-
公开(公告)号:CN116744325A
公开(公告)日:2023-09-12
申请号:CN202210210062.X
申请日:2022-03-04
申请人: 中国移动通信有限公司研究院 , 清华大学 , 中国移动通信集团有限公司
摘要: 本发明提供一种基站流量预测方法及相关设备,涉及通信领域,其中,所述基站流量预测方法包括:根据基站之间的地理距离信息,确定待预测基站的临近基站;确定临近基站中的邻居基站,邻居基站的历史流量记录与待预测基站的历史流量记录之间存在因果关系;对待预测基站与邻居基站的历史流量记录进行特征提取,得到特征数据;根据特征数据预测待预测基站的预测流量。本发明实施例,在特征数据对象的筛选过程中,充分考虑空间因素避免了特征数据选择的单一性,同时还充分考虑基站流量之间的因果联系,从而避免特征数据选择的盲目性,减少冗余特征干扰,提高特征选择的有效性,从而提高基站流量预测精度和效率。
-
公开(公告)号:CN116828450A
公开(公告)日:2023-09-29
申请号:CN202210285960.1
申请日:2022-03-22
申请人: 清华大学 , 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
摘要: 本发明提供一种移动预测方法、装置、终端及存储介质,涉及数据处理技术领域。本发明的方法包括获取多个第一训练样本,第一训练样本基于本地存储的用户的历史移动数据生成;根据第二训练样本对第一移动预测模型进行训练,得到第二移动预测模型;第二训练样本为第一训练样本经噪声加扰后的训练样本;第一移动预测模型由服务器基于来自多个终端的、经噪声加扰后的本地模型梯度生成,服务器和多个终端为参与联邦学习的各个参与者;获取待预测的目标时间之前的第一移动数据;将第一移动数据输入至第二移动预测模型,得到预测的目标移动数据。本发明在移动预测场景下,能够进一步加强对用户隐私数据的保护,防止敏感的位置的信息泄露。
-
公开(公告)号:CN116827809A
公开(公告)日:2023-09-29
申请号:CN202210285966.9
申请日:2022-03-22
申请人: 中国移动通信有限公司研究院 , 清华大学 , 中国移动通信集团有限公司
IPC分类号: H04L41/147 , H04W24/02 , H04W24/06
摘要: 本发明公开了一种输出流量预测方法、装置及存储介质,包括:获取基站的历史流量序列以及基站的地理位置信息;确定时间和空间维度最相近的至少一个邻居基站作为目标基站的邻居子图;通过阈值设置规则处理获得原始流量序列以及流量离散序列;通过图注意力网络获取邻居子图中各基站与目标基站之间在流量上相似或相反的空间依赖关系;将原始流量序列与离散流量序列分别通过TCN获取时间依赖关系;通过软注意力机制根据空间依赖关系与时间依赖关系输出流量预测结果。采用本发明,避免学习了过多冗余信息。提高了网络流量过载预测的准确率。能挖掘更深层次的空间依赖关系。在多步预测准确率以及运算速度上有了很大的提升。
-
公开(公告)号:CN118820772A
公开(公告)日:2024-10-22
申请号:CN202410076802.4
申请日:2024-01-18
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06F18/214 , G06F18/22 , G06N3/0455 , G06N3/08 , G06F16/18
摘要: 本申请公开了一种用于日志异常检测的模型训练及应用方法、设备和介质。该方法包括:获取训练样本集,所述训练样本集中的训练样本包括时间顺序连续的N个历史日志向量,所述训练样本的标签为在所述N个历史日志向量之后的下一个历史日志向量;各所述历史日志向量基于相应的历史日志输入训练好的文本编码器进行向量转换得到,所述N为大于1的自然数;基于所述训练样本集对检测模型进行训练,直至获得训练好的检测模型。采用本申请的方法,可以提高日志异常检测的准确率。
-
公开(公告)号:CN118803898A
公开(公告)日:2024-10-18
申请号:CN202311726367.7
申请日:2023-12-15
申请人: 中国移动通信有限公司研究院 , 北京邮电大学 , 中国移动通信集团有限公司
IPC分类号: H04W24/02
摘要: 本发明提供了一种数据处理方法、装置及设备,其中,数据处理方法,包括:获取无线接入网参数调整的参考数据;根据所述参考数据,获取各个时间步的三元组信息;所述三元组信息包括:预期回报信息、无线接入网状态信息和可调参数信息;按照时间步顺序,将所述三元组信息构成输入序列;利用决策变换器DT模型,根据所述输入序列,得到所述可调参数信息对应的参数调整值。本方案能够很好的解决现有技术中无线接入网参数调整方案存在步骤繁琐、实现成本高、效果迟滞性的问题。
-
公开(公告)号:CN118803826A
公开(公告)日:2024-10-18
申请号:CN202410095091.5
申请日:2024-01-23
