-
公开(公告)号：CN111491331B
公开(公告)日：2022-04-15
申请号：CN202010289434.3
申请日：2020-04-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种雾计算网络中基于迁移学习的网络感知自适应缓存方法，属于移动通信技术领域。利用雾计算技术在移动网络边缘开发智能内容缓存，可以解决移动网络上对移动数据服务的巨大需求，以缓解冗余流量，提高内容交付效率。本发明提出一种雾计算网络中基于迁移学习的网络感知自适应缓存方案，以降低内容交付时延，同时提高未来移动网络用户的QoE。本方案考虑到用户的内容请求以及网络的操作特性。所构建的内容与网络感知自适应缓存方案使用迁移学习来估计内容的受欢迎程度，并使用混合整数线性规划MILP来计算内容的放置位置和选择网络中的物理缓存大小。提出的缓存方案同时执行高效的缓存部署和内容缓存。
-
公开(公告)号：CN111935784B
公开(公告)日：2022-04-22
申请号：CN202010806971.0
申请日：2020-08-12
Applicant: 重庆邮电大学
IPC: H04W28/14 , H04L67/568 , H04L67/5682 , G06N20/00 , G06F9/50
Abstract: 本发明涉及一种雾计算网络中基于联邦学习的内容缓存方法，属于移动通信技术领域。通过在F‑RAN中部署内容缓存，可以实现快速、重复的数据访问，减轻网络传输流量。由于缓存容量的限制，预测内容的流行度并缓存哪些流行内容是非常重要的。通常，大多数经典的预测方法都需要在一个中央单元收集个人用户信息，导致了许多用户隐私问题。本发明提出了一种基于联邦学习的智能F‑RANs范例。将联邦学习应用于需求预测问题，可以准确预测网络中内容流行度分布。此外，考虑到用户的内容请求，本发明联合优化了网络中存储资源分配和内容放置问题。本发明将联合优化问题表示为一个整数线性规划模型，目标是最小化网络总流量成本。
-
公开(公告)号：CN111935784A
公开(公告)日：2020-11-13
申请号：CN202010806971.0
申请日：2020-08-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种雾计算网络中基于联邦学习的内容缓存方法，属于移动通信技术领域。通过在F-RAN中部署内容缓存，可以实现快速、重复的数据访问，减轻网络传输流量。由于缓存容量的限制，预测内容的流行度并缓存哪些流行内容是非常重要的。通常，大多数经典的预测方法都需要在一个中央单元收集个人用户信息，导致了许多用户隐私问题。本发明提出了一种基于联邦学习的智能F-RANs范例。将联邦学习应用于需求预测问题，可以准确预测网络中内容流行度分布。此外，考虑到用户的内容请求，本发明联合优化了网络中存储资源分配和内容放置问题。本发明将联合优化问题表示为一个整数线性规划模型，目标是最小化网络总流量成本。
-
公开(公告)号：CN111491331A
公开(公告)日：2020-08-04
申请号：CN202010289434.3
申请日：2020-04-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种雾计算网络中基于迁移学习的网络感知自适应缓存方法，属于移动通信技术领域。利用雾计算技术在移动网络边缘开发智能内容缓存，可以解决移动网络上对移动数据服务的巨大需求，以缓解冗余流量，提高内容交付效率。本发明提出一种雾计算网络中基于迁移学习的网络感知自适应缓存方案，以降低内容交付时延，同时提高未来移动网络用户的QoE。本方案考虑到用户的内容请求以及网络的操作特性。所构建的内容与网络感知自适应缓存方案使用迁移学习来估计内容的受欢迎程度，并使用混合整数线性规划MILP来计算内容的放置位置和选择网络中的物理缓存大小。提出的缓存方案同时执行高效的缓存部署和内容缓存。
-
-
-
Search Results
4
records
(took 0.016 seconds)
