-
公开(公告)号：CN106570597A
公开(公告)日：2017-04-19
申请号：CN201611000381.9
申请日：2016-11-14
Applicant: 广州大学
Abstract: 本发明公开了一种SDN架构下基于深度学习的内容流行度预测方法，包括：利用SDN网络中各节点计算资源以及链路构建可重构、分布式深度学习网络，SDN网络具有SDN控制器和多个SDN交换机节点，每个SDN交换机实现若干神经元的计算功能，神经元之间通过SDN交换机的链路彼此连接；SDN网络中的各个节点实时地采集内容被请求的时空联合分布的数据并作为深度学习网络的输入，利用栈式自编码器对时空联合分布的数据进行特征学习，利用Softmax分类器对内容流行度进行预测。本发明基于SDN的可编程、全局视野集中控制的特性，实现深度学习网络的可重构，包括能够调整隐含层和每层神经元节点的数量等；所述方法对ICN的解析系统非常关键，也可帮助其中的动态路由和缓存的决策。
-
公开(公告)号：CN118075209A
公开(公告)日：2024-05-24
申请号：CN202410184150.6
申请日：2024-02-19
Applicant: 广州大学
IPC: H04L47/2441 , H04L41/16
Abstract: 本发明公开了一种基于可编程数据平面分布式集成学习的流量分类方法及装置，该方法包括：通过网络中多个不同位置的可编程交换机，从时间维度和空间维度追踪网络数据流，构建多个不同的数据集；对数据集的特征重要性进行排序，选出最优的特征；确定参与集成学习合作的可编程交换机及其相应的投票权重；训练机器学习模型，并确定机器学习模型关键参数的最优值；将训练好的模型映射到可编程交换机的匹配动作表，并部署到相应位置的参与集成学习合作的可编程交换机内，各个可编程交换机对网络流量进行实时推理，并通过投票最终确定网络流量分类。本发明通过网络中多个可编程交换机部署机器学习模型对网络流量时空联合观察，合作实现对网络流量的分类。
-
Patent Agency Ranking
公开(公告)号：CN106570597B
公开(公告)日：2020-06-05
申请号：CN201611000381.9
申请日：2016-11-14
Applicant: 广州大学
Abstract: 本发明公开了一种SDN架构下基于深度学习的内容流行度预测方法，包括：利用SDN网络中各节点计算资源以及链路构建可重构、分布式深度学习网络，SDN网络具有SDN控制器和多个SDN交换机节点，每个SDN交换机实现若干神经元的计算功能，神经元之间通过SDN交换机的链路彼此连接；SDN网络中的各个节点实时地采集内容被请求的时空联合分布的数据并作为深度学习网络的输入，利用栈式自编码器对时空联合分布的数据进行特征学习，利用Softmax分类器对内容流行度进行预测。本发明基于SDN的可编程、全局视野集中控制的特性，实现深度学习网络的可重构，包括能够调整隐含层和每层神经元节点的数量等；所述方法对ICN的解析系统非常关键，也可帮助其中的动态路由和缓存的决策。
-
公开(公告)号：CN104932534A
公开(公告)日：2015-09-23
申请号：CN201510268756.9
申请日：2015-05-22
Applicant: 广州大学
IPC: G05D1/12
Abstract: 本发明提出了一种云机器人清扫物品的方法，包括离线阶段和在线阶段，离线阶段对机器人进行训练，训练机器人建立物品模型集和清扫动作集；在线阶段，从上述物品模型集中获得物品模型，机器人确认目标物品后估计位姿，然后利用清扫动作集发现针对目标物品的最优清扫动作完成清扫，最后将清扫过程中产生的数据传送给云计算平台进行存储，以使得机器人可以不断地从中学习技能。本发明云机器人清扫物品的方法清扫效率高，能够对不同的物品选择最优的清扫动作，能够采用最优的清扫方法对物品进行清扫，并且机器人的智能得到提高。
-
公开(公告)号：CN108183823B
公开(公告)日：2020-09-04
申请号：CN201711444909.6
申请日：2017-12-27
Applicant: 广州大学
IPC: H04L12/24 , H04L12/751 , H04L12/803
Abstract: 本发明公开了一种数据中心网络中多资源复用的方法，构建一种可量化、可叠加的复合网络资源模型，首先将资源为时延减少做出的贡献度作为不同类型资源的换算度量，分别对缓存和链路对时延的影响进行量化表达，再将缓存与链路进行量化的复用，对它们进行统一表达，包括两节点之间链路的复合资源、路径的复合资源和区域的复合资源。本发明还公开了在数据中心网络中复合资源的配置方法，以复合资源为度量，在网络中添加附带复合资源的“伪节点”，诱使路由协议发现网络拓扑的变化并进行新的路由发现过程，从而引导流量去往既定节点、路径或区域。本发明的方法能够有效提高数据中心中资源的利用率，提高网络吞吐量，降低端到端的延迟，减少能耗。
-
公开(公告)号：CN108183823A
公开(公告)日：2018-06-19
申请号：CN201711444909.6
申请日：2017-12-27
Applicant: 广州大学
IPC: H04L12/24 , H04L12/751 , H04L12/803
Abstract: 本发明公开了一种数据中心网络中多资源复用的方法，构建一种可量化、可叠加的复合网络资源模型，首先将资源为时延减少做出的贡献度作为不同类型资源的换算度量，分别对缓存和链路对时延的影响进行量化表达，再将缓存与链路进行量化的复用，对它们进行统一表达，包括两节点之间链路的复合资源、路径的复合资源和区域的复合资源。本发明还公开了在数据中心网络中复合资源的配置方法，以复合资源为度量，在网络中添加附带复合资源的“伪节点”，诱使路由协议发现网络拓扑的变化并进行新的路由发现过程，从而引导流量去往既定节点、路径或区域。本发明的方法能够有效提高数据中心中资源的利用率，提高网络吞吐量，降低端到端的延迟，减少能耗。
-
公开(公告)号：CN104932534B
公开(公告)日：2017-11-21
申请号：CN201510268756.9
申请日：2015-05-22
Applicant: 广州大学
IPC: G05D1/12
Abstract: 本发明提出了一种云机器人清扫物品的方法，包括离线阶段和在线阶段，离线阶段对机器人进行训练，训练机器人建立物品模型集和清扫动作集；在线阶段，从上述物品模型集中获得物品模型，机器人确认目标物品后估计位姿，然后利用清扫动作集发现针对目标物品的最优清扫动作完成清扫，最后将清扫过程中产生的数据传送给云计算平台进行存储，以使得机器人可以不断地从中学习技能。本发明云机器人清扫物品的方法清扫效率高，能够对不同的物品选择最优的清扫动作，能够采用最优的清扫方法对物品进行清扫，并且机器人的智能得到提高。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
