Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安电子科技大学马英红获国家专利权

西安电子科技大学马英红获国家专利权

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!

龙图腾网获悉西安电子科技大学申请的专利基于同异步时空特性融合的VNF多维资源需求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:CN119740095B

龙图腾网通过国家知识产权局官网在2025-10-28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:202411811742.2,技术领域涉及:G06F18/241;该发明授权基于同异步时空特性融合的VNF多维资源需求预测方法是由马英红;李少杰;焦毅;刘伟;刘勤;李红艳设计研发完成,并于2024-12-10向国家知识产权局提交的专利申请。

基于同异步时空特性融合的VNF多维资源需求预测方法在说明书摘要公布了:本发明提出了一种基于同异步时空特性融合的VNF多维资源需求预测方法,实现步骤为:获取辅助样本集、训练样本集和测试样本集;构建基于同异步时空特性融合的VNF多维资源需求预测网络模型并对其进行迭代训练;获取VNF多维资源需求预测结果。本发明在对预测网络模型进行迭代训练以及获取预测结果的过程中,同异步时空特征融合模块通过同异步邻接矩阵代替图的归一化邻接矩阵,能同时融合VNF的同步空间特征、异步空间特征和时间特征,避免了现有技术忽略不同VNF之间异步空间特征的缺陷,有效提高了VNF多维资源需求的预测精度。

本发明授权基于同异步时空特性融合的VNF多维资源需求预测方法在权利要求书中公布了:1.一种基于同异步时空特性融合的VNF多维资源需求预测方法,其特征在于,包括如下步骤: 1获取辅助样本集、训练样本集和测试样本集: 对N个VNF中每个VNF包含的T个时间步的多维资源需求数据进行归一化,并对每个VNF的S个时间步的多维资源需求数据进行划分,然后将划分后的前U个的长度为M的数据块及其标签组成训练样本集,将剩余的V个数据块组成测试样本集,将未划分的归一化后的N×TP个多维资源需求数据组成辅助样本集,其中N≥1,T=S+TP,T≥10000,S=U+V+M,M≥5; 2构建基于同异步时空特性融合的VNF多维资源需求预测网络模型: 构建包括级联的增强特征提取模块、时延相关性提取模块、同异步邻接矩阵构造模块和同异步时空特征融合模块的VNF多维资源需求预测网络模型O,其中同异步邻接矩阵构造模块用于根据时延相关性提取模块提取出的最大相关时延集D={Di,j|1≤i,j≤N}构建同异步邻接矩阵MSA,MSA包括M×M个维度为N×N的子块,第r行第c列的子块Ar,c的构建方法为: 当r=c时: Ar,c=Aadj 当r≠c时: 其中,Ar,c是分块矩阵MSA第r行第c列的子块,Aadj是表示服务功能链的图的邻接矩阵,是矩阵Ar,c第a行第b列的元素,Da,b∈D; 3对预测网络模型进行迭代训练: 通过辅助样本集和训练样本集对预测网络模型O进行迭代训练,得到训练好的预测网络模型O*; 4获取VNF多维资源需求预测结果: 将测试样本集作为训练好的预测网络模型O*的输入进行前向传播,得到每个测试样本的预测值。

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西安电子科技大学,其通讯地址为:710071 陕西省西安市雁塔区太白南路2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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。