-
公开(公告)号：CN117354227A
公开(公告)日：2024-01-05
申请号：CN202311244592.7
申请日：2023-09-25
Applicant: 北京邮电大学
Abstract: 本申请提供一种基于强化学习智能体探索优化的跨层路由方法及相关设备，包括：确定当前时刻目标跨层网络结构的网络状态和业务请求，将网络状态和所述业务请求输入到强化学习智能体，通过强化学习智能体中的动态图注意力网络对强化学习智能体的外部环境进行探索，得到目标动作；根据目标动作更新辅助图模型的边权重，执行路由和波长分配策略并更新网络环境；根据边权重更新强化学习智能体的内部环境，通过好奇心算法对强化学习智能体的内部环境进行探索，确定与内部环境相应的内在奖励；获取强化学习智能体外界环境的外在奖励，根据内在奖励及外在奖励更新强化学习智能体的参数；根据更新参数后的强化学习智能体，优化路由和波长分配策略。
-
公开(公告)号：CN117278884A
公开(公告)日：2023-12-22
申请号：CN202311000642.7
申请日：2023-08-09
Applicant: 北京邮电大学
IPC: H04Q11/00 , G06F18/2135 , G06N3/0985 , G06N3/096 , G06N3/084
Abstract: 本发明提供基于元迁移降维学习的光路传输质量预测方法及装置，其中方法包括：将目标光路特征数据输入传输质量预测模型，得到传输质量预测结果；传输质量预测模型的训练方法，包括：基于源域样本集构建多个元任务；在各元任务中训练人工神经网络模型，并从得到的多个预训练模型中确定目标预训练模型；基于目标域样本集，对目标预训练模型进行重训练，得到传输质量预测模型。本发明提供的基于元迁移降维学习的光路传输质量预测方法及装置，通过元学习的方式，在各元任务上训练模型，为得到的多个预训练模型找到最适用于光路传输质量预测问题的目标预训练模型，使得得到的目标预训练模型够更快适应于目标域样本集，提升了传输质量预测的准确率。
-
公开(公告)号：CN110865885B
公开(公告)日：2022-11-18
申请号：CN201910954974.6
申请日：2019-10-09
Applicant: 北京邮电大学
IPC: G06F9/50
Abstract: 本发明公开了一种面向分布式数据处理与聚合的任务部署装置和方法，所述方法包括：基于当前网络状态信息为当前待部署的任务分配可用的最大网络资源后，计算出所述任务的各子任务所需的完成时间；确定出最大完成时间Tmax及其对应的子任务；调整为其它子任务分配的带宽资源和计算资源，使得其它子任务所需的完成时间尽量延长至Tmax；基于调整后的带宽资源和计算资源，对所述任务的各子任务进行部署。应用本发明可以减小各子任务的处理结果到达目的数据中心的时间差，从而减少对作为目的数据中心的MEC服务器资源的浪费。
-
公开(公告)号：CN113783793A
公开(公告)日：2021-12-10
申请号：CN202110841788.9
申请日：2021-07-23
Applicant: 北京邮电大学
IPC: H04L12/841
Abstract: 本公开提供一种对时间敏感的数据帧的流量调度方法及相关设备，通过时延标签记录数据帧剩余可接受排队时延d和剩余路由跳数n，再由两者相除可以得到平均每跳排队时延dph，在每个中间节点内，将数据帧缓存入相应的周期性队列进行传输，以平衡在前缀节点经历的过大或过小的排队时延，实现了抖动为2τ的确定性传输。其中τ为中间节点内周期性队列的传输时间，同时也是由构建网络的用户预先设定的，通过设定不同的τ值，可以实现不同程度的确定性抖动传输。
-
公开(公告)号：CN113627621A
公开(公告)日：2021-11-09
申请号：CN202110929778.0
申请日：2021-08-13
Applicant: 北京邮电大学
Abstract: 本发明公开了一种面向光网络传输质量回归估计的主动学习方法，基于预测不确定性感知构建信息量估计模型，通过预测模型对特定配置参数对应GSNR估计值的概率分布，计算信息熵以筛选信息量更大，更具代表性的样本，迭代地选择对GSNR的精确估计最有价值的样本扩展数据集，以尽可能少的样本表征更全面的数据集信息，提高模型的泛化性能。本发明的方法在可监测GSNR实例的光路数量受限的条件下，可以用尽可能少的训练样本实现更精确的QoT估计，有效提升了小样本条件下QoT估计模型的预测精度，降低了达到目标性能所需的光路实例，有效减少了光网络资源的浪费。
-
Patent Agency Ranking
