-
公开(公告)号：CN111506405A
公开(公告)日：2020-08-07
申请号：CN202010277548.6
申请日：2020-04-08
Applicant: 北京交通大学
Abstract: 本发明提供一种基于深度强化学习的边缘计算时间片调度方法，包括：获取终端设备上传的多个任务队列，并将该多个任务队列作为样本池；对每个任务队列进行马尔科夫决策过程建模，生成任务状态集合和相对应的动作集合；基于该任务状态集合和相对应的动作集合，通过神经网络训练方法，获得某执行任务时刻的神经网络参数矩阵的值；判断任务状态集合是否全部代入神经网络训练方法；若是，则向样本池输出该执行任务时刻的神经网络参数矩阵的值，作为该执行任务时刻的时间片调度结果；否则，继续执行马尔科夫决策过程建模。本发明提供的方法，加速保证算法的时间效率，同时增加算法本身的泛化性能，让调度机器能够根据实际场景特征自主学习调度策略。
-
公开(公告)号：CN106850682B
公开(公告)日：2020-05-05
申请号：CN201710172305.4
申请日：2017-03-22
Applicant: 北京交通大学
IPC: H04L29/06
Abstract: 本发明提供了一种空天地一体化信息网络中的数据安全传输方法。该方法主要包括：检测可用路径的数目，通过优先度评价模型计算各条可用路径的优先度；基于需要传送数据的大小、各条可用路径的带宽和优先度，按照设定的路径选择策略进行判断，选定所要使用的n条路径；将需要传送的数据分成m个数据块，将m个数据块分别分配给所述n条路径，在每条路径上对数据块进行编码传输。本发明从数据传输的角度出发，采用原数据分多条路径传输的方法，提出了一种空天地网络中的数据传输方法，提升了数据传输的安全性，同时通过优先度评价模型，选择良好的路径进行数据传输，也可以有效提升数据传输的速度和效率。
-
公开(公告)号：CN111263303B
公开(公告)日：2021-02-02
申请号：CN202010043759.3
申请日：2020-01-15
Applicant: 北京交通大学
Abstract: 本发明提供一种基于移动IP的雾节点自组织协作的方法，包括了工作雾节点在开始、结束工作或每隔一定周期向管理雾节点发送节点信息帧，进行路由表更新；管理雾节点根据任务情况进行任务分流决策，接受任务后根据需要联合多个工作雾节点构建工作域；管理雾节点构建工作域后监测移动终端位置，移动终端离开子网后，向新进入子网的管理雾节点请求转交地址并向本地代理注册；任务结束后，本地代理解除工作雾节点占用，释放工作域并收回为移动终端分配的IP。本发明提供的方法，使参与雾计算的节点之间能够实时组成分布式计算平台，及时适应工作负载的变化，减少计算时延；实现拓扑动态可变的雾节点工作域群组，为终端提供可扩展的计算资源。
-
公开(公告)号：CN110263257A
公开(公告)日：2019-09-20
申请号：CN201910547320.1
申请日：2019-06-24
Applicant: 北京交通大学
IPC: G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 近年来深度学习被广泛应用在了图像和音频识别、文本分类和表示学习等领域，基于深度学习的推荐系统也成为学者们的研究热点。深度学习模型在图像、文本等特定数据的表示学习中都取得了极好的效果，避免了复杂的特征工程，可以得到异构数据的非线性多层次的抽象特征表示，克服了多种数据的异质性。目前，融合评分、评论和社交网络的深度学习推荐模型尚未提出。本专利基于深度学习算法，给出了一个具有较强拓展性的推荐流程，分析了不同数据适合使用的相关算法及原理，根据不同数据的损失函数推出了结合评论、评分和社交信息的最终损失函数，提高了推荐结果的准确度。
-
公开(公告)号：CN109189471A
公开(公告)日：2019-01-11
申请号：CN201810971012.7
申请日：2018-08-24
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于供应链的复杂软件系统的软件安全评估方法。该方法包括：获取影响复杂软件系统的安全性的多种安全要素；基于历史专家经验数据和/或观测数据分别获取每种安全要素的评分；利用信度转换函数将每种安全要素的评分映射为于D-S证据理论中的基本信度分配(BBA)数据，对所有安全因素的BBA进行决策级融合，得到复杂软件系统的全局BBA结果数据，根据所述全局BBA结果数据判断所述复杂软件系统的安全性。本发明能够准确、灵活的对复杂软件系统安全性进行评估，并且可以剔除不可靠的安全性评价，清晰地体现出对软件系统安全性的评价。
-
Patent Agency Ranking
公开(公告)号：CN103986641B
公开(公告)日：2017-04-05
申请号：CN201410171928.6
申请日：2014-04-25
