-
公开(公告)号：CN115361726B
公开(公告)日：2024-03-01
申请号：CN202210540268.9
申请日：2022-05-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种网络切片智能接入控制方法及系统，属于通信技术领域。本发明针对网络切片资源需求动态变化的特点，提出了跨时间窗的网络切片智能接入控制方法及系统，本发明利用资源需求预测器预测下一接入控制时间窗内的可用资源，为充分利用跨时间窗的空闲资源块提供信息基础，并利用深度强化学习实现网络切片接入控制自主决策，并能在时间窗内有效调度网络切片实例化时间，避免过于保守而导致低接受率和过于激进导致高违约率，充分利用网络资源，提高网络切片调度系统容量。
-
公开(公告)号：CN117271358A
公开(公告)日：2023-12-22
申请号：CN202311321765.0
申请日：2023-10-12
Applicant: 电子科技大学
IPC: G06F11/36
Abstract: 本发明提供了一种基于增量调试的配置错误定位方法，属于通信技术领域，该方法包括：错误配置定位：利用二分重置的错误配置定位方法，对诱发软件故障的缺陷配置项集合进行定位，得到导致软件故障的最小配置项集合；错误代码定位：将最小配置项集合中的正常值与异常值注入被测系统，获取程序的执行流信息，并通过对比执行流信息得到最终的缺陷代码块，完成基于增量调试的配置错误定位，本发明解决了云和数据中心软件中的配置错误定位效率低下的问题。
-
公开(公告)号：CN116436798A
公开(公告)日：2023-07-14
申请号：CN202310552480.1
申请日：2023-05-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种面向物联网的区块链节点低成本部署方法，其特征在于，包括S1、根据物联网预设参数，计算最小区块链节点个数；S2、基于最小区块链节点个数及恶意节点个数，计算区块链在满足PBFT共识时区块链节点所需的发射功率；S3、按照最小区块链节点个数及其发射功率，对区块链节点进行部署。本发明方法以在满足协议安全性和节点活动性的同时降低节点部署成本。同时，考虑了物联网环境下区块链节点间达成共识等实际问题，为物联网中区块链应用的实际部署提供有益的参考。
-
公开(公告)号：CN113672684B
公开(公告)日：2023-04-21
申请号：CN202110959654.7
申请日：2021-08-20
Applicant: 电子科技大学
Abstract: 本发明提供了一种面向非独立同分布数据的分层用户训练管理系统及方法，该方法包括联邦学习用户数据分布相似性评估方法、分组方法和训练方法，在保护用户标签的前提下通过计算节点数据分布和全局分布的相似性对用户进行评分，其中全局参数服务器根据用户评分进行合理的分组处理，使组间数据分布近似均匀，解决非独立同分布问题。同时，可根据用户的需求设置并行度增长曲线，使训练从串行向并行转化，在保证模型收敛速度和精度的情况下保证模型的并行度，节省训练时间，本发明将全同步算法与序列联邦学习算法相结合，在保证模型并行度的前提下大幅度提高训练精度和收敛速度、显著减少通信负载、节省计算资源，提高联邦学习的训练效果。
-
公开(公告)号：CN111444021B
公开(公告)日：2023-03-24
申请号：CN202010254049.5
申请日：2020-04-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于分布式机器学习的同步训练方法、服务器及系统，状态查询服务器的训练方法包括监听来自计算服务器的状态消息，更新状态数据库中当前计算服务器的状态，根据状态数据库中所有计算服务器的实时状态和任务进度决策当前计算服务器的下一动作，并将携带下一动作的状态响应消息发送给当前计算服务器；计算服务器的训练方法包括循环执行以下动作：向状态查询服务器发送状态消息，根据状态查询服务器反馈的状态响应消息决定下一动作：继续本地计算，或立即全局聚合。服务器系统由通过广域网互联的中心机构与若干参与机构的服务器构成；中心机构包括参数服务器和状态查询服务器；参与机构包括数据库服务器和计算服务器。
-
Patent Agency Ranking
公开(公告)号：CN115829028A
公开(公告)日：2023-03-21
申请号：CN202310107997.X
