-
公开(公告)号：CN112231582B
公开(公告)日：2023-11-21
申请号：CN202011249317.0
申请日：2020-11-10
Applicant: 南京大学
IPC: G06F16/9535 , G06F16/958 , G06N3/0455 , G06N3/08
-
公开(公告)号：CN113194493A
公开(公告)日：2021-07-30
申请号：CN202110490184.4
申请日：2021-05-06
Applicant: 南京大学
Abstract: 本发明公开了一种基于图神经网络的无线网络数据缺失属性恢复方法及装置。所述方法包括：将无线网络数据映射成对应的拓扑图结构，依次将存在缺失属性的样本数据映射为拓扑图结构中的节点的属性向量；根据节点的属性向量获取拓扑图结构的邻接矩阵；利用图采样算法将拓扑图结构进行简化，得到稀疏化的邻接矩阵；基于属性向量和稀疏化邻接矩阵，利用图神经网络模型进行学习，输出经过重构后恢复的属性向量。本发明方法使用基于图自动编码器的属性恢复框架，采用基于策略梯度的图神经网络学习算法，直接对无线网络数据的属性恢复问题进行建模和学习，充分利用了无线网络数据中相关性，从而提高无线网络数据恢复的属性的性能。
-
公开(公告)号：CN110690995B
公开(公告)日：2021-04-30
申请号：CN201910937198.9
申请日：2019-09-29
Applicant: 南京大学 , 国网陕西省电力公司信息通信公司
Abstract: 本发明公开了一种基于多变量时间序列预测的鲁棒性异常检测方法和设备，方法包括：获取互联网服务性能历史数据，构建多变量时间序列；通过小波变换将多变量时间序列分解为多个子分量，并去噪滤除噪音；将滤除噪音后的子分量输入到LSTM网络中，并训练网络，得到LSTM分量预测模型；根据LSTM分量预测值构建线性回归模型，并利用历史数据估计线性参数；将新产生的互联网服务性能数据输入LSTM分量预测模型，将得到的子分量预测值输入线性回归模型中，计算得到互联网服务性能时间序列的预测值；当计算得到的预测值与真实值的误差值大于预设的异常阈值时，判断为互联网服务出现异常。本发明可提高互联网服务性能检测准确度和鲁棒性。
-
公开(公告)号：CN110674211B
公开(公告)日：2022-04-01
申请号：CN201910937210.6
申请日：2019-09-29
Applicant: 南京大学 , 国网陕西省电力公司信息通信公司
Abstract: 本发明公开了一种Oracle数据库AWR报告的自动解析方法和设备。方法包括以下步骤：1、对AWR报告中的结构化数据进行解析，所述结构化数据包括表格形式的数据；2、对AWR报告中的非结构化数据进行解析，所述非结构化数据包括表格的描述文本和SQL事件的描述文本；3、将结构化数据解析结果和非结构化数据解析结果合并为统一的键值对形式，利用机器学习算法进行特征选择，作为AWR报告的最终解析结果；4、在特征选择的基础上缩小数据的解析范围，然后采用步骤1和2的解析方法，对线上的新产生的AWR报告进行解析。本发明以键值对为基础实现对AWR报告的解析转换，处理性能高效，采用特征选择的方法实现在有效获取信息的同时减少数据分析的存储和计算开销。
-
公开(公告)号：CN113114581A
公开(公告)日：2021-07-13
申请号：CN202110526957.X
申请日：2021-05-14
Applicant: 南京大学
IPC: H04L12/801 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于多智能体深度强化学习的TCP拥塞控制方法及装置。所述方法包括：在传输控制协议TCP中，通过设置连续的统计区间，将多流竞争瓶颈链路的拥塞控制问题建模为马尔可夫博弈过程，并利用深度强化学习，用神经网络表示表示TCP的拥塞控制策略，在一个模拟环境中训练出最优的拥塞控制策略，从根本上解决传统启发式拥塞控制算法在动态多变的网络环境中的适应性问题及公平性问题。本发明方法使用在线变点检测技术划分统计区间，采用Actor‑Critic深度强化学习框架，对多个智能体并行联合训练，直接对TCP拥塞控制进行建模和学习，从而生成一个最优的拥塞控制策略。
-
Patent Agency Ranking
公开(公告)号：CN110690995A
公开(公告)日：2020-01-14
