-
公开(公告)号：CN118573568A
公开(公告)日：2024-08-30
申请号：CN202410620063.0
申请日：2024-05-17
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
IPC: H04L41/0823 , H04L41/14 , G06N3/042 , G06N3/08 , G06F17/16
Abstract: 本申请涉及通信技术领域，尤其涉及一种图神经网络模型训练与网络优化方法及装置。该方法中，获取历史大尺度衰落数据以及用于表示基站间连接关系的拓扑结构。历史大尺度衰落数据是采用大尺度衰落公式，根据历史的无线传播特性参数以及无线传播损耗参数得到的。将历史大尺度衰落数据输入图神经网络模型得到邻接矩阵。其中，邻接矩阵用于描述基站间信号的连接强度。采用预设的正则化损失函数确定元素值与流量元素值的差异值，并基于差异值调整图神经网络模型中的参数，直至差异值满足预设规则。上述方案，可以提升图神经模型训练的鲁棒性。捕捉图中更高阶的结构信息和易于理解的注意力机制，从而更好地满足对图神经网络模型的需求。
-
公开(公告)号：CN116633804A
公开(公告)日：2023-08-22
申请号：CN202310532203.4
申请日：2023-05-11
Applicant: 中国电信股份有限公司北京研究院 , 中国电信股份有限公司
IPC: H04L41/16 , G06F16/21 , G06N3/048 , G06N3/0464 , G06N3/08 , H04L41/06 , H04L43/0876
Abstract: 本公开实施例提供了一种网络流量检测模型的建模方法、应用程序的防护方法、装置、计算机设备、可读存储介质及程序，涉及计算机技术领域。该方法包括：获取网络流量的日志数据；将所述网络流量的日志数据进行标注；将标注后的所述网络流量的日志数据向量化以获得所述网络流量的日志数据词向量矩阵；根据所述网络流量的日志数据词向量矩阵确定神经网络的层数；将所述词向量矩阵作为输入对所述神经网络进行训练以完成网络流量检测模型的建模，以使所述网络流量检测模型具备根据日志数据识别故障的能力。本公开实施例提供的方案建立的网络流量检测模型，能够根据日志数据对故障进行检测的网络流量检测模型。
-
公开(公告)号：CN119743218A
公开(公告)日：2025-04-01
申请号：CN202411910536.7
申请日：2024-12-24
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
IPC: H04B17/309
Abstract: 本申请涉及一种对象评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括：获取待评估信道响应矩阵和标准频谱矩阵；将待评估信道响应矩阵转换为第一图像，并对第一图像进行频域转换，得到目标频谱矩阵；基于目标频谱矩阵和标准频谱矩阵确定信道质量评估结果。采用本方法能够将待评估信道响应矩阵中包含的复杂的波形信息提取并转换为频域信息，可以简化复杂信号评估的计算处理，避免了复杂的逐点计算和统计分析，从而显著减少了计算时间和复杂度，大大提高了数据质量评估的效率，适用于实时和大规模数据处理。
-
公开(公告)号：CN118317346A
公开(公告)日：2024-07-09
申请号：CN202410608449.X
申请日：2024-05-16
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
IPC: H04W24/06 , H04B17/309 , H04L41/147 , H04L41/16
Abstract: 本申请涉及通信技术领域，具体公开了一种流量的预测方法、装置及电子设备，在该方案中，获取两两基站之间的自由空间路径损耗值FSPL，并将每一个FSPL转化为对应的邻接矩阵值；基于各个邻接矩阵值，得到目标图神经网络；将待预测流量输入目标图神经网络，得到预测后的目标流量。通过本申请实施例提供的技术方案，将移动通信的基本领域与图神经网络进行整合，使得图神经网络的参数更加合理，提高了图神经网络对待预测流量的预测准确性。
-
公开(公告)号：CN117932329A
公开(公告)日：2024-04-26
申请号：CN202311694932.6
申请日：2023-12-11
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
Inventor： 熊奕洋
IPC: G06F18/214 , G06F18/213 , G06N3/04
Abstract: 本公开涉及计算机技术领域，具体涉及一种检测模型训练方法、检测模型训练装置、存储介质及设备，上述方法包括：获取多个物联网样本数据；基于多个所述物联网样本数据构建物联网数据矩阵，获取所述物联网数据矩阵的多个特征值以及多个所述特征值对应的特征向量；获取待训练模型；基于多个所述特征向量对注意力机制的多个注意力头对应的权重矩阵进行初始化；基于所述多个物联网样本数据对所述待训练模型进行训练，以得到物联网异常数据检测模型。通过本公开实施例的技术方案，可以解决相关技术中构建模型效率较差的问题。
