-
公开(公告)号：CN109918571A
公开(公告)日：2019-06-21
申请号：CN201910206690.9
申请日：2019-03-19
Applicant: 扬州大学
IPC: G06F16/9535 , G06F16/9537
Abstract: 本发明涉及推荐系统中结合专家信任的POI推荐算法，属于推荐算法领域，主要是根据用户的历史签到数据，推断出用户的POI（Point of Interest即兴趣点）。也就是说通过对用户签到信息的挖掘，结合时间的影响，地理位置的影响，来预测用户的POI，以提高用户的使用体验和满足感。
-
公开(公告)号：CN118827421A
公开(公告)日：2024-10-22
申请号：CN202410857937.4
申请日：2024-06-28
Applicant: 扬州大学
Abstract: 本发明公开了一种基于最大熵与多智能体的虚拟网络映射方法，包括以下步骤：S1、获取虚拟网络请求：获取车联网环境中的多个虚拟网络请求，包括事件触发流量和时间触发流量；S2、多智能体强化学习映射：利用基于多智能体的柔性演员评论家强化学习算法，对虚拟网络请求进行节点和链路映射，本发明中AME算法在车联网的动态拓扑网络中表现出了较好的性能和适应性，特别是在高动态环境下，通过最大熵探索和注意力机制的结合，有效提高了系统对全局资源的把控能力，提升了对关键信息的处理能力，多智能体能够学习如何在复杂环境中更有效地合作或竞争，优化了整个系统的性能，特别是在处理时间触发流量时，确保了严格的周期性和可调度性。
-
公开(公告)号：CN118802708A
公开(公告)日：2024-10-18
申请号：CN202410913689.0
申请日：2024-07-09
Applicant: 扬州大学
IPC: H04L45/02 , H04L45/00 , H04L49/90 , G06N3/044 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/092 , G06N3/098
Abstract: 本发明公开了一种基于联邦学习与DQN的缓存节点选择方法，涉及DQN缓存策略技术领域，包括以下步骤：S1、对NDN网络中路由器内的原始CS表结构进行改造；S2、在NDN网络的路由器内增加节点信息表；S3、对NDN网络中原始的兴趣包和数据包的结构进行改造；S4、使用AE模型预测出流行内容，本发明在路由器内对原始CS表结构进行改造，同时引入节点信息记录表，对NDN网络中的兴趣包和数据包结构也进行了改造，以适应新的缓存策略，利用AE模型预测流行内容，结合DQN模型计算最优的缓存位置，并通过联邦学习进一步优化DQN模型，在实际应用中，周期性地执行缓存替换算法，能够明显提高网络中的整体缓存命中率、降低时延、降低链路负载以及提高用户体验。
-
Patent Agency Ranking
公开(公告)号：CN109918571B
公开(公告)日：2023-08-22
申请号：CN201910206690.9
申请日：2019-03-19
Applicant: 扬州大学
IPC: G06F16/9535 , G06F16/9537
Abstract: 本发明涉及推荐系统中结合专家信任的POI推荐算法，属于推荐算法领域，主要是根据用户的历史签到数据，推断出用户的POI（Point of Interest即兴趣点）。也就是说通过对用户签到信息的挖掘，结合时间的影响，地理位置的影响，来预测用户的POI，以提高用户的使用体验和满足感。
-
公开(公告)号：CN119363829A
公开(公告)日：2025-01-24
申请号：CN202411380902.2
申请日：2024-09-30
Applicant: 扬州大学
IPC: H04L67/5682 , H04L67/288 , G06F3/06 , G06N3/092 , G06N3/045
Abstract: 本发明公开了一种基于离线‑在线深度强化学习的NDN缓存策略，涉及命名数据网络领域，包括步骤：在NDN网络的路由器内增加兴趣请求表；提取缓存日志数据；使用自注意力机制动态分配各属性权重；离线训练，提取最优缓存策略；使用IQL模型在线微调模块对策略调优；周期性的执行在线微调模块。本发明针对真实拓扑TISCALI进行了大规模的仿真，与现有典型缓存策略相比，本发明能够明显提高网络中的整体缓存命中率、降低时延、降低链路拉伸率以及提高用户体验。
-
公开(公告)号：CN116405385A
公开(公告)日：2023-07-07
申请号：CN202310386539.4
申请日：2023-04-12
Applicant: 扬州大学
IPC: H04L41/0813 , H04L41/16 , H04L41/40 , H04L41/5003
Abstract: 本发明公开了一种基于熵权法的多线程的虚拟网络映射和性能调节方法，属于网络映射领域，包括：为多个级别的虚拟网络请求设置差异化服务质量放宽系数，将QoS指标考虑进虚拟网络请求中，为不同QoS需求的VNR提供不同层级的服务质量保证，从而实现在保证请求成功率的基础上保证VNR的服务质量。将多个级别的虚拟网络请求输入训练好的节点映射策略评估网络进行节点和链路映射，得到多个级别的虚拟网络请求的初步映射结果，通过熵权法对初步映射结果进行分析，实现动态调节服务接受率，资源利用率和QoS损失率之间平衡。采用的多线程的异步优势演员评论家算法对网络进行训练，并使用模型完成映射，在优化节点映射的同时优化了链路映射。
-
公开(公告)号：CN116321347A
公开(公告)日：2023-06-23
申请号：CN202310361915.4
申请日：2023-04-07
Applicant: 扬州大学
Abstract: 本申请公开了一种基于Sarsa机器学习算法的车载命名数据网络路由方法，属于机器学习领域。方法包括：在道路选择中，通过使用模糊逻辑方法和深度优先搜索算法对全局道路信息进行获取并加以利用得到最优全局路由路径。在车辆节点选择时，车辆保持固定大小的Q值表，该Q值表具有奖励功能并作为转发路由的依据，通过查找过滤后的Q值表来请求最佳节点引导全局路由路径，将信息发送至目标节点。由此，提高了信息传输过程中的数据包命中率、降低了端到端延迟、减小了网络路由开销。
-
公开(公告)号：CN106897497A
公开(公告)日：2017-06-27
申请号：CN201710049769.6
申请日：2017-01-23
Applicant: 扬州大学
IPC: G06F17/50
CPC classification number: G06F17/5009
Abstract: 本发明涉及基于滑动灰色模型和加权马尔可夫链的降雨量预测方法。本发明将降雨数据通过滑动平均法，计算出GM(1，1)预测函数，代入具体数值求出每一年的预测值和绝对误差，有序聚类进行分类，建立状态转移矩阵，计算各阶段所占权重，验证马尔可夫性，计算预测的降雨量。本发明克服了现有方法得到的预测精度离实际降雨量值有一定的差距的缺陷。本发明采用滑动灰色模型和马尔可夫链对降雨量进行预测。当前普及的主要是天气预报，通过对云层变化，卫星观察等手短对未来的几天乃至几周的天气状况进行预告，但是对未来一两年的降雨量总体状况判断还不够准确。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.017 seconds)
