申请/专利权人：西安电子科技大学

申请日：2024-01-03

公开（公告）日：2024-04-09

公开（公告）号：CN117851774A

主分类号：G06F18/20

分类号：G06F18/20;G06F18/213;G06F18/214;G06N3/042;G06N3/0464;G06N3/067;G06N5/01;G06F15/78

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种片上光网络中基于时空信息的可靠性预测方法及装置，通过根据片上光网络的拓扑构建的无向图和片上光网络的历史工作状态构建片上光网络的历史特征矩阵，将历史特征矩阵输入至预先训练完成的可靠性预测神经网络模型，以使可靠性预测神经网络模型输出预测特征矩阵。因为历史特征矩阵包括多个历史时隙下无向图中每个顶点的可靠性信息，因此通过将历史特征矩阵与可靠性预测神经网络模型中的空间信息处理模块和时间信息处理模块相结合，可以更动态、更基于实际数据的对可靠性进行预测，在提高预测精度的同时，降低了建模难度。并且通过本申请方案能够捕获空间依赖关系和时间依赖关系，更全面地进行可靠性预测。

主权项：1.一种片上光网络中基于时空信息的可靠性预测方法，其特征在于，所述方法包括：根据片上光网络的拓扑构建无向图；所述无向图中的每个顶点分别对应所述片上光网络中的一对源节点和目的节点；所述无向图中的边用于表示顶点之间的邻接关系；任一对顶点之间存在邻接关系是指其中一个顶点的目的节点为另一个顶点的源节点；根据所述无向图和所述片上光网络的历史工作状态构建所述片上光网络的历史特征矩阵；所述历史特征矩阵包括多个历史时隙下所述无向图中每个顶点的可靠性信息；将所述历史特征矩阵输入至预先训练完成的可靠性预测神经网络模型，以使所述可靠性预测神经网络模型输出预测特征矩阵；所述预测特征矩阵包括未来时隙下每个顶点的可靠性信息；所述可靠性预测神经网络模型包括空间信息处理模块、第一转换模块、时间信息处理模块和第二转换模块；所述空间信息处理模块，用于从所述历史特征矩阵中提取空间信息，得到基于空间状态的第一特征矩阵；所述第一转换模块，用于将所述第一特征矩阵转换为基于时间状态的第二特征矩阵；所述时间信息处理模块，用于从所述第二特征矩阵中提取时间信息，得到基于时间状态的第三特征矩阵；所述第二转换模块，用于将所述第三特征矩阵转换为基于空间状态的所述预测特征矩阵。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种片上光网络中基于时空信息的可靠性预测方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD