基于双层递归神经网络的应用层组播树构建方法

    公开(公告)号:CN101488913A

    公开(公告)日:2009-07-22

    申请号:CN200810243911.1

    申请日:2008-12-10

    Abstract: 基于双层递归神经网络的应用层组播树构建方法,通过能量函数所对应的神经元运动方程求出相应的神经元的权值及偏流,并以此去调整相应的反馈权值和偏置,进行迭代计算,直到系统收敛到稳定状态为止。在稳定状态下神经元变量的输出即为实际优化问题的解。本方法中仍然采用Hopfield神经网络模型求解最优化问题的思想,但在此基础上加入双层递归神经网络模型中的Kirchoff限制条件提高了解的合法性;加入了LP型非线性编程神经元,保证了路由求解过程中限制条件的满足;同时通过求解单播路由的神经元矩阵之间相对应神经元的关联保证了最终的组播路由的最优。

    一种面向物联网动态环境的自适应学习方法及系统

    公开(公告)号:CN119250111A

    公开(公告)日:2025-01-03

    申请号:CN202411256284.0

    申请日:2024-09-09

    Abstract: 本发明公开了一种面向物联网动态环境的自适应学习方法及系统,系统包括:数据流模块、内存集模块、图数据集构建模块、混合模块、图神经网络模块。在每个时隙的训练过程中,数据流模块提供当前时隙样本集,图数据集构建模块将当前时隙样本集构建为当前时隙图数据集。以内存图数据集与当前时隙图数据集混合作为输入,供图神经网络模块进行训练。并且针对所有样本的预测值,连续学习模块计算性能函数值。本发明通过图神经网络的置换等变特性,有效利用了物联网环境下设备之间的底层拓扑结构,能够挖掘出更多有用信息。同时本系统解决了应用传统方案后模型对过往任务产生的“灾难性遗忘”问题,在动态变化的实际通信环境中表现出很好的适应性。

Patent Agency Ranking