-
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
Applicant: 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
Abstract: 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
Applicant: 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
Abstract: 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
Applicant: 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: H04L41/147 , H04W24/02 , H04W24/06
Abstract: 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：CN114584476B
公开(公告)日：2025-01-07
申请号：CN202011284570.X
申请日：2020-11-17
Applicant: 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 , 北京邮电大学
IPC: H04L41/147 , H04L43/0876
Abstract: 本发明实施例公开了一种流量预测方法、网络训练方法、装置及电子设备。所述网络训练方法包括：获得包含有多个第一数据的数据集合，基于所述数据集合和第一网络得到预测时间点的第一预测数据；所述多个第一数据为所述预测时间点之前的历史流量数据；获得多个第二数据，基于所述多个第二数据和第二网络得到调整数据；根据所述调整数据和动态调整参数对所述第一预测数据进行调整，得到第二预测数据，基于获得的多个第二预测数据生成预测序列数据；将所述预测序列数据经全连接网络处理后、与目标序列数据确定损失，根据所述损失对所述第一网络、所述第二网络和所述全连接网络进行训练。
-
公开(公告)号：CN118827414A
公开(公告)日：2024-10-22
申请号：CN202311644256.1
申请日：2023-12-04
Applicant: 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: H04L41/147 , H04L43/0876 , H04L41/16 , G06N3/0499 , G06N3/045 , G06N3/08
Abstract: 本申请公开了一种蜂窝流量数据预测方法、装置、设备及可读存储介质，涉及通信技术领域，以提高获得的预测蜂窝流量数据的准确性。该方法包括：获取历史蜂窝流量数据；根据所述历史蜂窝流量数据得到多个单变量时间序列；对于多个单变量时间序列中的第一单变量时间序列，获取所述第一单变量时间序列的特征图；根据所述特征图，得到每个所述第一单变量时间序列的预测值；根据所述每个所述第一单变量时间序列的预测值，得到预测蜂窝流量数据。本申请实施例可以提高获得的预测蜂窝流量数据的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118797333A
公开(公告)日：2024-10-18
申请号：CN202311713573.4
申请日：2023-12-13
Applicant: 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: G06F18/214 , G06N3/0464 , G06N3/09 , G06Q50/50
Abstract: 本申请实施例公开了一种时空预测方法、装置、设备和计算机存储介质，其中，所述方法包括：获取第一序列数据，所述第一序列数据包括第一节点的T个单位时间的数据，T为正整数；对所述第一序列数据进行编码，得到第一嵌入向量；对所述第一嵌入向量进行归一化，得到第二嵌入向量；将所述第二嵌入向量输入时空预测模型，通过所述时空预测模型输出所述第二嵌入向量的隐藏表示，所述时空预测模型用于对所述第二嵌入向量进行时间关联特征提取和空间关联特征提取；基于所述隐藏表示预测第二序列数据，所述第二序列数据包括第二节点的个单位时间的数据，为正整数；所述个单位时间位于所述T个单位时间之后。
-
公开(公告)号：CN117014918A
公开(公告)日：2023-11-07
申请号：CN202310954507.X
申请日：2023-07-31
Applicant: 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: H04W24/06 , H04L43/0876 , H04L41/16 , H04L41/147 , H04L41/14 , G06N3/0464 , G06N3/0442 , G06N3/042 , G06N3/098
Abstract: 本申请公开了一种基于联邦学习的流量预测方法、装置、设备及存储介质。该方法包括：服务器获取目标蜂窝网络基于聚类划分的各区域的数据缺失率；基于数据缺失率和设定阈值将各区域划分为高质量区域和低质量区域；获取各区域的流量预测模型生成的本地模型参数；对高质量区域的本地模型参数进行聚合，更新全局的流量预测模型的模型参数；将全局的流量预测模型的模型参数发送给高质量区域的客户端；并将高质量区域的本地模型参数发送给低质量区域的客户端。服务器将高质量区域的本地模型参数发送给低质量区域的客户端，进而使得低质量区域的客户端可以基于获取的高质量区域的本地模型参数进行联邦迁移学习，提高流量预测的准确度。
-
公开(公告)号：CN114511101A
公开(公告)日：2022-05-17
申请号：CN202011283606.2
申请日：2020-11-17
Applicant: 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 , 北京邮电大学
IPC: G06N20/20
Abstract: 本发明实施例公开了一种基于联邦学习的模型更新方法、装置、系统和电子设备。所述方法包括：获得本地模型本轮训练过程中的多个损失函数值；基于所述多个损失函数值判断是否复用所述本地模型的模型参数，输出与判断结果对应的信号，以及根据所述判断结果确定所述本地模型下一轮训练的模型参数。
-
公开(公告)号：CN114338058A
公开(公告)日：2022-04-12
申请号：CN202011034650.X
申请日：2020-09-27
Applicant: 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
Abstract: 本发明公开了一种信息处理方法、装置和存储介质，所述方法包括：获取待测回显信息；检测所述待测回显信息，确定所述待测回显信息中包含的关键词和关键词对应的密码信息；运用预设的识别模型识别所述密码信息，确定所述密码信息满足预设条件时，将所述密码信息作为所述关键词对应的明文密码。
-
公开(公告)号：CN116976399A
公开(公告)日：2023-10-31
申请号：CN202211170759.5
申请日：2022-09-23
Applicant: 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: G06N3/0455 , G06N3/045 , G06N3/0499 , G06N3/09 , G06F18/214
Abstract: 本申请公开了一种故障预测模型的训练方法、故障预测方法、装置、电子设备及存储介质，其中，故障预测模型的训练方法包括：基于不同时刻的故障事件样本中每个故障事件样本的事件类型和事件发生时间，生成第一序列编码；基于所述第一序列编码训练故障预测模型，直至达到设定的收敛条件；其中，所述故障预测模型包括编码器和解码器；所述编码器用于基于线性归一化的注意力机制获取所述第一序列编码的隐状态；所述解码器用于基于所述第一序列编码的隐状态，对故障事件的事件类型和事件发生时间进行预测。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.121 seconds)