-
Patent Agency Ranking
公开(公告)号：CN118784581A
公开(公告)日：2024-10-15
申请号：CN202410881589.4
申请日：2024-07-02
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
Inventor： 熊奕洋
IPC: H04L47/127
Abstract: 本申请提供了一种流量预测方法、装置及电子设备，用以提升流量预测的准确性。该方法包括：将获取到的历史流量转化为多个模态数据；将所述多个模态数据输入目标模型，通过所述目标模型中的多个子模型分别处理所述多个模态数据，并将所述多个子模型预测所得的流量特征融合，得到目标流量。
-
公开(公告)号：CN117176417A
公开(公告)日：2023-12-05
申请号：CN202311126233.1
申请日：2023-09-01
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
IPC: H04L9/40 , H04L41/147 , H04L41/16
Abstract: 本申请提供一种网络流量异常确定方法、装置以及电子设备和计算机可读存储介质，涉及物联网技术领域。网络流量异常确定方法包括：获取物联网系统中的物联网流量关联预测数据；对物联网流量关联预测数据进行词嵌入处理，获得物联网关联数据的预测向量矩阵；确定预测向量矩阵的秩；根据预测向量矩阵的秩确定变形器的多头注意力机制数量，其中变形器的多头注意力机制数量与预测向量矩阵的秩成正比；根据多头注意力机制数量设置变形器的参数；通过物联网流量关联预测数据对变形器进行训练，以便通过训练完成的变形器对网络流量是否异常进行判断。本申请实施例可以提高网络流量异常判断的准确性。
-
公开(公告)号：CN116599718A
公开(公告)日：2023-08-15
申请号：CN202310545417.5
申请日：2023-05-15
Applicant: 中国电信股份有限公司北京研究院 , 中国电信股份有限公司
IPC: H04L9/40 , H04L47/2441 , H04L47/2483 , H04L41/06 , H04L41/14
Abstract: 本公开实施例提供了一种故障检测模型的建模方法、应用程序的防护方法、装置、计算机设备、可读存储介质及程序，涉及计算机技术领域。该方法包括：获取网络流量的日志数据；将所述网络流量的日志数据通过词嵌入获得词向量矩阵；根据所述网络流量的日志数据类别将每条日志的词向量矩阵输入不同的伪随机序列编码器中进行编码，以获得序列编码后的词向量矩阵；将序列编码后的所述词向量矩阵进行标注；将标注完的序列编码后的所述词向量矩阵作为输入对神经网络进行训练以完成网络流量日志检测模型的建模，以使所述网络流量日志检测模型具备根据日志数据识别故障的能力。本公开实施例提供的方案建立的故障检测模型，提升了故障检测的检测准确度。
-
公开(公告)号：CN118921689A
公开(公告)日：2024-11-08
申请号：CN202411179257.8
申请日：2024-08-26
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
Inventor： 熊奕洋
Abstract: 本申请涉及通信技术领域，尤其涉及一种网络流量预测方法、装置、电子设备及存储介质，用于提高网络流量预测的准确度。该方法包括：以待预测网络中的各基站作为节点、基站间的通信关系作为边，生成图结构数据；基于各基站各自传输信号到其他基站的路径损耗和信号质量，确定邻接矩阵中的各邻接元素值；基于图结构数据中各节点的各邻居节点各自对应的信息权重和邻接元素值，对各节点进行至少一次特征聚合操作，得到待预测网络的流量预测结果，其中，信息权重表征：相应节点的邻居节点的信息对相应节点的重要性。这样，邻接矩阵贴近实际的通信环境，模型能够更精确地捕捉节点间的依赖关系，同时，优化了聚合机制，提高了网络流量的预测准确性。
-
公开(公告)号：CN118861764A
公开(公告)日：2024-10-29
申请号：CN202410890038.4
申请日：2024-07-03
Applicant: 中国电信股份有限公司技术创新中心 , 中国电信股份有限公司
Abstract: 本申请公开了一种流量预测方法、装置、设备及介质，涉及无线通信技术领域，该方法包括：以待预测网络中的各基站作为节点、各基站的流量数据作为相应节点的特征向量、基站间的通信关系作为边，生成图结构数据；以图结构数据为输入，基于图神经网络进行至少一次聚合操作得到流量预测结果；在一次聚合操作过程中，基于图结构数据中节点之间的连接关系确定各节点的重要性指标值；分别基于各节点的重要性指标值，对上一次聚合操作后得到的图结构数据中相应节点的特征向量进行调整；以调整后的图结构数据为输入，基于图神经网络对各节点进行特征聚合；通过在每次聚合操作后对节点的特征进行强化，解决传统图神经网络的过平滑问题。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.029 seconds)
