一种基于卷积神经网络的动态路由选择技术制造技术

本发明专利技术中提出的一种基于卷积神经网络的动态路由选择技术，其主要内容包括：动态路由选择网络设计、门网路设计、路由选择策略学习、监督式预训练，其过程为，首先利用少量的卷积操作和共享操作来设计前馈门网路；接着设计反馈门网路，使得参数可以共享，并且利用策略允许门网路重新使用先前的计算结果；然后在不可微分决策过程使用强化学习方法学习模型的参数；最后利用监督式预训练的方式来联合考虑前馈过程的硬门网路和反馈过程的软门网路。本发明专利技术基于卷积神经网络，实现了网络路由的动态选择，对不同的网络输入具有更好的自适应能力，同时降低了网络元器件的成本以及减少了信息传输的耗时。

【技术实现步骤摘要】
一种基于卷积神经网络的动态路由选择技术
本专利技术涉及路由选择领域，尤其是涉及了一种基于卷积神经网络的动态路由选择技术。
技术介绍
路由选择是指选择从源节点向目的节点传输信息的路径选择，通常是基于最小化传输耗时、最大化传输速度等。路由选择技术不是按照给每个网络端口分配一个用户的方式来对网络进行分段，因为这个方式的管理负担十分巨大，而且每个路由器端口的成本至少是交换机端口的三四倍；路由选择技术基于减少成本与传输时间的考虑，使用一系列算法来优化信息传输的路径。依据路由选择算法能否随网络的拓扑结构或者通信量自适应地进行调整变化进行分类，路由选择可以分为静态路由选择和动态路由选择。动态路由选择是自适应路由选择，是依靠当前网络的状态信息进行决策，从而使路由选择结果在一定程度上适应网络拓扑结构和通信量的变化。动态路由选择的特点是能较好的适应网络状态的变化。近年来，动态路由选择引起了一定的关注，相继出现了诸如矢量量化、霍夫曼编码等技术。这些技术都是在训练完原始网络之后才得到使用，因此它们被称为后处理过程；另外，这些优化的网络不能动态地调节自身的参数以应对不同类型的输入。本专利技术提出了一种基于卷积本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的动态路由选择技术，其特征在于，主要包括动态路由选择网络设计(一)；门网路设计(二)；路由选择策略学习(三)；监督式预训练(四)。

【技术特征摘要】
1.一种基于卷积神经网络的动态路由选择技术，其特征在于，主要包括动态路由选择网络设计(一)；门网路设计(二)；路由选择策略学习(三)；监督式预训练(四)。2.基于权利要求书1所述的动态路由选择网络设计(一)，其特征在于，动态路由选择网络是卷积网络；对于某一个输入图像，选择性地包含或者不包含网络当中的每一个独立的网络层；设计动态路由选择网络解决了下列几个问题：第一，门网路得到充分的描述，避免了预测准确性的下降，有效地决定对于一个给定的输入图像是否执行每一个独立的网络层；第二，相比于网络层，门网路具有较小的计算复杂度；第三，学习门网路参数和基本网络参数满足在最小化计算量的同时保留原有的准确性。3.基于权利要求书1所述的门网路设计(二)，其特征在于，把前一个或一组网络层的输出映射到一个二值决策，这个二值决策决定执行或者绕过后一个或一组网络层；准确地讲，假设xi和Fi(xi)分别是第i个或第i组网络层的输入和输出，定义门网络层的输出为：xi+1＝Gi(xi)Fi(xi)+(1-Gi(xi))xi(1)其中，Gi(xi)∈{0,1}是第i层网络的门函数；为了更好地定义公式(1)，使用残差网络结构来满足Fi(xi)与xi具有相同的维数的要求；门网路设计包括前馈门网路设计和递归门网路设计。4.基于权利要求书3所述的残差网络，其特征在于，使用残差网络结构可以满足Fi(xi)与xi具有相同的维数，并且可以通过共享或者上采样xi来实现具有与Fi(xi)相同的维数；上述公式表示残差网络结构的特性。5.基于权利要求书3所述的前馈门网路设计和递归门网路设计，其特征在于，前馈门网路仅依赖于前一个网络层的输出，并且利用少量的卷积操作和共享操作；尽管使用很少的卷积操作，但是其计算量仍然十分巨大，而且不能够对之前的门网路的计算施加影响；因此，引入递归门网路设计；递归门网路使得参数可以共享，并且利用策略允许门网路重新使用先前的计算结果；首先在门网路的输入特征图像中应用全局平均共享操作，然后把特征线性映射到大小为10的输入空间；使用具有10个隐藏单元的单一的长短期记忆神经网络；在每一个门网路中，把长短期记忆神经网络的输出映射到一个一维矢量空间，以计算最终的门决策；与残差块的计算量相比，递归门网路设计的计算量可以忽略不计。6.基于权利要求书1所述的路由选择策略学习(三)，其...

【专利技术属性】
技术研发人员：夏春秋，
申请(专利权)人：深圳市唯特视科技有限公司，
类型：发明
国别省市：广东,44