CN114124693A - 一种参数配置方法、装置及存储介质 - Google Patents
一种参数配置方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114124693A CN114124693A CN202111313183.9A CN202111313183A CN114124693A CN 114124693 A CN114124693 A CN 114124693A CN 202111313183 A CN202111313183 A CN 202111313183A CN 114124693 A CN114124693 A CN 114124693A
- Authority
- CN
- China
- Prior art keywords
- environment data
- parameter configuration
- sample
- register
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000003287 optical effect Effects 0.000 claims abstract description 80
- 238000012549 training Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 25
- 238000010606 normalization Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 230000001537 neural effect Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 abstract description 22
- 230000006870 function Effects 0.000 description 21
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008033 biological extinction Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/25—Arrangements specific to fibre transmission
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Optical Communication System (AREA)
Abstract
本申请实施例提供一种参数配置方法、装置及存储介质,涉及通信技术领域,解决了现有技术无法快速、准确的确定光模块中的寄存器参数的技术问题。该参数配置方法包括:获取光模块在当前时间段内的目标环境数据;将目标环境数据输入到预先训练好的参数配置模型中,以确定光模块的目标寄存器参数;参数配置模型为基于多个环境数据和多个寄存器参数训练得到的。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种参数配置方法、装置及存储介质。
背景技术
在光通信网络中,光模块是光纤通信系统中的核心器件,是进行光电和电光转换的光电子配件。光模块是由光电子器件、功能电路和光接口等组成,发送端把电信号转换为光信号,通过光纤传送后,接收端再把光信号转换为电信号。在日常通信故障中,光模块故障占很大一部分比例。
光模块的性能和健康度会影响整个通信网络的速率和稳定性,而光模块中配置的寄存器参数会直接影响光模块的性能。光模块所处的自然环境(温度、湿度、气压等)差异很大,如果采取相同的参数配置,则光模块无法处于最优性能状态工作,会大大缩短光模块的寿命。
因此,如何通过改变光模块寄存器参数设置,监测光模块的输出状态(消光比、光功率、交叉点等),使得光模块工作在最佳状态,是目前亟需解决的技术问题。
发明内容
本申请实施例提供一种参数配置方法、装置及存储介质,解决了现有技术无法快速、准确的确定光模块中的寄存器参数的技术问题。
为达到上述目的,本申请实施例采用如下技术方案:
第一方面,提供一种参数配置方法,包括:
获取光模块在当前时间段内的目标环境数据;
将目标环境数据输入到预先训练好的参数配置模型中,以确定光模块的目标寄存器参数;参数配置模型为基于多个环境数据和多个寄存器参数训练得到的。
可选的,参数配置方法还包括:
获取光模块在历史时间段内的样本环境数据和与样本环境数据对应的样本寄存器参数;样本寄存器参数为样本环境数据下满足预设状态的寄存器参数;
根据样本环境数据、样本寄存器参数和预设算法,训练得到参数配置模型。
可选的,根据样本环境数据、样本寄存器参数和预设算法,训练得到参数配置模型,包括:
对样本环境数据和样本寄存器参数进行数据归一化处理,以得到第一环境数据和第一寄存器参数;
