摘要
本申请公开了一种时间同步误差预测模型的训练方法及装置、时间同步误差补偿方法及装置、设备及计算机程序产品,该训练方法包括:构建时间同步误差预测模型的训练数据,包括时间偏移数据、路径延迟数据及时间同步误差真值;将时间偏移数据和路径延迟数据分别输入模型的不同分支网络,得到不同分支网络的分支特征;根据不同分支网络的分支特征生成时间同步误差的预测值,结合时间同步误差真值计算损失值,以此更新模型参数。本申请采用双分支混合神经网络架构训练时间同步误差预测模型,通过双分支混合神经网络动态捕捉时间同步序列数据的非线性相关性,实现了端到端的时间同步误差变化预测,无需修改现有网络基础设施即可实现实时的定时误差补偿。
技术关键词
时间同步误差
分支
输出特征
补偿方法
数据
计算机程序产品
训练装置
线性
补偿装置
神经网络架构
融合特征
更新模型参数
编码
特征提取单元
处理器
周期
指令
系统为您推荐了相关专利信息
残差网络
地理信息系统
深度学习模型
热力图
深度学习神经网络模型
仿真模型
数据融合方法
网络
数据融合装置
结构健康监测
多源数据协同
功能模块
性能指标信息
神经网络模型
通信系统
性能测试方法
游戏
性能测试数据
输入神经网络模型
错误率