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！

龙图腾网获悉杭州电子科技大学;中电数据服务有限公司申请的专利一种基于GNN和Transformer模型的网络建模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：CN119558346B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411641589.3，技术领域涉及：G06N3/042；该发明授权一种基于GNN和Transformer模型的网络建模方法是由张继勇;陈晨;周晓飞;唐江平;鲍柳昕;李世峰;何帆设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种基于GNN和Transformer模型的网络建模方法在说明书摘要公布了：本发明涉及一种基于GNN和Transformer模型的网络建模方法，首先进行数据集的生成和预处理，构建消息传递神经网络；消息传递神经网络包括GNN级联模块，Transformer级联模块和特定指标读出模块三部分；然后训练网络，最后将预处理后的测试集图像输入训练好的网络模型中，得到预测图，并与真值进行比较，计算各项评价指标。本发明能更好地捕获全局依赖关系，从而得到更全面的数据表示，同时了提高模型泛化能力和计算效率。

本发明授权一种基于GNN和Transformer模型的网络建模方法在权利要求书中公布了：1.一种基于GNN和Transformer模型的网络建模方法，其特征在于：包括以下步骤： 步骤一：数据收集：收集在模拟中生成或是实际工作中的包含不同网络拓扑结构、流量模型、路由配置和队列调度策略的网络样本，并记录每个网络样本中所有流的平均延迟、抖动和丢包率，以及队列级统计信息； 步骤二：数据预处理：将网络样本转换为图结构，其中节点表示网络设备，边表示连接设备之间的链路，同时为每个节点和边提取特征，如流量特征、链路容量、队列大小和队列优先级； 步骤三：构建消息传递神经网络：消息传递神经网络包括GNN级联模块，Transformer级联模块和特定指标读出模块三部分，使用不同的函数初始化流、队列和链路的隐藏状态，将流、队列和链路特征编码为固定大小的向量，代表特征嵌入，使用GNN网络进行T次消息传递迭代，每个迭代包括三个阶段：流的隐藏状态消息传递和更新、队列的隐藏状态消息传递和更新、链路的隐藏状态消息传递和更新，接着将这些特征输入到Transformer网络中，利用其自注意力机制进一步处理特征或学习图之间的依赖关系，使用读出函数计算每个流的性能指标； 所述GNN级联模块由多个循环神经网络构建流向队列，同时使用自回归算法对网络内部和外部进行多次循环后输出到Transformer级联模块， 将GNN级联模块提取到的图特征输入到Transformer级联模块，级联Transformer模块由数个共享参数的Transformer块组成，Transformer块由一个多头自注意力机制网络和一个前馈网路组成，通过自注意力机制来计算特征的长距离依赖关系，每个输入特征首先被展开为一个一维序列，每个序列通过一个可训练的线性投影层映射到一个潜在的D维嵌入空间，特定的位置嵌入被学习并添加到补丁嵌入，保留位置信息，添加位置信息后的补丁经过线性层生成查询向量矩阵、键向量矩阵和值向量矩阵三个矩阵，再将三个矩阵送入多头注意力机制操作来计算相互之间的注意力， 步骤四：训练网络：将预处理后的训练集划分为训练集和验证集，训练模型和评估模型性能，将训练集图像输入消息传递神经网络中，经过GNN级联模块，Transformer级联模块和特定指标读出模块三部分，生成对每个流的性能指标的预测；再使用验证集计算均方误差和系数决定进行损失计算，反向传播，通过选定的优化器和相应对应参数对权重进行优化，进行多次训练后得到网络模型； 步骤五：模型评估：使用未见过的网络样本评估模型预测网络性能的泛化能力，包括不同的拓扑结构、流量模型和路由配置，并与真值进行比较，计算各项评价指标。

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杭州电子科技大学;中电数据服务有限公司，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。