将第一环境数据作为训练集,第一寄存器参数作为测试集,通过多层前馈BP算法训练多层神经MLP网络,以得到参数配置模型。
可选的,参数配置方法还包括:
读取样本环境数据和与样本寄存器参数的对应关系,确定与目标环境数据对应的目标寄存器参数。
第二方面,提供一种参数配置装置,该参数配置装置包括:获取模块和处理模块;
获取光模块在当前时间段内的目标环境数据;
将目标环境数据输入到预先训练好的参数配置模型中,以确定光模块的目标寄存器参数;参数配置模型为基于多个环境数据和多个寄存器参数训练得到的。
可选的,获取模块,还用于获取光模块在历史时间段内的样本环境数据和与样本环境数据对应的样本寄存器参数;样本寄存器参数为样本环境数据下满足预设状态的寄存器参数;
处理模块,还用于根据样本环境数据、样本寄存器参数和预设算法,训练得到参数配置模型。
可选的,处理模块,具体用于:
对样本环境数据和样本寄存器参数进行数据归一化处理,以得到第一环境数据和第一寄存器参数;
将第一环境数据作为训练集,第一寄存器参数作为测试集,通过多层前馈BP算法训练多层神经MLP网络,以得到参数配置模型。
可选的,处理模块,还用于读取样本环境数据和与样本寄存器参数的对应关系,确定与目标环境数据对应的目标寄存器参数。
第三方面,提供一种参数配置装置,包括存储器和处理器。存储器用于存储计算机执行指令,处理器与存储器通过总线连接。当参数配置装置运行时,处理器执行存储器存储的计算机执行指令,以使参数配置装置执行第一方面所述的参数配置方法。
该参数配置装置可以是网络设备,也可以是网络设备中的一部分装置,例如网络设备中的芯片系统。该芯片系统用于支持网络设备实现第一方面及其任意一种可能的实现方式中所涉及的功能,例如,接收、确定、分流上述参数配置方法中所涉及的数据和/或信息。该芯片系统包括芯片,也可以包括其他分立器件或电路结构。
第四方面,提供一种计算机可读存储介质,计算机可读存储介质包括计算机执行指令,当计算机执行指令在计算机上运行时,使得该计算机执行第一方面所述的参数配置方法。
第五方面,提供一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行如第一方面及其任一种可能的设计方式所述的参数配置方法。
需要说明的是,上述计算机指令可以全部或者部分存储在第一计算机存储介质上。其中,第一计算机存储介质可以与参数配置装置的处理器封装在一起的,也可以与参数配置装置的处理器单独封装,本申请实施例对此不作限定。
本发明中第二方面、第三方面、第四方面以及第五方面的描述,可以参考第一方面的详细描述;并且,第二方面、第三方面、第四方面以及第五方面的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
在本申请实施例中,上述参数配置装置的名字对设备或功能模块本身不构成限定,在实际实现中,这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本发明类似,属于本发明权利要求及其等同技术的范围之内。
本发明的这些方面或其他方面在以下的描述中会更加简明易懂。
本申请提供的技术方案至少带来以下有益效果:
本申请中,参数配置装置可以通过预先训练好的参数配置模型,确定光模块在当前时间段内的目标环境数据下的目标寄存器参数。由于参数配置模型为基于多个环境数据和多个寄存器参数训练得到的,因此,参数配置装置可以在不同的环境数据下,快速、准确、合理地确定光模块中的寄存器参数,解决了现有技术无法确定光模块中的寄存器参数的技术问题。
附图说明
图1为本申请实施例提供的一种参数配置装置的硬件结构示意图;
图2为本申请实施例提供的又一种参数配置装置的硬件结构示意图;
图3为本申请实施例提供的一种训练参数配置模型的流程示意图;
图4为本申请实施例提供的一种参数配置方法的流程示意图;
图5为本申请实施例提供的又一种参数配置方法的流程示意图;
图6为本申请实施例提供的一种参数配置装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为了便于清楚描述本申请实施例的技术方案,在本申请实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分,本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
光模块的性能和健康度会影响整个通信网络的速率和稳定性,而光模块中配置的寄存器参数会直接影响光模块的性能。光模块所处的自然环境(温度、湿度、气压等)差异很大,如果采取相同的参数配置,则光模块无法处于最优性能状态工作,会大大缩短光模块的寿命。
因此,如何通过改变光模块寄存器参数设置,监测光模块的输出状态(消光比、光功率、交叉点等),使得光模块工作在最佳状态,是目前亟需解决的技术问题。
针对上述问题,本申请实施例提供了一种参数配置方法,参数配置装置可以通过预先训练好的参数配置模型,确定光模块在当前时间段内的目标环境数据下的目标寄存器参数。由于参数配置模型为基于多个环境数据和多个寄存器参数训练得到的,因此,参数配置装置可以在不同的环境数据下,快速、准确、合理地确定光模块中的寄存器参数,解决了现有技术无法确定光模块中的寄存器参数的技术问题。
