公开(公告)号：CN116541435A

公开(公告)日：2023-08-04

申请号：CN202310359875.X

申请日：2023-04-06

Applicant: 哈尔滨工程大学

Inventor： 吕宏武 ,  陈楚皓 ,  米海林 ,  王慧强 ,  孟祥旭 ,  张知博 ,  郭方方

IPC: G06F16/2458 ,  G06N3/0455 ,  G06N3/0495 ,  G06F18/2136 ,  G06F18/28

Abstract: 本发明属于计算机技术领域，具体涉及一种基于双向稀疏机制Transformer的长时序数据预测方法。本发明通过时序信息编码模块为单一数据添加时序信息，可以帮助Transformer模型更有效捕捉不同时序数据间的时序关联，提高了精度；在基于双向稀疏机制Transformer的时序信息提取模块中提出了一种基于双向稀疏化的自注意力机制，大幅降低计算过程中的时空开销。

公开(公告)号：CN120050193A

公开(公告)日：2025-05-27

申请号：CN202510204618.8

申请日：2025-02-24

Applicant: 哈尔滨工程大学

Inventor： 吕宏武 ,  刘杏华 ,  王慧强 ,  冯光升 ,  郭方方 ,  米海林

IPC: H04L41/147 ,  G06F18/214 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  H04L41/16 ,  H04L43/0852 ,  H04W24/02

Abstract: 本发明公开了一种基于多尺度对比学习中的6G网络时延预测方法，属于网络时延预测领域。本发明方法首先通过多尺度随机裁剪方法和多尺度时间戳掩蔽方法处理的掩蔽了部分时间戳的多尺度6G网络时延样本对；然后通过调用基于多尺度扩张卷积的特征提取阶段中的相应方法来有效地从多个层次捕获多尺度6G网络时延样本对的特征，且通过一维卷积层增加数据的连续性以从全局视角获取全局特征；最后采用基于改进混合器的时延预测阶段中的相应方法来捕获6G网络时延的时间模式和特征。本发明将获取的多尺度6G网络时延的时间模式和特征来对6G网络时延数据集中测试集进行时延预测。