申请日：2023-02-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种多模态联邦学习任务处理方法及系统，属于联邦学习技术领域。本发明方法包括：多模态数据的线性嵌入，基于线性嵌入的模态迁移联邦训练和采用同模嵌入结果进行联邦学习任务训练。本发明还公开了一种多模态联邦学习任务处理系统。本发明用于提升机器学习数据资源利用率和机器学习模型的质量。本发明支持具有不同数据模态参与方进行联邦学习训练以得到相比本地训练更优质的模型，支持模态差异较大的多模态联邦学习，支持模态缺失的参与方，不需要每个参与方都具有所有数据模态就能执行训练，提高了多模态联邦学习的实用性；采用联邦学习方式训练不同模态的线性嵌入映射矩阵模态迁移模型，保证了不同参与方的模态迁移的一致性。
-
公开(公告)号：CN115022233A
公开(公告)日：2022-09-06
申请号：CN202210682972.8
申请日：2022-06-16
Applicant: 电子科技大学
IPC: H04L45/16 , H04L41/14 , H04L41/142 , G06K9/62
Abstract: 本发明公开了一种可定制点到多点数据传输完成时间的传输方法，在系统运行前先对数据中心广域网的网络拓扑中的网络节点进行聚类分组，在系统运行中，首先根据网络拓扑中网络节点的聚类结果，对每个新传输请求的目的节点进行分组，并建立每个节点到其余所有分组的多播树；然后根据每个传输请求对传输完成时间的需求偏好，建立对应的传输模型并求解，得到每个多播树的速率分配方案；最后将每个传输请求对应的多播树及其速率分配方案作为决策结果发送至数据发送端，执行相应操作。本发明为不同传输完成时间需求偏好的一点到多点数据传输需求提供了可定制的网络传输方案，满足了不同类型的一点到多点数据传输需求的个性化要求。
-
公开(公告)号：CN114844787A
公开(公告)日：2022-08-02
申请号：CN202210375290.2
申请日：2022-04-11
Applicant: 电子科技大学
IPC: H04L41/14 , H04L41/0803
Abstract: 本发明公开了一种支持灵活高效动态实验的网络模拟系统，属于网络通信技术领域。本发明基于容器、veth‑pair、tc等技术对网络进行模拟，以及设置的基于键值对的网络状态管理模型，从而构建了一种支持灵活高效动态实验的网络模拟系统。该系统灵活地实现了多种维度的动态性，即节点动态启停、节点属性动态配置、链路动态启停、链路属性动态配置。本发明基于网络状态管理模型，向上提供了简洁统一的动态性API接口，研究人员可在模拟网络部署后的任意时刻在自己的网络创新程序中调用API接口，从而实现高效批量、可编程的动态性管理。本发明极大地方便了研究人员在网络动态性场景下的实验工作，为网络创新注入了新的动力。
-
公开(公告)号：CN114064499A
公开(公告)日：2022-02-18
申请号：CN202111393163.7
申请日：2021-11-23
Applicant: 电子科技大学
Abstract: 本发明提供了一种黑盒模糊测试方法、系统、电子设备及存储介质，属于黑盒模糊测试技术领域，该方法包括：获取神经网络模型和与其匹配的数据集；搭建智能计算框架；将神经网络模型作为初始种子放入种子模型中，并将其与匹配的数据集一并作为初始测试用例；通过层变异、权重变异和API变异三种模型变异方法生成变异的神经网络模型，并将变异的神经网络模型结合匹配的数据集形成测试用例；启动智能计算框架，将测试用例中的变异的神经网络模型和数据集进行加载，使加载完的变异的神经网络模型在数据集上进行计算；对智能计算框架的运行结果以及执行过程的输出进行分析。本发明能够更全面的覆盖神经网络模型的可变异范围，实现高效的模型生成。
-
公开(公告)号：CN111131080B
公开(公告)日：2021-09-07
申请号：CN201911363582.9
申请日：2019-12-26
Applicant: 电子科技大学
IPC: H04L12/861 , H04L12/935 , H04L12/865 , H04L12/24 , G06F9/50
Abstract: 本发明公开了一种分布式深度学习流调度方法、系统、设备，涉及计算机技术领域。分布式深度学习流调度设备能够部署分布式深度学习流调度系统，并采用分布式深度学习流调度方法实现流调度。本发明方法从DDL训练的流特点出发，提出采用高精度改善优先的调度方式，对DDL训练任务进行数据流调度。本发明对DDL训练任务进行优先级划分，并周期性的更新DDL训练任务的优先级。其中通过DDL训练任务的历史数据预测该任务未来一个调度周期的精度改善情况，并以此进行排序进而确定DDL训练任务的优先级。同时，本发明考虑了网络优先级有限的情况，并通过全局优先级映射为本地优先级的方式，实现了少量优先级模拟无限优先级的可能。
-
-
-
-
-
-
-
-
-
Search Results
226
records
(took 0.057 seconds)
