-
公开(公告)号:CN119094449A
公开(公告)日:2024-12-06
申请号:CN202411089778.4
申请日:2024-08-09
Applicant: 重庆大学
IPC: H04L47/125 , H04L47/762 , H04L47/783 , H04B7/185
Abstract: 本发明涉及一种基于深度确定性策略梯度算法的卫星互联网资源调度方法,该方法首先提出了一种基于TEG的星上SFC分流机制。其次,在TEG分流模式下,建立了流量守恒约束,并结合资源容量约束和流速非负性约束,构建了SFC的最小流速率最大化模型。然后,由于流量工程问题属于连续动作,因此采用基于DDPG的SFC流量工程方法对该问题进行求解。仿真结果表明,TEG分流机制可以有效提升最小流速率,并且与基准方法比较,所提方法的性能更优,且收敛速度优于基准方法。
-
公开(公告)号:CN118364388B
公开(公告)日:2025-04-11
申请号:CN202410466031.X
申请日:2024-04-18
Applicant: 重庆大学 , 中国星网网络应用有限公司
IPC: G06F18/2431 , G06F18/214
Abstract: 本发明涉及一种面向卫星监测数据智能异常感知的时序预测方法,通过可逆实例归一化来处理卫星时间序列数据中普遍存在的分布偏移问题,从而提高时间序列预测的性能。采用将Autoformer和FEDformer中使用的分解方案与TSMixer全MLP架构线性层相结合的DTSMixer模型对历史时间序列进行回归,直接预测未来的时间序列。由于RevIN‑DTSMixer方法是一个简单的全MLP架构线性模型,因此其运行效率和参数数量都远远优于基于Transformer的预测方法。在真实数据集上的实验结果表明,RevIN‑DTSMixer方法能显著提高时序数据预测的准确性,具有简单,高效且精确的优势。
-
公开(公告)号:CN118364388A
公开(公告)日:2024-07-19
申请号:CN202410466031.X
申请日:2024-04-18
Applicant: 重庆大学 , 中国星网网络应用有限公司
IPC: G06F18/2431 , G06F18/214
Abstract: 本发明涉及一种面向卫星监测数据智能异常感知的时序预测方法,通过可逆实例归一化来处理卫星时间序列数据中普遍存在的分布偏移问题,从而提高时间序列预测的性能。采用将Autoformer和FEDformer中使用的分解方案与TSMixer全MLP架构线性层相结合的DTSMixer模型对历史时间序列进行回归,直接预测未来的时间序列。由于RevIN‑DTSMixer方法是一个简单的全MLP架构线性模型,因此其运行效率和参数数量都远远优于基于Transformer的预测方法。在真实数据集上的实验结果表明,RevIN‑DTSMixer方法能显著提高时序数据预测的准确性,具有简单,高效且精确的优势。
-
公开(公告)号:CN117435387A
公开(公告)日:2024-01-23
申请号:CN202311362620.5
申请日:2023-10-20
Applicant: 重庆大学
IPC: G06F11/10
Abstract: 本发明涉及一种基于纠删码自适应编码的数据可靠存储方法,该发明通过将数据编码为纠删码进行保存,并且在不同的工作负载下,转换不同的编码策略,从而使存储系统能适应不同的工作环境,维持数据的可靠性。该发明由改良纠删码和自适应编码两个组件构成,改良纠删码基于现有纠删码进行改良,本发明提出的一种异或分组编码XGC,增强现有纠删码的性能,为自适应编码提供基础。组件二基于数据的冷热特点,以及存储系统的使用率,进行工作负载判断并改变编码策略。
-
-
-