-
公开(公告)号：CN113811009A
公开(公告)日：2021-12-17
申请号：CN202111118071.8
申请日：2021-09-24
Abstract: 本发明公开了一种基于时空特征提取强化学习的多基站协同无线网络资源分配方法，明通过图注意力机制提取各5G基站的位置信息和空间特征，并用长短期记忆机制学习网络用户的行为习惯，提取时间特征，分析各个切片数据包在时空上的波动情况，相较于基于优化算法以及遗传算法的资源分配策略以及基于传统强化学习的资源分配策略，能够得到更高的系统回报，即更高的频谱效率和更好的用户体验，同时可以适应动态变化的环境，更具灵活性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116188167B
公开(公告)日：2023-08-04
申请号：CN202310404466.7
申请日：2023-04-17
Applicant: 之江实验室
Abstract: 本发明公开一种基于DAG结构的区块链系统及共识方法，该共识方法中，节点需要为发起的交易创建相应的新区块，并从更新的本地账本中选择两个先前的边缘区块作为新区块的第一父区块和第二父区块，新区块连接在父区块之后形成DAG结构的区块账本。其中，以账本中与该新区块的业务相似性最大的边缘区块作为第一父区块，以账本中高度最大的边缘区块作为第二父区块。本发明的DAG区块链系统在保留DAG结构优势的同时，针对DAG结构下交易排序低效的问题，通过业务相似性实现不同类型的交易分层，有效提升交易排序效率；同时所有的区块都连接在高度最大的区块之后，增强了区块和整个区块链系统的安全性。
-
公开(公告)号：CN113811009B
公开(公告)日：2022-04-12
申请号：CN202111118071.8
申请日：2021-09-24
Abstract: 本发明公开了一种基于时空特征提取的多基站网络资源智能分配方法，通过图注意力机制提取各5G基站的位置信息和空间特征，并用长短期记忆机制学习网络用户的行为习惯，提取时间特征，分析各个切片数据包在时空上的波动情况，相较于基于优化算法以及遗传算法的资源分配策略以及基于传统强化学习的资源分配策略，能够得到更高的系统回报，即更高的频谱效率和更好的用户体验，同时可以适应动态变化的环境，更具灵活性和鲁棒性。
-
公开(公告)号：CN112512070A
公开(公告)日：2021-03-16
申请号：CN202110157176.8
申请日：2021-02-05
Abstract: 本发明公开了一种基于图注意力机制强化学习的多基站协同无线网络资源分配方法，该方法包括：算法网络结构G和目标网络搭建以及初始化；执行资源分配；重复步骤2的资源分配次，训练算法网络结构G；每完成步骤3中算法网络结构G训练X次，将算法网络结构G权重参数赋值给目标网络，实现目标网络的更新；步骤3执行次后，完成算法网络结构G的训练过程。通过图注意力机制获取主体之间的内在联系，分析各个切片数据包在时空上的波动情况，相较于基于优化算法以及遗传算法的资源分配策略以及基于传统强化学习的资源分配策略，能够得到更高的系统回报，即更高的频谱效率和更好的用户体验，同时可以适应动态变化的环境，更具灵活性和鲁棒性。
-
公开(公告)号：CN116188167A
公开(公告)日：2023-05-30
申请号：CN202310404466.7
申请日：2023-04-17
Applicant: 之江实验室
Abstract: 本发明公开一种基于DAG结构的区块链系统及共识方法，该共识方法中，节点需要为发起的交易创建相应的新区块，并从更新的本地账本中选择两个先前的边缘区块作为新区块的第一父区块和第二父区块，新区块连接在父区块之后形成DAG结构的区块账本。其中，以账本中与该新区块的业务相似性最大的边缘区块作为第一父区块，以账本中高度最大的边缘区块作为第二父区块。本发明的DAG区块链系统在保留DAG结构优势的同时，针对DAG结构下交易排序低效的问题，通过业务相似性实现不同类型的交易分层，有效提升交易排序效率；同时所有的区块都连接在高度最大的区块之后，增强了区块和整个区块链系统的安全性。
-
公开(公告)号：CN112512070B
公开(公告)日：2021-05-11
申请号：CN202110157176.8
申请日：2021-02-05
Abstract: 本发明公开了一种基于图注意力机制强化学习的多基站协同无线网络资源分配方法，该方法包括：算法网络结构G和目标网络搭建以及初始化；执行资源分配；重复步骤2的资源分配次，训练算法网络结构G；每完成步骤3中算法网络结构G训练X次，将算法网络结构G权重参数赋值给目标网络，实现目标网络的更新；步骤3执行次后，完成算法网络结构G的训练过程。通过图注意力机制获取主体之间的内在联系，分析各个切片数据包在时空上的波动情况，相较于基于优化算法以及遗传算法的资源分配策略以及基于传统强化学习的资源分配策略，能够得到更高的系统回报，即更高的频谱效率和更好的用户体验，同时可以适应动态变化的环境，更具灵活性和鲁棒性。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
