高可靠性的多维复杂网络自治愈系统

    公开(公告)号:CN113411824A

    公开(公告)日:2021-09-17

    申请号:CN202110594382.5

    申请日:2021-05-28

    摘要: 本发明提供一种高可靠性的多维复杂网络自治愈系统,该系统包括:终端检测模块,用于检测网络状态信息;网络端检测模块,用于再次确定终端所在小区中断情况;网络切换预测模块,用于确定每个时隙内网络节点对终端的覆盖状态,根据覆盖状态确认是否将会出现由于节点覆盖范围有限造成的网络切换;网络补偿模块,用于根据接收到的网络端检测模块的检测结果,进行网络补偿;网络切换模块,用于进行网络切换准备,以及在收到网络补偿模块无效结果后,进行网络切换。该系统能够提前与预测切换的网络节点进行握手,实现资源预留,有效保证终端用户通信的连续性。采用双端检测,以及网络补偿与切换准备并行的方案,保证通信的连续性,减小网络恢复时延。

    高可靠性的多维复杂网络自治愈系统

    公开(公告)号:CN113411824B

    公开(公告)日:2022-06-21

    申请号:CN202110594382.5

    申请日:2021-05-28

    摘要: 本发明提供一种高可靠性的多维复杂网络自治愈系统,该系统包括:终端检测模块,用于检测网络状态信息;网络端检测模块,用于再次确定终端所在小区中断情况;网络切换预测模块,用于确定每个时隙内网络节点对终端的覆盖状态,根据覆盖状态确认是否将会出现由于节点覆盖范围有限造成的网络切换;网络补偿模块,用于根据接收到的网络端检测模块的检测结果,进行网络补偿;网络切换模块,用于进行网络切换准备,以及在收到网络补偿模块无效结果后,进行网络切换。该系统能够提前与预测切换的网络节点进行握手,实现资源预留,有效保证终端用户通信的连续性。采用双端检测,以及网络补偿与切换准备并行的方案,保证通信的连续性,减小网络恢复时延。

    一种迁移学习方法及装置

    公开(公告)号:CN109948741A

    公开(公告)日:2019-06-28

    申请号:CN201910161120.2

    申请日:2019-03-04

    IPC分类号: G06K9/66 G06K9/62

    摘要: 本发明实施例提供一种迁移学习方法及装置,该方法包括:获取预处理后的子序列和密集预测网络模型,预处理后的子序列包括源域子序列和目标域子序列;将源域子序列和目标域子序列分批次输入密集预测网络模型,得到全局移位损失;获取源域标签和目标域伪标签,基于余弦距离损失和滑动平均方法,根据源域标签和目标域伪标签进行对应类别质心对齐,得到对应类别移位损失;根据全局移位损失和对应类别移位损失得到总损失,根据总损失更新密集预测网络模型。本发明实施例提供的迁移学习方法及装置,提出一种多层次无监督域适应的方法,完成边缘分布和条件分布的对齐,实现对时间序列数据密集预测模型的迁移,性能更优越。