Applicant: 北京交通大学
Abstract: 本发明属于互联网技术领域，特别涉及一种基于计算几何的微博用户间距离的简单模型，首先定义两个空的待访问集合分别为C和F；构建用户的好友向量，根据上一步得到的用户好友集，经过变换，可以得到由用户好友集所构成的用户好友向量。用户间距离的获得，由以上所述两个步骤可以得到用户好友向量，得到用户好友向量的基础上，识别用户的共同好友，并通过向量间运算获得用户间距。本发明的优点在于：此微博用户间距离的简单模型巧妙地运用了空间向量点乘方法，能够更加准确地表示出不同情况下用户节点间的距离值，该模型还可以反映用户的潜在影响，并能进一步衡量节点的重要性，而且精度得到保证。
-
公开(公告)号：CN116527522A
公开(公告)日：2023-08-01
申请号：CN202310522723.7
申请日：2023-05-10
Applicant: 北京交通大学
IPC: H04L41/40 , H04L41/122 , H04L41/16 , G06N3/126
Abstract: 本发明提供一种基于延迟优化编排算法的服务功能链部署方法及系统，属于通信技术领域，构建VNF优化部署模型；引入最大可调度连续VNF数MSN的指标，结合遗传算法，求解VNF优化部署模型，获得最优的当前待部署VNF；获取到根据当前待部署VNF计算出的MSN值后，选择MSN值最大的主机节点作为目标主机，部署从当前VNF后共MSN个主机至目标主机，直至该条SFC部署完毕。本发明构建了容器化环境下SFC编排模型，将SFC编排建模成多目标优化问题，分析容器化NFV平台上网络拓扑存在的近似性质；采用分阶段决策方式处理每个SFC请求，并在每个阶段选择可容纳连续VNF数最多的物理主机，并结合GA遗传算法来完成服务编排，减少了SFC跨主机数目，有效降低了跨主机产生的网络延迟。
-
公开(公告)号：CN113422671A
公开(公告)日：2021-09-21
申请号：CN202110741926.6
申请日：2021-06-30
Applicant: 北京交通大学
Abstract: 本发明提供一种用于司法公开的内外网数据一致性的核验方法，将司法系统待公开的内网数据进行封装形成文书数据报，将多个文书数据报封装形成包数据报，利用包数据报及文书数据报的结构和自描述信息，核验数据的完整性与一致性。本发明提供的方法，解决了内外网传递过程中裁判文书数量不一致情况以及数据重组、渲染过程中出现的数据内容不一致的问题，能够保障司法系统内网向外部公开的数据和外网数据的一致性，适用于法院司法系统内网向外网传递的裁判文书信息的受控发布过程。
-
公开(公告)号：CN106850682A
公开(公告)日：2017-06-13
申请号：CN201710172305.4
申请日：2017-03-22
Applicant: 北京交通大学
IPC: H04L29/06
Abstract: 本发明提供了一种空天地一体化信息网络中的数据安全传输方法。该方法主要包括：检测可用路径的数目，通过优先度评价模型计算各条可用路径的优先度；基于需要传送数据的大小、各条可用路径的带宽和优先度，按照设定的路径选择策略进行判断，选定所要使用的n条路径；将需要传送的数据分成m个数据块，将m个数据块分别分配给所述n条路径，在每条路径上对数据块进行编码传输。本发明从数据传输的角度出发，采用原数据分多条路径传输的方法，提出了一种空天地网络中的数据传输方法，提升了数据传输的安全性，同时通过优先度评价模型，选择良好的路径进行数据传输，也可以有效提升数据传输的速度和效率。
-
公开(公告)号：CN118945119A
公开(公告)日：2024-11-12
申请号：CN202410810133.9
申请日：2024-06-21
Applicant: 北京交通大学
IPC: H04L47/2441 , G06F18/241 , G06N3/047 , G06N3/092 , H04L47/2425 , H04L47/80 , H04W4/44 , H04W72/566 , H04L67/12 , G08G1/01
Abstract: 本发明公开了一种基于概率神经网络和强化学习的车联网数据分级分类方法，属于车联网数据分级分类领域，包括以下步骤：S1、获取车联网情景下的数据样本，建立样本数据集；S2、根据建立的样本数据集，计算每个路侧的路况向量；S3、在每个路侧中部署智能体，每个智能体根据自身以及相邻路侧的路况向量做出决策；S4、使用概率神经网络对样本数据集中的数据进行排序；S5、排序后的数据根据智能体的决策进行数据上传，实现车联网数据的分级分类。本发明采用上述的一种基于概率神经网络和强化学习的车联网数据分级分类方法，不仅可以结合实际情况对车联网数据进行分级分类，同时能够更好的分配宽带资源，并保证紧急的数据优先上传到云端。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.016 seconds)