上述参数配置装置可以为用于对目标端口对应的设备和线路的性能进行预测的设备,也可以为该设备中的芯片,还可以为该设备中的片上系统。
可选的,该设备可以是物理机,例如:台式电脑,又称台式机或桌面机(desktopcomputer)、手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personalcomputer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等终端设备。
可选的,上述参数配置装置也可以通过部署在物理机上的虚拟机(virtualmachine,VM),实现上述参数配置装置所要实现的功能。
为了便于理解,下面对本申请实施例中的参数配置装置的结构进行描述。
图1示出了本申请实施例提供的参数配置装置的一种硬件结构示意图。如图1所示,该参数配置装置包括处理器11,存储器12、通信接口13、总线14。处理器11,存储器12以及通信接口13之间可以通过总线14连接。
处理器11是参数配置装置的控制中心,可以是一个处理器,也可以是多个处理元件的统称。例如,处理器11可以是一个通用中央处理单元(central processing unit,CPU),也可以是其他通用处理器等。其中,通用处理器可以是微处理器或者是任何常规的处理器等。
作为一种实施例,处理器11可以包括一个或多个CPU,例如图1中所示的CPU 0和CPU 1。
存储器12可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
一种可能的实现方式中,存储器12可以独立于处理器11存在,存储器12可以通过总线14与处理器11相连接,用于存储指令或者程序代码。处理器11调用并执行存储器12中存储的指令或程序代码时,能够实现本发明实施例提供的参数配置方法。
另一种可能的实现方式中,存储器12也可以和处理器11集成在一起。
通信接口13,用于与其他设备通过通信网络连接。所述通信网络可以是以太网,无线接入网,无线局域网(wireless local area networks,WLAN)等。通信接口13可以包括用于接收数据的接收单元,以及用于发送数据的发送单元。
总线14,可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图1中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
需要指出的是,图1示出的结构并不构成对该参数配置装置的限定。除图1所示部件之外,该参数配置装置可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
图2示出了本申请实施例中参数配置装置的另一种硬件结构。如图2所示,通信装置可以包括处理器21以及通信接口22。处理器21与通信接口22耦合。
处理器21的功能可以参考上述处理器11的描述。此外,处理器21还具备存储功能,可以参考上述存储器12的功能。
通信接口22用于为处理器21提供数据。该通信接口22可以是通信装置的内部接口,也可以是参数配置装置对外的接口(相当于通信接口13)。
需要指出的是,图1(或图2)中示出的结构并不构成对参数配置装置的限定,除图1(或图2)所示部件之外,该参数配置装置可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合附图对本申请实施例提供的参数配置方法进行详细介绍。
本申请实施例提供的参数配置方法包括:参数配置装置根据样本环境数据、样本寄存器参数和预设算法,训练得到参数配置模型(简称为“参数配置模型训练流程”)和参数配置装置确定光模块的目标寄存器参数的流程(简称为“参数配置流程”)。
下面先对“参数配置模型训练流程”进行描述。
如图3所示,“参数配置模型训练流程”包括:S301-S302。
S301、参数配置装置获取光模块在历史时间段内的样本环境数据和与样本环境数据对应的样本寄存器参数。
具体的,参数配置装置在训练得到参数配置模型时,需要获取大量的历史数据作为训练模型的样本数据。在这种情况下,参数配置装置获取光模块在历史时间段内的样本环境数据和与样本环境数据对应的样本寄存器参数。
其中,样本寄存器参数为样本环境数据下满足预设状态的寄存器参数。
可选的,参数配置装置获取光模块在历史时间段内的样本环境数据和与样本环境数据对应的样本寄存器参数时,可以在不同的环境参数下,获取不同的寄存器参数。
示例性的,参数配置装置可以在温度20℃湿度50%海拔50米的第一条件下配置光模块寄存器参数,使光模块的寄存器的眼图保持最佳状态,并记录光模块的工作温度、工作电压、工作电流、发射和接收光功率、交叉点等值作为寄存器参数。
