-
公开(公告)号：CN115001937A
公开(公告)日：2022-09-02
申请号：CN202210376991.8
申请日：2022-04-11
Applicant: 北京邮电大学
IPC: H04L41/06 , H04L41/147 , H04L41/149 , G06K9/62 , G06N3/04 , G06N3/08 , G16Y40/20 , G16Y40/40
Abstract: 本发明提供一种面向智慧城市物联网的故障预测方法及装置，方法包括：获取智慧城市物联网设备的待预测的网络数据；将所述网络数据输入至训练完成的故障预测模型中，得到网络数据的故障预测结果；其中，所述故障预测模型是基于卷积分解操作和改进残差网络结构建立，并将智慧城市物联网设备的特征数据信息作为训练集以及训练集对应的预测标签进行训练得到的。本发明的故障预测模型是基于卷积分解操作和改进残差网络结构建立的，因此能够通过轻量化的模型实现智慧城市物联网设备的故障预测，有效保障智慧城市物联网的安全性及稳健性。
-
公开(公告)号：CN116644542A
公开(公告)日：2023-08-25
申请号：CN202310561000.8
申请日：2023-05-17
Applicant: 北京邮电大学
IPC: G06F30/18 , G06F30/20 , G06F119/02
Abstract: 本发明提供一种异构融合网络应用服务状态感知和故障预测方法，该方法包括：获取网络中各节点的应用服务运行数据；将所述各节点的应用服务运行数据输入网络故障预测模型，得到所述网络故障预测模型输出的所述网络的故障预测结果；其中，所述网络故障预测模型用于提取所述应用服务运行数据的节点级特征，将所述节点级特征转化为图级特征后进行分类，并基于所述图级特征的分类结果确定所述网络的故障预测结果。本发明解决了网络故障预测不全面且预测精度不高的问题，实现高精度的网络应用服务故障预测。
-
公开(公告)号：CN114978956B
公开(公告)日：2024-04-09
申请号：CN202210386525.8
申请日：2022-04-11
Applicant: 北京邮电大学
IPC: H04L43/0817 , H04L43/50
Abstract: 本发明提供一种智慧城市网络设备性能异常突变点检测方法及装置，该方法包括：基于极值理论根据智慧城市网络设备的性能指标的历史时间序列数据获取第一阈值和第二阈值；其中，所述第一阈值大于所述第二阈值；根据所述历史时间序列数据中大于所述第一阈值或小于所述第二阈值的元素，确定Prophet模型的突变点；基于所述Prophet模型根据所述突变点对所述历史时间序列数据进行拟合，获取所述历史时间序列的拟合曲线；根据所述拟合曲线，判断所述智慧城市网络设备的性能指标的当前数据是否异常。本发明使得Prophet的趋势项可以更好地拟合，提高性能指标异常检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN116647564A
公开(公告)日：2023-08-25
申请号：CN202310564610.3
申请日：2023-05-18
Applicant: 北京邮电大学
IPC: H04L67/1012 , G06N3/0464 , G06N3/092 , H04L67/1008 , H04L67/1029
Abstract: 本发明提供一种多智能体协同学习的异构融合网络资源调度方法和装置，该方法包括：根据多个智能体各自对应的状态观测信息和任务执行动作信息，确定各智能体对应的任务执行动作价值信息；针对各任务执行动作价值信息，根据所述任务执行动作价值信息，确定所述任务执行动作价值信息对应的智能体执行的多个任务中各任务对应的贡献信息；根据所有贡献信息中目标贡献信息对应的目标任务，生成任务执行指令，所述任务执行指令用于指示所述智能体执行所述目标任务；将多个任务执行指令发送至对应的智能体。该方法可利用各智能体执行的多个任务中各任务对应的贡献信息，对该各智能体对应的任务进行有效且合理的调度和分配，以提高多智能体的任务完成率。
-
公开(公告)号：CN115001937B
公开(公告)日：2023-06-16
申请号：CN202210376991.8