公开(公告)号：CN113627541A
公开(公告)日：2021-11-09
申请号：CN202110929197.7
申请日：2021-08-13
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于样本迁移筛选的光路传输质量预测方法，利用目标域的未标记样本对源域样本进行筛选，包括以下步骤：S1、筛选源域数据：采用孤立森林算法完成样本分类得到相似样本；S2、训练预训练模型：将得到的相似样本对人工神经网络进行训练，得到预训练模型；S3、微调预训练模型：迁移预训练模型中的一层或几层，将其加入到新的神经网络中，并冻结其参数；利用来自于目标域的少量样本对新的神经网络进行训练，最终得到适用于目标域的QoT预测模型。本发明融合了机器学习中的孤立森林算法，在目标网络可供训练的样本数量较少的情况下，有效提升了迁移学习QoT估计方法的精度，从而降低了所需部署的网络余量，是一种新颖的迁移学习QoT估计方案。
-
公开(公告)号：CN106209181A
公开(公告)日：2016-12-07
申请号：CN201610602760.9
申请日：2016-07-27
Applicant: 北京邮电大学
Abstract: 本发明提供了一种利用波长重构提高CoMP性能的方法，属于无线通信技术领域。本发明通过对波长重构，调整基带处理单元BBU和射频拉远头RRH的从属关系，让Inter-BBU CoMP的边缘用户业务流量和波长被迁移的内部用户业务流量的总和达到最小。本发明为实现波长重构提供了基于拓扑图的方法和基于波长权重的方法。通过波长重构，缓解了在分布式无线接入网中为了提供CoMP对接入网络尤其是X2链路形成巨大的压力和冲击，降低了BBU之间的链路压力，降低了Inter-BBU CoMP用户的业务流量，从而增加了小区的吞吐量，提高了用户服务质量，整体提高了网络的承载能力。
-
公开(公告)号：CN115483970B
公开(公告)日：2025-04-15
申请号：CN202211120906.8
申请日：2022-09-15
Applicant: 北京邮电大学
IPC: H04B10/079 , G06N3/045 , G06N3/098
Abstract: 本发明实施例公开了一种基于注意力机制的光网络故障定位方法及装置，包括数据采集、节点与链路数据表征、节点与链路数据特征提取、全网数据特征提取和故障定位决策的步骤，本发明方法及装置能够从大规模的监测数据中筛选出最为重要的数据，大大提高网络故障定位的效率与准确率。此外，本发明可精确定位到发生故障的网络设备，相比于现有方案来说更为精确，这可大大降低业务重路由带来的开销，符合未来6G/F6G绿色建网，高效运维的需求。
-
公开(公告)号：CN114021713B
公开(公告)日：2024-07-26
申请号：CN202111327926.8
申请日：2021-11-10
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于神经元级别迁移学习的光路传输质量估计方法，能够在少量训练样本下得到准确度更高的QoT估计模型，进一步提升网络资源利用率。本发明基于神经元重要性搜索迁移模型结构，得到较为优性的迁移模型结构，有效完成源域知识向目标域知识的迁移任务，可以克服光网络部署初期收集网络参数数据样本较少而难以实现准确QoT估计的问题，是一种可以适应未来光网络有效部署，提升网络资源利用率的优性光路QoT估计机制。
-
公开(公告)号：CN113627621B
公开(公告)日：2024-03-22
申请号：CN202110929778.0
申请日：2021-08-13
Applicant: 北京邮电大学
IPC: G06N20/20 , G06F18/27 , G06F18/214
Abstract: 本发明公开了一种面向光网络传输质量回归估计的主动学习方法，基于预测不确定性感知构建信息量估计模型，通过预测模型对特定配置参数对应GSNR估计值的概率分布，计算信息熵以筛选信息量更大，更具代表性的样本，迭代地选择对GSNR的精确估计最有价值的样本扩展数据集，以尽可能少的样本表征更全面的数据集信息，提高模型的泛化性能。本发明的方法在可监测GSNR实例的光路数量受限的条件下，可以用尽可能少的训练样本实现更精确的QoT估计，有效提升了小样本条件下QoT估计模型的预测精度，降低了达到目标性能所需的光路实例，有效减少了光网络资源的浪费。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.054 seconds)