调整调整光模块工作温度从低温(-30℃)升高至高温状态(50℃),湿度从45%升高至85%,在其间取多个采样点,在每个采样状况下调整寄存器参数,使得光模块输出的实际值与光模块在第一条件下记录的各个参数接近相同,眼图状态保持良好,再次记录各寄存器参数。
S302、参数配置装置根据样本环境数据、样本寄存器参数和预设算法,训练得到参数配置模型。
具体的,在获取光模块在历史时间段内的样本环境数据和与样本环境数据对应的样本寄存器参数后,参数配置装置可以根据样本环境数据、样本寄存器参数和预设算法,训练得到参数配置模型。
可选的,参数配置装置根据样本环境数据、样本寄存器参数和预设算法,训练得到参数配置模型的方法具体包括:
S3021、参数配置装置对样本环境数据和样本寄存器参数进行数据归一化处理,以得到第一环境数据和第一寄存器参数。
具体的,为更好的训练参数配置模型,便于综合分析,参数配置装置可以对样本环境数据和样本寄存器参数进行数据归一化处理,以得到第一环境数据和第一寄存器参数。
可选的,参数配置装置对样本环境数据和样本寄存器参数进行数据归一化处理时,可以采取下述公式,将数据映射到[0,1]区间:
其中,xi为原始数据(即样本环境数据或样本寄存器参数),xmax为原始数据中的最大值,xmin为原始数据中的最小值,x′i为规范化后的值(即第一环境数据或第一寄存器参数)。
需要说明的是,在训练得到参数配置模型后,参数配置装置还可以经过逆变换公式,将输出数据转换为原量纲下的样本数据特征。
其中,逆变换公式为:
xi=x′i×(xmax-xmin)+xmin。
S3022、参数配置装置将第一环境数据作为训练集,第一寄存器参数作为测试集,通过BP算法训练MLP网络,以得到参数配置模型。
具体的,在对样本环境数据和样本寄存器参数进行数据归一化处理,以得到第一环境数据和第一寄存器参数后,参数配置装置可以将第一环境数据作为训练集,第一寄存器参数作为测试集,通过多层前馈BP算法训练多层神经MLP网络,以得到参数配置模型。
可选的,参数配置装置将第一环境数据作为训练集,第一寄存器参数作为测试集,通过多层前馈(Error Back Propagation,BP)算法训练多层神经(Multi-LayerPerceptron,MLP)网络,以得到参数配置模型时,可以在MLP网络向前传播时,采用BP算法进行模型训练。
其中,xi为第一环境数据;为第l层第i节点的输出值;为第l+1层第i个节点的激活值,为第l层第i节点与第l+1层第j节点之间的联结权重参数;为第l+1层第j节点的截距项;f为激活函数,隐层和输出层分别采用tansig和logsig激活函数;输出层即与第一环境数据对应的寄存器参数。
接着,参数配置装置可以根据第一寄存器参数计算误差,反向传播。
具体的,反向传播通过梯度下降法不断降低输出值和第一寄存器参数的误差。取网络所有输出层节点的误差平方和作为损失函数,损失函数如下:
其中,yi为输出层i节点的第一寄存器参数,ai为输出层i节点输出值。
通过迭代权值W和偏置b,使得损失函数最小,则网络输出的值越来越接近真实值。
其中,迭代权值W和偏置b满足下述公式:
MLP网络的参数预测效果优劣选用均等系数EC进行评价。
均等系数EC满足下述公式:
其中,yk为实际值,ak为预测值,取值范围为(0,1),EC值大于0.9时,拟合结果理想。
MLP网络经过不断的训练,更新阈值,权值不断修正使得MLP网络实际输出接近期望输出,直至MLP网络训练结束。
接下来对“参数配置流程”进行描述。
采用上述方法训练好预测模型之后,可以根据参数配置模型,确定光模块的目标寄存器参数。如图4所示,包括:S401-S402。
S401、参数配置装置获取光模块在当前时间段内的目标环境数据。
具体的,在确定光模块的目标寄存器参数时,参数配置装置可以获取光模块在当前时间段内的目标环境数据。
可选的,参数配置装置获取光模块在当前时间段内的目标环境数据时,可以通过各种传感设备(例如温度检测器、湿度检测器等),获取光模块在当前时间段内的目标环境数据。
S402、参数配置装置将目标环境数据输入到预先训练好的参数配置模型中,以确定光模块的目标寄存器参数。
其中,参数配置模型为基于多个环境数据和多个寄存器参数训练得到的。
具体的,在获取光模块在当前时间段内的目标环境数据后,参数配置装置可以将目标环境数据输入到预先训练好的参数配置模型中,以确定光模块的目标寄存器参数。
本申请实施例提供了一种参数配置方法,参数配置装置可以通过预先训练好的参数配置模型,确定光模块在当前时间段内的目标环境数据下的目标寄存器参数。由于参数配置模型为基于多个环境数据和多个寄存器参数训练得到的,因此,参数配置装置可以在不同的环境数据下,快速、准确、合理地确定光模块中的寄存器参数,解决了现有技术无法确定光模块中的寄存器参数的技术问题。
在一种可以实现的方式中,结合图4,如图5所示。在S401之后,该参数配置方法,还包括:
S501、参数配置装置读取样本环境数据和与样本寄存器参数的对应关系,确定与目标环境数据对应的目标寄存器参数。
