-
公开(公告)号:CN119071320A
公开(公告)日:2024-12-03
申请号:CN202411094264.8
申请日:2024-08-09
Applicant: 北京邮电大学
Abstract: 一种物联网中状态更新数据包的传输方法和系统,每个物联网设备通过5G无线网络连接到基站,并向物联网应用服务器发送状态更新数据包,包括:UPF网元将接收到的每个状态更新数据包装载到一个Capsu le帧中并进行压缩,然后将压缩后的Capsu le帧放入待转发队列中进行排队,同时,按照排队顺序从待转发队列中取出多个Capsu le帧以构成一个QUIC数据包,并将QUIC数据包封装后转发至边缘代理服务器;边缘代理服务器从接收到的每个QUIC数据包中分割出所有Capsu le帧,然后将每个Capsu le帧解压缩后还原成状态更新数据包,并转发给对应的物联网应用服务器。本发明涉及计算机技术领域,能高效传输海量物联网场景中的状态更新数据包,从而保障海量物联网场景中状态更新任务的网络服务需求。
-
公开(公告)号:CN119167263A
公开(公告)日:2024-12-20
申请号:CN202411258607.X
申请日:2024-09-09
Applicant: 北京邮电大学
IPC: G06F18/2433 , G06F18/214 , G06Q10/20
Abstract: 一种基于运维注意力的时间序列异常检测评估方法和系统,包括:获取性能指标在一段时间内的时间序列及对应的地面真相标签,然后采用异常检测模型对时间序列进行异常检测,并输出异常检测结果;逐一计算地面真相标签和异常检测结果中每个异常点的运维注意力,并根据异常点的运维注意力来预测其后一个观察期长度内的所有时间点的运维注意力,从而获得地面真相标签和异常检测结果的运维注意力曲线,以据此对异常检测模型的异常检测结果进行评估。本发明涉及基础设施和I T支撑计算领域,在对时间序列异常检测模型的输出评估时,能考虑异常事件在时序上的连续性,还避免了对长异常事件表现高估的缺陷,并对碎片化的异常检测结果给出合理化的评估结果。
-
公开(公告)号:CN117676697A
公开(公告)日:2024-03-08
申请号:CN202311511255.X
申请日:2023-11-14
Applicant: 北京邮电大学
Abstract: 一种物联网设备的数据传输方法和系统,包括:机器类型通信网关读取所有物联网设备发送来的短数据包:获取发送短数据包的物联网设备对应的QUIC数据流,然后将短数据包中的数据放入获取的QUIC数据流的待发送队列中;机器类型通信网关新建一个空数据包,按照QUIC数据流的待发送队列中放入待发送数据的时间先后顺序,逐一从每个存在待发送数据的QUIC数据流的待发送队列中弹出待发送数据,并封装成一个流帧后装入新建的数据包中,最后将装有多个流帧的数据包发送给中央基站。本发明涉及信息通信网络领域,能基于海量物联网场景,保障短数据包原始数据的完整性,并有效降低机器类型通信网关向中央基站转发数据包的数量与数据总量。
-
公开(公告)号:CN119961377A
公开(公告)日:2025-05-09
申请号:CN202510009993.7
申请日:2025-01-03
Applicant: 北京邮电大学
IPC: G06F16/31 , G06F16/3329 , G06F16/334 , G06F16/355 , G06F16/36 , G06N3/0455 , G06N3/042 , G06N5/022 , G06N5/04
Abstract: 基于树形图和知识图谱检索增强的大模型推理方法和系统,包括:将文档切割成文本块,识别文本块的实体、关系和事实性描述,构成文本块的知识图谱;基于文本块的知识图谱构建文档的事实性概述,使用高斯混合模型对所有文档聚类递归,生成相似性树形结构图;获取用户问题,通过大语言模型辩论迭代的方法,从相似性树形结构图中选择一条推理路径,获得对应的文档聚类,然后基于用户问题和文档的置信度分数,对聚类剪枝,并从剪枝后的文档挑选若干文本块,最后基于挑选文本块的知识图谱,生成推理结果。本发明涉及自然语言处理技术领域,能实现基于树形图和知识图谱的检索增强,在大模型回答复杂多跳问题时准确查询相关信息,从而有效保证推理准确性。
-
公开(公告)号:CN117671377A
公开(公告)日:2024-03-08
申请号:CN202311685679.8
申请日:2023-12-08
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 一种时序变量预测方法、装置、计算设备和存储介质,包括:构建双向预测时间序列表征模型,并获取历史时间序列数据进行训练,过程如下:获取两相邻时序子序列Xl和Xr,然后将Xl和Xr进行季节‑趋势分解,获得季节和趋势分量,再将季节和趋势分量经过编码器获得表征序列,最后使用两个季节分量表征序列、两个趋势分量表征序列进行双向预测;构建并训练时序变量预测模型,输入时间序列表征向量,输出时序变量预测结果;采集时序变量的实时时间序列数据,使用双向预测时间序列表征模型提取特征以获得时间序列表征向量,然后输入时序变量预测模型,获得预测结果。本发明涉及计算机领域,能有效挖掘时序内在逻辑、提升表征在时序变量预测任务上的性能。
-
公开(公告)号:CN119922000A
公开(公告)日:2025-05-02
申请号:CN202510091669.4
申请日:2025-01-21
Applicant: 北京邮电大学
Abstract: 一种基于QUIC协议的RDMA建链方法,包括下列操作步骤:(1)通过将开源的msquic修改为内核态代码,实现用户态协议QUIC的内核化;(2)将内核化后的QUIC协议代码嵌入到RDMA网卡驱动的源码中;(3)通过调用QUIC API,使用QUIC协议的建链逻辑进行建链,并且能实现0‑RTT;本发明方法大大减少了建链时间,在大模型多机多卡分布式训练等需要频繁建链的场景下,提高了整体网络的通讯性能。
-
-
-
-
-