公开(公告)号：CN117808051B

公开(公告)日：2024-06-21

申请号：CN202410094487.8

申请日：2024-01-23

Applicant: 暨南大学

Inventor： 崔林 ,  张效铨 ,  聂伟

IPC: G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于可编程数据平面的时序任务预测方法，具体涉及网络数据流时序任务预测领域，包括以下步骤：使用网络数据流量集收集历史数据流的特征和卷积神经网络模型训练算法训练初始模型；使用神经网络架构搜索算法和量化算法自动搜索满足部署条件的卷积神经网络模型；在P4可编程数据平面上实时计算网络流特征并进行卷积神经网络推理。本发明利用神经网络架构搜索算法和量化算法自动搜索可部署的卷积神经网络模型，解决了P4可编程数据平面有限的存储资源和计算资源大小限制导致的部署失败问题；并利用P4可编程数据平面中提供的定点数基本运算实现了卷积神经网络推理计算而无需控制器的参与。

公开(公告)号：CN117808051A

公开(公告)日：2024-04-02

申请号：CN202410094487.8

申请日：2024-01-23

Applicant: 暨南大学

Inventor： 崔林 ,  张效铨 ,  聂伟

IPC: G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于可编程数据平面的时序任务预测方法，具体涉及网络数据流时序任务预测领域，包括以下步骤：使用网络数据流量集收集历史数据流的特征和卷积神经网络模型训练算法训练初始模型；使用神经网络架构搜索算法和量化算法自动搜索满足部署条件的卷积神经网络模型；在P4可编程数据平面上实时计算网络流特征并进行卷积神经网络推理。本发明利用神经网络架构搜索算法和量化算法自动搜索可部署的卷积神经网络模型，解决了P4可编程数据平面有限的存储资源和计算资源大小限制导致的部署失败问题；并利用P4可编程数据平面中提供的定点数基本运算实现了卷积神经网络推理计算而无需控制器的参与。