买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州大学申请的专利一种多尺度扩张卷积神经网络的网络流量预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116684304B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310175895.1，技术领域涉及：H04L41/147；该发明授权一种多尺度扩张卷积神经网络的网络流量预测方法是由戴宏亮;吕晓婷;游志铭;戴宏明;黄翠银;赖飞同设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本一种多尺度扩张卷积神经网络的网络流量预测方法在说明书摘要公布了：本发明涉及网络流量预测技术领域，且公开了一种多尺度扩张卷积神经网络的网络流量预测方法，本发明采用公开的噪声和异常值大的5个数据集NTBS、WTSW、AIIA、ISP以及EC进行有效性验证：首先对数据进行预处理和分析，使其成为输入变量；再设计基于随机稀疏自注意机制的多尺度扩张卷积神经网络预测模型结构；将处理好的训练集输入到模型中，进行网络流量预测模型的训练，等待训练完成后，保存模型参数；最后将测试集输入到训练好的模型中，进行模型性能的测试。本发明的主要创新点在于开发了一个由不同大小的卷积核组成的三分支多尺度模型，使整个模型更灵活，且参数复杂度更低；提出了层确定机制，使层的确定不再依赖于特定的数据集。

本发明授权一种多尺度扩张卷积神经网络的网络流量预测方法在权利要求书中公布了：1.一种多尺度扩张卷积神经网络的网络流量预测方法，其特征在于，包括以下步骤： 第一步：获取了噪声和异常值大的5个数据集，分别是NTBS、WTSW、AIIA、ISP以及EC数据，对数据进行整理和分析，使其成为输入变量； 第二步：将整理后的数据划分为训练集和测试集，训练集与测试集比例为8：2，同时对训练数据集进行滑动平均，其中滑动窗口值设置为3，也就是将原始数据相邻的三个数做均值处理而得到； 第三步：建立基于随机稀疏自注意机制的扩张卷积神经网络预测模型； 第四步：将训练集输入到随机稀疏自注意机制的扩张卷积神经网络预测模型中，进行网络流量预测模型的训练，等待训练完成后，保存模型参数； 第五步：加载模型参数，获得训练好的网络流量预测模型，将测试集输入到模型中，得到网络流量预测值； 第六步：对训练好的网络流量预测模型进行预测性能评估； 第三步的具体内容为： S1：将输入序列分别输入到卷积核大小为k1、k2和k3的扩张卷积神经网络的三个分支中； S2：通过层确定机制确定卷积层数N1、N2和N3； S3：在每三个扩张卷积层模块之间的网络中插入随机稀疏自注意机制，以考虑不同时间特征的重要性差异，将得到的三个分支网络的结果连接起来； S4：对结果进行线性变换，得到输出序列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。