申请号：CN201910937198.9
申请日：2019-09-29
Applicant: 南京大学 , 国网陕西省电力公司信息通信公司
Abstract: 本发明公开了一种基于多变量时间序列预测的鲁棒性异常检测方法和设备，方法包括：获取互联网服务性能历史数据，构建多变量时间序列；通过小波变换将多变量时间序列分解为多个子分量，并去噪滤除噪音；将滤除噪音后的子分量输入到LSTM网络中，并训练网络，得到LSTM分量预测模型；根据LSTM分量预测值构建线性回归模型，并利用历史数据估计线性参数；将新产生的互联网服务性能数据输入LSTM分量预测模型，将得到的子分量预测值输入线性回归模型中，计算得到互联网服务性能时间序列的预测值；当计算得到的预测值与真实值的误差值大于预设的异常阈值时，判断为互联网服务出现异常。本发明可提高互联网服务性能检测准确度和鲁棒性。
-
公开(公告)号：CN110674211A
公开(公告)日：2020-01-10
申请号：CN201910937210.6
申请日：2019-09-29
Applicant: 南京大学 , 国网陕西省电力公司信息通信公司
Abstract: 本发明公开了一种Oracle数据库AWR报告的自动解析方法和设备。方法包括以下步骤：1、对AWR报告中的结构化数据进行解析，所述结构化数据包括表格形式的数据；2、对AWR报告中的非结构化数据进行解析，所述非结构化数据包括表格的描述文本和SQL事件的描述文本；3、将结构化数据解析结果和非结构化数据解析结果合并为统一的键值对形式，利用机器学习算法进行特征选择，作为AWR报告的最终解析结果；4、在特征选择的基础上缩小数据的解析范围，然后采用步骤1和2的解析方法，对线上的新产生的AWR报告进行解析。本发明以键值对为基础实现对AWR报告的解析转换，处理性能高效，采用特征选择的方法实现在有效获取信息的同时减少数据分析的存储和计算开销。
-
公开(公告)号：CN113194493B
公开(公告)日：2023-01-06
申请号：CN202110490184.4
申请日：2021-05-06
Applicant: 南京大学
Abstract: 本发明公开了一种基于图神经网络的无线网络数据缺失属性恢复方法及装置。所述方法包括：将无线网络数据映射成对应的拓扑图结构，依次将存在缺失属性的样本数据映射为拓扑图结构中的节点的属性向量；根据节点的属性向量获取拓扑图结构的邻接矩阵；利用图采样算法将拓扑图结构进行简化，得到稀疏化的邻接矩阵；基于属性向量和稀疏化邻接矩阵，利用图神经网络模型进行学习，输出经过重构后恢复的属性向量。本发明方法使用基于图自动编码器的属性恢复框架，采用基于策略梯度的图神经网络学习算法，直接对无线网络数据的属性恢复问题进行建模和学习，充分利用了无线网络数据中相关性，从而提高无线网络数据恢复的属性的性能。
-
公开(公告)号：CN112437451B
公开(公告)日：2022-08-02
申请号：CN202011247205.1
申请日：2020-11-10
Applicant: 南京大学
Abstract: 本发明公开了一种基于生成对抗网络的无线网络流量预测方法和设备，方法包括：获取区域采样的历史数据，构建二维稀疏时间序列；使用卷积LSTM进行特征提取，利用历史数据对未来的二维流量图谱进行初步预测；将初步预测结果作为生成对抗网络的训练集，通过构建一个拥有生成网络、分辨网络以及精度保证网络的新式生成对抗网络，从而得到了精度更高，误差更小的流量图谱预测结果。本发明可应用在大范围的区域流量趋势预测之中，利用群智感知对城市流量分流进行提前预警。
-
公开(公告)号：CN112437451A
公开(公告)日：2021-03-02
申请号：CN202011247205.1
申请日：2020-11-10
Applicant: 南京大学
Abstract: 本发明公开了一种基于生成对抗网络的无线网络流量预测方法和设备，方法包括：获取区域采样的历史数据，构建二维稀疏时间序列；使用卷积LSTM进行特征提取，利用历史数据对未来的二维流量图谱进行初步预测；将初步预测结果作为生成对抗网络的训练集，通过构建一个拥有生成网络、分辨网络以及精度保证网络的新式生成对抗网络，从而得到了精度更高，误差更小的流量图谱预测结果。本发明可应用在大范围的区域流量趋势预测之中，利用群智感知对城市流量分流进行提前预警。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