具体的,有上述S301可知,参数配置装置可以获取光模块在历史时间段内的样本环境数据和与样本环境数据对应的样本寄存器参数。在在这情况下,当目标环境数据为所述样本环境数据中的数据时,参数配置装置可以直接读取样本环境数据和与样本寄存器参数的对应关系,确定与目标环境数据对应的目标寄存器参数,提高了确定目标寄存器参数的效率。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
本申请实施例可以根据上述方法示例对参数配置装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。可选的,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图6所示,为本申请实施例提供的一种参数配置装置600的结构示意图。该参数配置装置600包括:获取模块601和处理模块602;
获取光模块在当前时间段内的目标环境数据;
将目标环境数据输入到预先训练好的参数配置模型中,以确定光模块的目标寄存器参数;参数配置模型为基于多个环境数据和多个寄存器参数训练得到的。
可选的,获取模块601,还用于获取光模块在历史时间段内的样本环境数据和与样本环境数据对应的样本寄存器参数;样本寄存器参数为样本环境数据下满足预设状态的寄存器参数;
处理模块602,还用于根据样本环境数据、样本寄存器参数和预设算法,训练得到参数配置模型。
可选的,处理模块602,具体用于:
对样本环境数据和样本寄存器参数进行数据归一化处理,以得到第一环境数据和第一寄存器参数;
将第一环境数据作为训练集,第一寄存器参数作为测试集,通过多层前馈BP算法训练多层神经MLP网络,以得到参数配置模型。
可选的,处理模块602,还用于读取样本环境数据和与样本寄存器参数的对应关系,确定与目标环境数据对应的目标寄存器参数。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质包括计算机执行指令。当计算机执行指令在计算机上运行时,使得计算机执行如上述实施例提供的参数配置方法中,参数配置装置执行的各个步骤。
本申请实施例还提供一种计算机程序产品,该计算机程序产品可直接加载到存储器中,并含有软件代码,该计算机程序产品经由计算机载入并执行后能够实现上述实施例提供的参数配置方法中,参数配置装置执行的各个步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机执行指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solids tate disk,SSD))等。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种参数配置方法,其特征在于,包括:
获取光模块在当前时间段内的目标环境数据;
将所述目标环境数据输入到预先训练好的参数配置模型中,以确定所述光模块的目标寄存器参数;所述参数配置模型为基于多个环境数据和多个寄存器参数训练得到的。
2.根据权利要求1所述的参数配置方法,其特征在于,还包括:
获取所述光模块在历史时间段内的样本环境数据和与所述样本环境数据对应的样本寄存器参数;所述样本寄存器参数为所述样本环境数据下满足预设状态的寄存器参数;
根据所述样本环境数据、所述样本寄存器参数和预设算法,训练得到所述参数配置模型。
3.根据权利要求2所述的参数配置方法,其特征在于,所述根据所述样本环境数据、所述样本寄存器参数和预设算法,训练得到所述参数配置模型,包括:
对所述样本环境数据和所述样本寄存器参数进行数据归一化处理,以得到第一环境数据和第一寄存器参数;
将所述第一环境数据作为训练集,所述第一寄存器参数作为测试集,通过多层前馈BP算法训练多层神经MLP网络,以得到所述参数配置模型。
4.根据权利要求2所述的参数配置方法,其特征在于,还包括:
读取所述样本环境数据和与所述样本寄存器参数的对应关系,确定与所述目标环境数据对应的所述目标寄存器参数。
5.一种参数配置装置,其特征在于,包括:获取模块和处理模块;
获取光模块在当前时间段内的目标环境数据;
将所述目标环境数据输入到预先训练好的参数配置模型中,以确定所述光模块的目标寄存器参数;所述参数配置模型为基于多个环境数据和多个寄存器参数训练得到的。
6.根据权利要求5所述的参数配置装置,其特征在于,
所述获取模块,还用于获取所述光模块在历史时间段内的样本环境数据和与所述样本环境数据对应的样本寄存器参数;所述样本寄存器参数为所述样本环境数据下满足预设状态的寄存器参数;
所述处理模块,还用于根据所述样本环境数据、所述样本寄存器参数和预设算法,训练得到所述参数配置模型。
7.根据权利要求6所述的参数配置装置,其特征在于,所述处理模块,具体用于:
对所述样本环境数据和所述样本寄存器参数进行数据归一化处理,以得到第一环境数据和第一寄存器参数;
将所述第一环境数据作为训练集,所述第一寄存器参数作为测试集,通过多层前馈BP算法训练多层神经MLP网络,以得到所述参数配置模型。
