-
公开(公告)号：CN115022928B
公开(公告)日：2024-10-15
申请号：CN202210624379.8
申请日：2022-06-02
Applicant: 上海中传网络技术股份有限公司 , 北京邮电大学
IPC: H04W28/084 , H04W28/08 , H04W72/56
Abstract: 本申请公开了一种移动边缘计算网络中的资源协同分配方法，包括：遍历所有待分配资源的应用实例，若应用实例的时延需求大于或等于相应应用的时延阈值，则将其加入实例集合RUA；否则，将移动性优先级小于移动性阈值G的应用实例加入实例集合BUA，将移动性优先级大于或等于移动性阈值G的应用实例加入MUA；在MUA中，优先为移动性优先级更大的应用实例，分配城域级资源；在BUA中，优先为移动性优先级更小的应用实例，分配基站级资源；在RUA中，优先为资源需求更大的应用实例，分配远端数据中心资源。应用本申请，能够为应用实例合理选择不同层级的资源，尽可能降低处理时延，提高资源利用率。
-
公开(公告)号：CN115022928A
公开(公告)日：2022-09-06
申请号：CN202210624379.8
申请日：2022-06-02
Applicant: 上海中传网络技术股份有限公司 , 北京邮电大学
Abstract: 本申请公开了一种移动边缘计算网络中的资源协同分配方法，包括：遍历所有待分配资源的应用实例，若应用实例的时延需求大于或等于相应应用的时延阈值，则将其加入实例集合RUA；否则，将移动性优先级小于移动性阈值G的应用实例加入实例集合BUA，将移动性优先级大于或等于移动性阈值G的应用实例加入MUA；在MUA中，优先为移动性优先级更大的应用实例，分配城域级资源；在BUA中，优先为移动性优先级更小的应用实例，分配基站级资源；在RUA中，优先为资源需求更大的应用实例，分配远端数据中心资源。应用本申请，能够为应用实例合理选择不同层级的资源，尽可能降低处理时延，提高资源利用率。
-
公开(公告)号：CN118612894A
公开(公告)日：2024-09-06
申请号：CN202410747321.1
申请日：2024-06-11
Applicant: 北京邮电大学深圳研究院 , 北京邮电大学
Abstract: 本申请提供了一种星载5G核心网实现方法和系统，星载5G核心网的网元包括S‑AMF、S‑SMF和S‑UPF；S‑AMF接收到第一星上基站发送的N2消息时，向S‑SMF发送第一PDU会话更新请求；S‑SMF向S‑AMF返回第一PDU会话更新响应；S‑AMF向第二星上基站发送切换请求；并接收第二星上基站返回的切换响应；若S‑AMF确定接收到的切换响应为允许切换时，向S‑SMF发送第二PDU会话更新请求；S‑SMF向S‑AMF返回第二PDU会话更新响应；并与S‑UPF交互进行N4会话修改，获取上下行链路信息。该方法能够将卫星通信和5G网络在系统层面进行深度融合，真正实现星载5G核心网络。
-
公开(公告)号：CN120017140A
公开(公告)日：2025-05-16
申请号：CN202510197305.4
申请日：2025-02-21
Applicant: 北京邮电大学
IPC: H04B7/185 , H04B17/373 , H04B17/391 , H04B17/364 , G06N3/0442 , G06N3/092
Abstract: 本申请提供一种星地数据传输方法、装置、设备及介质，该方法包括：采集卫星的历史时空数据，根据历史时空数据，采用LSTM网络预测出卫星的未来时空数据；基于未来时空数据生成未来状态向量；将未来状态向量输入到预先训练好的资源分配模型中，得到资源分配模型输出的资源分配方案；资源分配模型是以卫星历史的状态、动作、奖励以及下一个状态为训练样本，基于深度强化学习算法训练得到的；动作是在状态下对卫星的资源分配方案，奖励是卫星执行在状态下对卫星的资源分配方案后的即时奖励，下一个状态是卫星执行在下对卫星的资源分配方案后的状态；当资源分配方案满足约束条件时，将资源分配方案应用于卫星的未来时刻。
-
公开(公告)号：CN118740927A
公开(公告)日：2024-10-01
申请号：CN202310334926.3
申请日：2023-03-31
Applicant: 中国移动通信有限公司研究院 , 北京邮电大学 , 中国移动通信集团有限公司
IPC: H04L67/566 , H04L67/12
Abstract: 本申请提供一种核心网数据处理方法及通信设备，涉及通信技术领域，由核心网的第一网元执行，所述方法包括：收集原始数据流；通过数据筛选模型对所述原始数据流进行数据筛选，得到目标数据流；向网络数据分析功能NWDAF发送所述目标数据流。在本实施例中，在数据上报核心网数据过程中，无需配置订阅，也无需将订阅范围内的所有数据上报，通过数据筛选模型对所述原始数据流进行数据筛选，向NWDAF上报筛选后得到的目标数据流即可，以提高数据上报的灵活性。