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
摘要: 本申请实施例提供了一种小区减容方法、小区减容装置及存储介质,该方法包括:小区减容装置获取第一区域下的任一主小区和对应的多个邻区的MRO数据;基于MRO数据确定任一主小区和多个邻区之间的重叠覆盖占比值,并基于重叠覆盖占比值确定任一主小区对应的第一干扰能力值;基于第一干扰能力值、预设聚类算法确定N个最差小区;其中,N为正整数;通过多层网,和/或,单层网分别对N个最差小区所在扇区对应的业务负荷能力,或者,覆盖能力进行评估处理,在业务负荷能力,或者,覆盖能力满足评估条件的情况下,对N个最差小区进行拆除,从而可以更加精确的确定被减容小区,进而提升网络质量。
-
公开(公告)号:CN118802582A
公开(公告)日:2024-10-18
申请号:CN202410154660.9
申请日:2024-02-02
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: H04L41/147 , H04L41/16 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/0455
摘要: 本发明公开了一种网络负荷预测方法、装置、电子设备及存储介质。该网络负荷预测方法包括:确定第一预设区域内的多个基站之间的拓扑信息、多个基站的时序的现网信息和非时序的现网信息;时序的现网信息表征由基站的多个时间点的负荷指标值组成的第一时间序列数据;非时序的现网信息表征基站的工参数据;将拓扑信息、多个基站的时序的现网信息和非时序的现网信息,作为预测模型的输入,得到预测模型输出的第一预设区域内的每个基站的第二时间序列数据,第二时间序列数据包括对应的基站在指定时间窗口内的多个时间点的负荷指标的预测值;预测模型表征为基于图卷积的门控循环单元。
-
公开(公告)号:CN118799609A
公开(公告)日:2024-10-18
申请号:CN202410107822.3
申请日:2024-01-25
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06V10/764 , G06V10/25 , G06V10/40 , G06F16/908 , G06N3/045 , G06N3/0464
摘要: 本申请提供一种哑资源设备识别方法、装置及设备,该识别方法包括:基于目标检测模型,获取设备图像中哑资源设备的目标位置;基于目标分类模型,提取目标位置对应的目标区域图像的类型特征;根据所述类型特征以及预先构建哑资源设备的faiss特征库,确定所述哑资源设备所属类别;本申请实施例使用目标分类模型作为特征提取器用于提取对应哑资源设备的类型特征,构建设备的faiss特征库,实现毫秒级的搜索响应。
-
公开(公告)号:CN118798193A
公开(公告)日:2024-10-18
申请号:CN202410282479.6
申请日:2024-03-12
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06F40/289 , G06F40/186 , G06F40/103 , G06F18/214
摘要: 本申请公开了一种训练文本处理方法、装置、电子设备、存储介质及计算机程序产品,其中,方法包括:基于大语言模型的token长度、每个token的字符数以及第一训练文本的元数据的长度,计算所述第一训练文本的平均有效文本序列长度;基于所述平均有效文本序列长度,将所述第一训练文本切割为一个或多个第一有效文本序列;在所述一个或多个第一有效文本序列中的每个第一有效文本序列的头部分别添加所述元数据,得到一个或多个第二有效文本序列;对所述一个或多个第二有效文本序列依序拼接,得到第二训练文本,以用于大语言模型的训练。
-
公开(公告)号:CN118797402A
公开(公告)日:2024-10-18
申请号:CN202410612689.7
申请日:2024-05-16
申请人: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
IPC分类号: G06F18/24 , G06F18/25 , G06F18/214 , G06N3/0455 , G06N3/08 , G06F17/16 , G06F17/18
摘要: 本申请公开了一种模型训练和网元异常检测方法、装置、设备、存储介质及计算机程序产品。其中,模型训练方法包括:获取第一样本数据;所述第一样本数据包括网元的一个或多个性能指标数据的相关数据;利用设置的训练模型对所述第一样本数据进行处理,得到训练结果;基于所述训练结果和所述第一样本数据,调整所述训练模型直至收敛,得到异常检测模型;所述异常检测模型表征网元数据与网元分类的对应关系;其中,所述训练模型包括自注意力层,所述自注意力层包括第一注意力模块和第二注意力模块,所述第一注意力模块用于确定各所述性能指标数据在不同时间上的相关性,所述第二注意力模块用于确定不同性能指标数据间的相关性。
-
-
-
-
-
-
-
-
-