申请/专利权人:暨南大学
申请日:2024-01-23
公开(公告)日:2024-04-02
公开(公告)号:CN117808051A
主分类号:G06N3/0464
分类号:G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明公开了一种基于可编程数据平面的时序任务预测方法,具体涉及网络数据流时序任务预测领域,包括以下步骤:使用网络数据流量集收集历史数据流的特征和卷积神经网络模型训练算法训练初始模型;使用神经网络架构搜索算法和量化算法自动搜索满足部署条件的卷积神经网络模型;在P4可编程数据平面上实时计算网络流特征并进行卷积神经网络推理。本发明利用神经网络架构搜索算法和量化算法自动搜索可部署的卷积神经网络模型,解决了P4可编程数据平面有限的存储资源和计算资源大小限制导致的部署失败问题;并利用P4可编程数据平面中提供的定点数基本运算实现了卷积神经网络推理计算而无需控制器的参与。
主权项:1.一种基于可编程数据平面的时序任务预测方法,其特征在于,分类预测具体步骤如下:S1:使用网络数据流量集收集历史数据流的特征和卷积神经网络模型训练算法训练初始模型;S2:使用神经网络架构搜索算法和量化算法自动搜索满足部署条件的卷积神经网络模型;S3:在P4可编程数据平面上实时计算网络流特征并进行卷积神经网络推理。
全文数据:
权利要求:
百度查询: 暨南大学 一种基于可编程数据平面的时序任务预测方法
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。