申请/专利权人:南京邮电大学
申请日:2024-02-01
公开(公告)日:2024-04-19
公开(公告)号:CN117914690A
主分类号:H04L41/0677
分类号:H04L41/0677;H04L41/069;H04L41/149;H04L41/16
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明公开了一种基于深度学习GCN‑LSTM的边缘节点网络故障预测方法,包括:根据目标区域内当前时刻各边缘服务器之间的连接关系构建边缘网络节点图;其中一个所述边缘服务器作为一个边缘节点;获取当前时刻各边缘节点的网络日志数据;根据边缘网络节点图和各边缘节点的网络日志数据,通过图卷积网络GCN的自适应卷积层的两级时间窗口提取各边缘节点的网络日志特征;将所有边缘节点的网络日志特征输入到预训练好的长短期记忆神经网络LSTM模型中,得到网络故障预测结果。根据节点不同的度来自适应卷积层进行网络日志特征采样,LSTM模型训练过程中通过PSO算法不断迭代寻找LSTM的最优超参数。
主权项:1.一种边缘节点网络故障预测方法,其特征在于,包括:根据目标区域内当前时刻各边缘服务器之间的连接关系构建边缘网络节点图;其中一个所述边缘服务器作为一个边缘节点;获取当前时刻各边缘节点的网络日志数据;根据边缘网络节点图和各边缘节点的网络日志数据,通过图卷积网络GCN的自适应卷积层的两级时间窗口提取各边缘节点的网络日志特征;将所有边缘节点的网络日志特征输入到预训练好的长短期记忆神经网络LSTM模型中,得到网络故障预测结果。
全文数据:
权利要求:
百度查询: 南京邮电大学 一种基于深度学习GCN-LSTM的边缘节点网络故障预测方法
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。