一种调度方法、装置、设备及可读存储介质

    公开(公告)号:CN116095021A

    公开(公告)日:2023-05-09

    申请号:CN202310104892.9

    申请日:2023-02-09

    Abstract: 本申请公开了一种调度方法、装置、设备及可读存储介质,方法包括:控制非确定性流进入非确定性队列,根据确定性流调度参数控制确定性流进入确定性队列,采用确定性调度机制对确定性队列调度;根据端口带宽分配参数采用优先级队列调度机制在确定性队列与非确定性队列间调度;参数获取过程为:设定确定性队列采用确定性调度机制、非确定性队列与确定性队列间采用优先级队列调度机制;设置双层优化模型,上层优化目标为最大化非确定性流可用带宽,下层优化目标为最大化确定性流网络吞吐量;对双层优化模型求解得到参数。本申请公开的技术方案,通过双层优化模型进行流调度,以解决确定性流的路由与调度问题,并实现确定性流和非确定性流的混合调度。

    长尾分布数据的意图识别方法、存储介质及电子装置

    公开(公告)号:CN117725494A

    公开(公告)日:2024-03-19

    申请号:CN202311593564.6

    申请日:2023-11-24

    Abstract: 本申请公开了一种长尾分布数据的意图识别方法、存储介质及电子装置,上述方法包括:通过初始长尾意图识别模型对数据样本进行处理,得到第一模型输出向量,其中,所述数据样本的数据分布为长尾分布;根据所述第一模型输出向量计算多个数据分支的第一分支损失函数值,以及根据所述第一模型输出向量计算所述多个数据分支的第一融合损失函数值,其中,所述数据样本包括所述多个数据分支;根据多个所述第一分支损失函数值和所述第一融合损失函数值确定出所述数据样本的第一总损失函数值;通过所述第一总损失函数值训练所述初始长尾意图识别模型,并通过训练完成的长尾意图识别模型对接收到的长尾分布数据进行意图识别。

    一种数据检测方法、装置、设备及存储介质

    公开(公告)号:CN117009902A

    公开(公告)日:2023-11-07

    申请号:CN202310970472.9

    申请日:2023-08-02

    Inventor: 秦树鑫 陶高峰

    Abstract: 本发明公开了一种数据检测方法、装置、设备及存储介质。该方法包括:获取目标时间段内的待检测云网状态数据;对所述待检测云网状态数据进行视角变换,得到信号内部图神经网络视角的图神经网络视图和信号之间图神经网络视角的图神经网络视图;将信号内部图神经网络视角的图神经网络视图和信号之间图神经网络视角的图神经网络视图输入目标模型,得到目标数据,其中,所述目标模型通过目标样本集迭代训练第一模型得到;根据所述目标数据和待检测云网状态数据之间的误差,确定所述待检测云网状态数据的数据检测结果,通过本发明的技术方案,能够提升数据检测的准确度。

    一种数据异常检测方法、装置、设备及存储介质

    公开(公告)号:CN117009903A

    公开(公告)日:2023-11-07

    申请号:CN202310970690.2

    申请日:2023-08-02

    Inventor: 秦树鑫 陶高峰

    Abstract: 本发明公开了一种数据异常检测方法、装置、设备及存储介质。该方法包括:将时序信号样本数据输入初始数据异常检测模型;通过初始数据异常检测模型中的特征提取网络对时序信号样本数据进行特征提取,获得特征提取结果;对特征提取网络进行参数扰动,获得特征提取扰动网络;通过特征提取扰动网络对时序信号样本数据进行特征提取,获得特征提取扰动结果;将特征提取结果依次输入特征融合网络和重建网络,获得数据重建结果;根据特征提取结果和特征提取扰动结果、数据重建结果和时序信号样本数据计算得到的总损失函数值对初始数据异常检测模型进行网络参数调整,得到目标数据异常检测模型,提升了特征表示和特征学习能力以及模型的泛化和适应能力。

    一种时序数据异常检测方法、装置、设备及存储介质

    公开(公告)号:CN115630306A

    公开(公告)日:2023-01-20

    申请号:CN202211391822.8

    申请日:2022-11-08

    Inventor: 秦树鑫 陶高峰

    Abstract: 本发明公开了一种时序数据异常检测方法、装置、设备及存储介质,应用于时序数据异常检测领域,其中方法包括:获取时序数据;将时序数据输入到多尺度特征编码网络,得到多尺度数据编码特征;将多尺度数据编码特征输入到多尺度局部记忆模块,得到多尺度局部记忆特征;根据多尺度局部记忆特征确定第一距离;当第一距离大于阈值时,时序数据异常。本发明通过多尺度局部记忆模块进行特征学习和约束,能提升特征学习的能力,增加了模型的泛化能力,能够有效避免训练数据噪声导致的异常数据过拟合问题,提升异常特征与正常特征之间的区分度,进而能够提升检测的准确度。

Patent Agency Ranking