-
Patent Agency Ranking
公开(公告)号：CN116776939A
公开(公告)日：2023-09-19
申请号：CN202310765012.2
申请日：2023-06-27
Applicant: 北京邮电大学深圳研究院
IPC: G06N3/0495 , G06N3/045 , G06N3/0442 , G06N3/063
Abstract: 本发明涉及人工智能和移动计算技术领域，且公开了一种面向终端设备的稀疏化大语言模型的部署方法，在Switch Transformer网络结构的基础上通过概率统计和并行化技术进行的改进，Switch Transformer网络结构中将T5模型中的FFN层替换为MoE结构，设计一个全局的专家暂存器，专家暂存器管理从磁盘中加载的专家网络，在进行推理时会直接使用专家暂存器中的专家网络进行推理，实现了在终端设备上以少量推理时间的增加为代价，部署远大于终端设备内存上限的模型，并实现零精度损失的推理部署。
-
公开(公告)号：CN112966811B
公开(公告)日：2023-04-14
申请号：CN202110155686.1
申请日：2021-02-04
Applicant: 北京邮电大学
IPC: G06N3/0464 , G06N3/084
Abstract: 本发明实施例公开了一种在MTL卷积神经网络中任务冲突的解决方法及网络，在MTL卷积神经网络的共享浅层中包括训练得到的调制模块，所述调制模块针对不同任务在共享浅层中确定对应的子网结构，将任务的任务信息输入到对应的子网结构进行卷积处理，及经过调制模块的调制后，再输出到该任务的任务特定层处理后，输出任务结果，采用MTL卷积神经网络损失函数的梯度反向传播方式对处理结果进行反向传播，调整MTL神经网络的参数，其中，调制模块的训练过程与共享浅层的训练采用多任务并行学习方法同时进行，对上述过程循环多次进行，直到MTL卷积神经网络的参数收敛为止，得到训练好的MTL卷积神经网络。这样，避免多任务并行学习的冲突，提高训练得到的MTL卷积神经网络处理不同任务时的效果。
-
公开(公告)号：CN115334077A
公开(公告)日：2022-11-11
申请号：CN202210947950.X
申请日：2022-08-09
Applicant: 北京邮电大学
IPC: H04L67/10 , H04L41/12 , H04L41/0893 , H04L41/0803
Abstract: 本申请公开了一种跨广域网的应用管控方法及系统，在跨广域网的网络中设置统一管控功能实体，所述统一管控功能实体收集应用管控涉及的信息，基于所述信息进行面向应用及网络功能实体的资源计算及节点部署的分析，生成配置策略，根据所述配置策略在所述计算网络中进行应用及网络功能实体的资源分配及节点部署。这样，本申请实施例由所设置的专门实体，基于收集的应用管控涉及的信息，并基于信息进行配置策略的生成，据此实现了跨广域网的应用管控，且保证所提供的应用的服务质量。
-
公开(公告)号：CN113489787A
公开(公告)日：2021-10-08
申请号：CN202110761876.8
申请日：2021-07-06
Applicant: 北京邮电大学
Abstract: 本发明提供了一种移动边缘计算的服务与数据协同迁移的方法和装置，该方法包括：移动用户位置变化导致用户服务要发生迁移时，根据待迁移服务的数据所在边缘服务器及待迁移服务的数据所在边缘服务器的存储状态变化概率，采用粒子群迭代算法确定使待迁移服务的服务响应时间最短时待迁移服务的服务迁移位置和数据迁移位置；将待迁移服务和待迁移服务的数据分别迁移到所述服务迁移位置和所述数据迁移位置。本发明能够降低服务响应时间。
-
公开(公告)号：CN111629390A
公开(公告)日：2020-09-04
申请号：CN202010365282.0
申请日：2020-04-30
Applicant: 北京邮电大学
Abstract: 本发明提供一种网络切片编排方法和装置，所述方法包括：基于预定的网络性能指标，生成网络切片种群，所述网络切片种群包括多个网络切片个体；选择生成的种群中的至少一个网络切片个体作为目标切片，进行个体变异操作；选择当前种群中的至少一个网络切片个体作为目标切片，进行个体杂交操作，并计算个体杂交操作后的个体适应度评价值，基于计算的个体适应度评价值进行个体选择操作。本发明实施例的方法将优化当前网络情况作为网络切片的编排目的，通过对网络切片进行针对性的编排优化，提高了网络的整体性能。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.047 seconds)
