摘要
本发明公开了一种基于多层掩码注意力机制的网络重路由方法,所述方法包括:将网络当前的网络拓扑信息和网络流量信息输入到预先训练的由多层掩码自注意力机制和Actor‑Critic演员评论家网络结合得到的神经网络模型;所述神经网络模型从所述网络流量信息中选择出关键流量信息;基于由关键流量信息确定出的关键流量的传输路径进行网络重路由;其中,所述掩码自注意力机制的掩码矩阵是根据所述网络拓扑信息确定的。应用本发明可以选择出对整个网络更具影响力的关键流量,通过对这些关键流量的重路由使其能更有效地响应网络状态的快速变化。
技术关键词
神经网络模型
网络流量信息
网络拓扑信息
注意力机制
掩码矩阵
传输路径
计算机设备
非线性
处理器
可读存储介质
链路
节点
存储器
噪声
参数
策略
系统为您推荐了相关专利信息
多元时间序列数据
LSTM模型
时间序列预测方法
变量
注意力机制
新安江模型
径流预测方法
历史降雨量
注意力
汇流
大规模图像数据集
图像识别方法
预训练模型
图像类别
模型预训练
光伏面板
人工智能模型
风速
透光率
RNN神经网络
AI眼镜
眼镜边框
神经网络模型
天气
时间序列特征