申请日：2022-04-11
Applicant: 北京邮电大学
IPC: H04L41/06 , H04L41/147 , H04L41/149 , G06F18/214 , G06N3/0464 , G06N3/08 , G16Y40/20 , G16Y40/40
Abstract: 本发明提供一种面向智慧城市物联网的故障预测方法及装置，方法包括：获取智慧城市物联网设备的待预测的网络数据；将所述网络数据输入至训练完成的故障预测模型中，得到网络数据的故障预测结果；其中，所述故障预测模型是基于卷积分解操作和改进残差网络结构建立，并将智慧城市物联网设备的特征数据信息作为训练集以及训练集对应的预测标签进行训练得到的。本发明的故障预测模型是基于卷积分解操作和改进残差网络结构建立的，因此能够通过轻量化的模型实现智慧城市物联网设备的故障预测，有效保障智慧城市物联网的安全性及稳健性。
-
公开(公告)号：CN114978956A
公开(公告)日：2022-08-30
申请号：CN202210386525.8
申请日：2022-04-11
Applicant: 北京邮电大学
IPC: H04L43/0817 , H04L43/50
Abstract: 本发明提供一种智慧城市网络设备性能异常突变点检测方法及装置，该方法包括：基于极值理论根据智慧城市网络设备的性能指标的历史时间序列数据获取第一阈值和第二阈值；其中，所述第一阈值大于所述第二阈值；根据所述历史时间序列数据中大于所述第一阈值或小于所述第二阈值的元素，确定Prophet模型的突变点；基于所述Prophet模型根据所述突变点对所述历史时间序列数据进行拟合，获取所述历史时间序列的拟合曲线；根据所述拟合曲线，判断所述智慧城市网络设备的性能指标的当前数据是否异常。本发明使得Prophet的趋势项可以更好地拟合，提高性能指标异常检测的准确率。
-
公开(公告)号：CN118612091A
公开(公告)日：2024-09-06
申请号：CN202410700552.7
申请日：2024-05-31
Applicant: 北京邮电大学
IPC: H04L41/147 , H04L41/16 , H04L43/04 , G06N3/096 , G06N3/098
Abstract: 本发明提供一种基于联邦迁移学习的网络流量预测方法和装置，方法包括：获取目标域的网络流量数据；将目标域的网络流量数据输入至网络流量预测模型中，得到目标域下一时刻的目标网络流量；其中，网络流量预测模型为基于多个域的多个局部模型进行动态权重聚合得到，每个局部模型均包括特征提取模块、生成对抗模块和预测模块；特征提取模块用于提取网络流量数据中的时序特征和空间特征；生成对抗模块用于生成自适应分布的特征，并基于时序特征、空间特征和自适应分布的特征与特征提取模块作对抗训练；预测模块用于基于时序特征和空间特征预测得到对应域下一时刻的网络流量。通过本发明提供的方法，实现目标域网络流量的预测。
-
公开(公告)号：CN118445687A
公开(公告)日：2024-08-06
申请号：CN202410600740.2
申请日：2024-05-15
Applicant: 北京邮电大学
IPC: G06F18/241 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明提供一种基于知识蒸馏的网络流量分类方法、装置和设备，该方法包括：获取待分类网络流量；将所述待分类网络流量输入网络流量分类模型，得到所述网络流量分类模型输出的分类结果；所述网络流量分类模型为对教师模型中的网络层划分为多个第一阶段层，并对学生模型中的网络层划分为多个第二阶段层后，再采用知识蒸馏技术对各所述第二阶段层的模型参数进行更新，得到各目标第二阶段层，并基于各所述目标第二阶段层对应的成长反馈系数调整各所述目标第二阶段层中网络层的层数后得到的，所述成长反馈系数用于表征所述学生模型在各所述目标第二阶段层的特征提取能力的变化趋势和所述教师模型中对应第一阶段层的特征提取能力的变化趋势的差距。本发明提供的网络流量分类模型的适用性和泛化性较高，提升了通过学生模型进行网络流量分类时分类结果的准确性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