8.根据权利要求6所述的参数配置装置,其特征在于,所述处理模块,还用于读取所述样本环境数据和与所述样本寄存器参数的对应关系,确定与所述目标环境数据对应的所述目标寄存器参数。
9.一种参数配置装置,其特征在于,包括存储器和处理器;所述存储器用于存储计算机执行指令,所述处理器与所述存储器通过总线连接;
当所述参数配置装置运行时,所述处理器执行所述存储器存储的所述计算机执行指令,以使所述参数配置装置执行如权利要求1-4任一项所述的参数配置方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括计算机执行指令,当所述计算机执行指令在计算机上运行时,使得所述计算机执行如权利要求1-4任一项所述的参数配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111313183.9A CN114124693A (zh) | 2021-11-08 | 2021-11-08 | 一种参数配置方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111313183.9A CN114124693A (zh) | 2021-11-08 | 2021-11-08 | 一种参数配置方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114124693A true CN114124693A (zh) | 2022-03-01 |
Family
ID=80381278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111313183.9A Pending CN114124693A (zh) | 2021-11-08 | 2021-11-08 | 一种参数配置方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114124693A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104461565A (zh) * | 2014-12-25 | 2015-03-25 | 索尔思光电(成都)有限公司 | 一种光模块测试参数配置方法及系统 |
GB201712278D0 (en) * | 2016-08-16 | 2017-09-13 | British Telecomm | Configuration parameters for virtual machines |
CN110187894A (zh) * | 2019-05-22 | 2019-08-30 | 青岛海信宽带多媒体技术有限公司 | 一种光模块的初始化方法、装置和电子设备 |
US20190325108A1 (en) * | 2019-06-28 | 2019-10-24 | Intel Corporation | Systems and methods for determining a configuration for a microarchitecture |
CN110793164A (zh) * | 2018-08-01 | 2020-02-14 | 珠海格力电器股份有限公司 | 除湿机的配置参数确定方法及装置 |
CN110793208A (zh) * | 2018-08-01 | 2020-02-14 | 珠海格力电器股份有限公司 | 热水器的配置参数确定方法及装置 |
CN111414996A (zh) * | 2020-03-17 | 2020-07-14 | 上海万晟建筑设计顾问有限公司 | 一种智能家居控制方法、系统、存储介质和计算机设备 |
CN112596392A (zh) * | 2020-12-24 | 2021-04-02 | 青岛科创信达科技有限公司 | 基于大数据的猪舍环境控制器参数自动配置及优化方法 |
CN113282470A (zh) * | 2021-05-12 | 2021-08-20 | 中国联合网络通信集团有限公司 | 一种性能预测方法及装置 |
CN113448730A (zh) * | 2021-06-29 | 2021-09-28 | 京东科技控股股份有限公司 | 服务的处理方法、装置、计算机设备及存储介质 |
-
2021
- 2021-11-08 CN CN202111313183.9A patent/CN114124693A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104461565A (zh) * | 2014-12-25 | 2015-03-25 | 索尔思光电(成都)有限公司 | 一种光模块测试参数配置方法及系统 |
