龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：北京邮电大学
摘要：本发明公开了一种基于神经元级别迁移学习的光路传输质量估计方法，能够在少量训练样本下得到准确度更高的QoT估计模型，进一步提升网络资源利用率。本发明基于神经元重要性搜索迁移模型结构，得到较为优性的迁移模型结构，有效完成源域知识向目标域知识的迁移任务，可以克服光网络部署初期收集网络参数数据样本较少而难以实现准确QoT估计的问题，是一种可以适应未来光网络有效部署，提升网络资源利用率的优性光路QoT估计机制。
主权项：1.一种基于神经元级别迁移学习的光路传输质量估计方法，其特征在于，包括以下步骤：S1、利用已部署网络中的大量样本对神经网络模型进行训练得到预训练模型；神经网络模型的输入为信道特征，输出为被测光路的QoT值；S2、根据神经元重要性NI大小确定需要冻结的神经元以及需要微调的神经元，即确定迁移模型结构； 其中，NIi,j表示神经网络中第j层中第i个神经元的神经元重要性，Ni,j为该神经元的权重数，和分别代表神经网络中第j层中第i个神经元第n个权重微调前后的权重；S3、初始化迁移模型权重与预训练模型权重一致；S4、利用新部署网络中的少量样本根据迁移模型结构对迁移模型进行微调训练；步骤S2中迁移模型结构的生成过程为：S201、基于新部署网络中的少量训练样本进行L次单层迁移学习，得到L个微调后的迁移模型；S202、神经网络中的每一层单独利用新部署网络中的少量训练样本进行微调后，根据式2分别计算神经网络中每一层神经元的神经元重要性，得到整个神经网络的神经元重要性矩阵；S203、根据步骤S202中得到的神经元重要性矩阵，按降序排列，选取前α％的神经元进行微调，其余神经元进行冻结，确定迁移模型结构。
全文数据：
权利要求：
百度查询： 北京邮电大学 一种基于神经元级别迁移学习的光路传输质量估计方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号