公开(公告)号：CN119557086A

公开(公告)日：2025-03-04

申请号：CN202411602171.1

申请日：2024-11-11

Applicant: 山西大学 ,  中国移动通信集团设计院有限公司

Inventor： 胡治国 ,  席志琴 ,  张鹏豪 ,  李茂卓 ,  卫明慧 ,  刘志恒 ,  任敏 ,  杨彬 ,  王彬

IPC: G06F9/50 ,  G06F9/445 ,  G06F9/48

Abstract: 本发明公开了一种满足用户随机偏好的依赖任务计算卸载方法，属于移动通信技术计算卸载技术领域。针对现有方法在研究卫星依赖任务计算卸载时，往往忽略用户优化目标随机变化的需求问题，通过将地面移动终端的应用分为多个任务组成的工作流用DAG图表示；根据DAG图确定依赖任务的调度顺序；构建随机偏好依赖任务计算卸载优化模型和函数；根据创建的模型将计算卸载问题转换为MDP决策过程，采用多目标强化学习求解卸载决策；综合考虑优化目标的动态偏好需求，设计复合奖励函数，得到最优卸载决策。本发明满足不同偏好需求的最优卸载决策模型，提高了求解效率和灵活性，降低了依赖任务的完成时间与能耗。

公开(公告)号：CN119945945A

公开(公告)日：2025-05-06

申请号：CN202510110677.9

申请日：2025-01-23

Applicant: 山西大学

Inventor： 胡治国 ,  李茂卓

IPC: H04L43/0829 ,  H04L27/26 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/06 ,  G06N3/08

Abstract: 本发明涉及一种网络丢包模型分类识别与多参数计算方法，属于网络通信技术领域。该方法旨在解决如何识别网络丢包模型，如何求解丢包模型构成参数的问题。针对多类复杂网络丢包模型，通过生成相应的丢包序列，提取时域、频域和统计特征，并将这些特征进行融合，利用深度学习分类模型对融合后的特征进行训练，实现对不同丢包模型的高效分类，显著提高了分类精度。针对丢包模型构成参数的问题，提出一种结合多路径卷积和双向长短时记忆网络的深度神经网络框架，该框架主要由多路径卷积ResNeXt、BatchNorm层、ReLU层和双向长短时记忆网络BiLSTM构成，能够有效捕捉丢包序列中的时空依赖关系。大量的实验表明，本发明提出的框架能够有效实现对网络丢包模型多类参数的计算。