【技术实现步骤摘要】
用于信息中心网络的方法、电子设备和计算机程序产品
[0001]本公开的实施例涉及计算机
,并且更具体地,涉及用于信息中心网络的方法
、
电子设备和计算机程序产品
。
技术介绍
[0002]信息中心网络
(Information
‑
Centric Networking
,
ICN)
是改变当前互联网架构焦点的一种尝试
。
以前的架构主要关注于在两个机器之间创建对话
。
而
ICN
架构能够实现内容与位置分离
、
网络内置缓存等功能,从而更好满足大规模网络内容分发
、
移动内容存取
、
网络流量均衡等需求
。
[0003]强化学习
(Reinforcement Learning,RL)
作为机器学习的范式和方法论之一,用于描述和解决智能体
(agent)
在与环境的交互过程中通过学习策略以达成奖励最大化或实现特定目标的问题
。
强化学习由于其灵活性和良好的性能,越来越受到人们的欢迎,在诸如博弈论
、
控制论
、
运筹学
、
信息论
、
仿真库优化等领域均有研究
。
技术实现思路
[0004]本公开的实施例提供了一种用于信息中心网络的方案
。
[0005]在本公开的第一方面,提供了一种 ...
【技术保护点】
【技术特征摘要】
1.
一种用于信息中心网络的方法,包括:利用机器学习模型中的记忆层对在第一时刻从信息中心网络
(ICN)
获得到的第一状态进行正向处理,确定与对应于所述第一时刻的记忆层相关联的正向隐藏状态,其中所述第一状态包括关于所述
ICN
的第一节点信息和第一拓扑信息;利用所述记忆层对在第二时刻从所述
ICN
获得到的第二状态进行反向处理,确定与对应于所述第二时刻的记忆层相关联的反向隐藏状态,所述第二时刻在所述第一时刻之后;利用所述正向隐藏状态和所述反向隐藏状态,确定在所述第二时刻的第三状态;以及使用所述第二状态和所述第三状态,训练所述机器学习模型
。2.
根据权利要求1所述的方法,其中利用所述正向隐藏状态和所述反向隐藏状态,确定在所述第二时刻下的第三状态包括:基于所述正向隐藏状态和所述反向隐藏状态,确定所述第二时刻下的隐变量;基于所述正向隐藏状态和所述隐变量,预测在所述第一时刻下针对所述第一状态的动作;以及基于所述动作
、
所述正向隐藏状态和所述隐变量,预测所述第三状态
。3.
根据权利要求2所述的方法,其中训练所述机器学习模型包括:根据所述第二状态和所述第三状态,确定与所述机器学习模型对应的损失函数的损失值;以及基于所述损失值,训练所述机器学习模型
。4.
根据权利要求3所述的方法,其中所述损失函数包括:针对以所述隐变量为条件而生成的所述反向隐藏状态所确定的最大似然估计模型
。5.
根据权利要求1所述的方法,还包括:利用经训练的机器学习模型,生成与从所述
ICN
接收到的第二节点信息和第二拓扑信息对应的动作
。6.
根据权利要求5所述的方法,其中生成与从所述
ICN
接收到的第二节点信息和第二拓扑信息对应的动作包括:在针对所述
ICN
节点的第一缓存决策阶段,基于所述第二节点信息和所述第二拓扑信息,生成与所述第一缓存决策阶段对应的第一动作,其中所述第一动作指示:在所述
ICN
节点中进行数据缓存;或在所述
ICN
节点中不进行数据缓存
。7.
根据权利要求6所述的方法,其中生成与从所述
ICN
接收到的第二节点信息和第二拓扑信息对应的第二动作还包括:在针对所述
ICN
节点中的存储器的第二缓存决策阶段,基于所述第二节点信息和所述第二拓扑信息,生成与所述第二缓存决策阶段对应的第二动作,其中所述第二动作指示:在所述
ICN
节点的存储器中进行数据缓存;或在所述
ICN
节点的存储器中不进行数据缓存
。8.
根据权利要求7所述的方法,其中所述方法还包括:接收针对所述动作的反馈,所述反馈包括分别针对字节命中率
、
数据响应延迟以及数据传输带宽的权重
。
9.
根据权利要求1所述的方法,其中所述第一节点信息包括:节点类型
、
缓存状态以及内容属性
。10.
根据权利要求1所述的方法,其中所述方法还包括:对所述第一状态进行初始化配置,以更新所述机器学习模型
。11.
一种电子设备,包括:至少一个处理器;以及存储有计算机可执行指令的至少一个存储器,所述至少一个存储器和所述计算机可执行指令被配置为,与所述至少一个处理器一起,使得所述电子设备执行操作,所述操作包括:利用机器学习模型中的记忆层对在第一时刻从信息中心网络
(ICN)
获得到的第一状态进行正向处理,确定与对应于所述第一时刻的记忆层相关联的正向隐藏状态,其中所述第一状态包括关于所述
ICN
的第一节点信息和第一拓扑信息;利用所述记忆层对在第二时刻从所述
ICN
获得到的第二状态进行反向处理,确定与对应于所述第二时刻的...
【专利技术属性】
技术研发人员:王子嘉,倪嘉呈,刘金鹏,贾真,
申请(专利权)人:戴尔产品有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。