/16 ,  H04Q11/00

Abstract: 本发明请求保护一种混合无线光片上网络架构及其多播路由算法，其中，混合无线光片上网络架构包括光传输层、电控制层和无线传输层，并采用适用于Zenneck表面波传输的波导结构及Walsh编码技术；相应多播路由方法包括无线传输层和光传输层的灵活分配机制以及在分区内基于节点分布的多播路由机制。相较于传统ONoC多播路由方法，本发明在平均跳数(平均时延)等方面体现更好的性能。