GB201712278D0 (en) * | 2016-08-16 | 2017-09-13 | British Telecomm | Configuration parameters for virtual machines |
CN110793164A (zh) * | 2018-08-01 | 2020-02-14 | 珠海格力电器股份有限公司 | 除湿机的配置参数确定方法及装置 |
CN110793208A (zh) * | 2018-08-01 | 2020-02-14 | 珠海格力电器股份有限公司 | 热水器的配置参数确定方法及装置 |
CN110187894A (zh) * | 2019-05-22 | 2019-08-30 | 青岛海信宽带多媒体技术有限公司 | 一种光模块的初始化方法、装置和电子设备 |
US20190325108A1 (en) * | 2019-06-28 | 2019-10-24 | Intel Corporation | Systems and methods for determining a configuration for a microarchitecture |
CN111414996A (zh) * | 2020-03-17 | 2020-07-14 | 上海万晟建筑设计顾问有限公司 | 一种智能家居控制方法、系统、存储介质和计算机设备 |
CN112596392A (zh) * | 2020-12-24 | 2021-04-02 | 青岛科创信达科技有限公司 | 基于大数据的猪舍环境控制器参数自动配置及优化方法 |
CN113282470A (zh) * | 2021-05-12 | 2021-08-20 | 中国联合网络通信集团有限公司 | 一种性能预测方法及装置 |
CN113448730A (zh) * | 2021-06-29 | 2021-09-28 | 京东科技控股股份有限公司 | 服务的处理方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190220340A1 (en) | System and method for remote system recovery | |
CN109522175B (zh) | 一种内存评估的方法及装置 | |
CN113033703B (zh) | 量子神经网络训练方法及装置、电子设备和介质 | |
CN106850476B (zh) | 均衡器调整方法、可适性均衡器及存储器存储装置 | |
WO2021068513A1 (zh) | 异常对象识别方法、装置、介质及电子设备 | |
CN113485649A (zh) | 数据存储方法、系统、装置、介质与电子设备 | |
US10628229B2 (en) | Composing by network attributes | |
US20200097059A1 (en) | System and method for hybrid power supply | |
CN113254284B (zh) | 芯片测试方法、装置、设备、存储介质以及程序产品 | |
CN112087313A (zh) | 用于生成网络模拟场景的技术 | |
WO2021104216A1 (zh) | 一种用于设备模型趋势相似度的评估方法及装置 | |
CN110581834A (zh) | 一种通信能力开放异常检测方法和装置 | |
US20230252070A1 (en) | Method and apparatus for training retrieval model, retrieval method and apparatus, device and medium | |
CN115686908A (zh) | 一种数据处理方法及相关设备 | |
CN113282470A (zh) | 一种性能预测方法及装置 | |
CN112131274B (zh) | 时间序列异常点的检测方法、装置、设备及可读存储介质 | |
CN114124693A (zh) | 一种参数配置方法、装置及存储介质 | |
CN107409298A (zh) | 移动环境中的对等网络连接 | |
CN116108697A (zh) | 基于多元性能退化的加速试验数据处理方法、装置和设备 | |
WO2020150863A1 (zh) | 光通信模块测试方法、装置及终端设备 | |
JP7060719B2 (ja) | データを処理するための方法、装置、及び関連製品 | |
CN113205231A (zh) | 一种离网预测方法及装置 | |
CN109638845B (zh) | 输电线路投切组合方案建立方法及装置 | |
CN117034841B (zh) | 一种用于数模混合仿真验证的方法、计算设备及介质 | |
CN117131366B (zh) | 变压器维修设备控制方法、装置、电子设备和可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220301 |