-
公开(公告)号：CN119136206B
公开(公告)日：2025-04-29
申请号：CN202411249200.0
申请日：2024-09-06
Applicant: 南京理工大学
Abstract: 本发明涉及无线通信技术领域，特别涉及一种基于契约理论的无人机群智频谱感知激励方法，包括构建一个多无人机协作频谱感知框架，分别建立无人机效用函数和次级用户的效用函数；针对无人机和授权用户之间的非对称位置信息，构建一组“检测概率‑感知奖励”契约对，在保证无人机的个体理性与激励相容约束等条件下，最大化次级用户的期望效用；通过分析契约的可行性条件和简化约束条件，求解优化问题获得最优契约与最优无人机数量。本发明利用契约理论，辅助次级用户设计无人机频谱感知位置未知条件下的激励机制，以提高群智频谱感知的精度和效率。
-
公开(公告)号：CN114980123B
公开(公告)日：2025-04-25
申请号：CN202210395450.X
申请日：2022-04-15
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于联邦多智能体强化学习的车联网边缘资源分配方法，具体为：输入车联网环境，初始化智能体本地Q网络和联邦网络参数，并对优化问题建模；根据智能体能否获得奖励分为α、β两类，在当前时隙内两类车辆智能体分别观测本地状态并输入Q网络的；对Q网络输出进行加密处理，并通过联邦网络输出两类车辆智能体的联合动作决策；之后α车辆智能体得到系统反馈的全局奖励，同时缓存池存储当前时隙的样本数据；当样本数量足够时，α型和β型车辆智能体分别更新本地Q网络以及联邦网络的参数；当前训练回合结束后，重置车联网环境，开始下一个回合的训练。本发明在隐私保护的前提下提升了车联网连通性，同时降低了切换开销以及能量损耗。
-
-
公开(公告)号：CN114428978B
公开(公告)日：2025-04-11
申请号：CN202111471798.4
申请日：2021-12-06
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于计算预言机的工业互联网区块链可信计算架构及方法，所述架构包括工业互联网设备层、区块链层和预言机层；工业互联网设备层包括各类异构工业互联网设备，在管理这些设备的过程中产生工业计算任务；区块链层包括智能合约，以智能合约引擎为载体执行工业计算任务；预言机层包括计算预言机和链上预言机，用于提升智能合约的计算能力。本发明设计一套基于计算预言机的区块链计算体系，满足了工业场景中的大计算需求；在链下预言机网络的激励机制中，提出基于节点计算能力的匹配算法，在链下计算预言机与计算任务的匹配过程中考虑了节点计算能力，减小了计算预言机的网络总延时。
-
公开(公告)号：CN119765421A
公开(公告)日：2025-04-04
申请号：CN202411739033.8
申请日：2024-11-29
Abstract: 本发明公开了一种基于改进DT模型的光储系统节能控制方法，属于光储系统节能控制技术领域，包括获取光储系统序列数据信息，并对获取的光储系统数据进行预处理，形成以状态、回报、动作为单位的三元组；在DT模型中引入回报嵌入机制以优化目标回报预测；将生成的以状态、回报、动作为单位的三元组输入到改进DT模型中，改进DT模型结合过往状态、回报和动作生成最佳充放电动作预测。本发明采用上述方法，通过将目标回报嵌入到DT模型中，并在训练过程中优化其预测值，提升了光伏发电和储能系统的管理性能，提高了系统运行效率和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN119760595A
公开(公告)日：2025-04-04
申请号：CN202411796356.0
申请日：2024-12-06
IPC: G06F18/2433 , G06F18/214 , G06F21/62 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/09 , G06N3/094 , G06N3/098 , G06F123/02
Abstract: 本发明公开了一种基于联邦学习和生成对抗网络的电力异常检测方法，属于电力系统领域，包括以下步骤：S1、数据收集与预处理，本地模型初始化；S2、监督网络辅助生成器训练；S3、生成器与分类器协同训练；S4、联邦学习与模型聚合；S5、模型收敛与监测。本发明采用上述的一种基于联邦学习和生成对抗网络的电力异常检测方法，有效提升了数据时序性，缓解了数据不平衡问题，提高了检测精度和鲁棒性，并保护了用户隐私。
-
公开(公告)号：CN119760524A
公开(公告)日：2025-04-04
申请号：CN202411858069.8
申请日：2024-12-16
IPC: G06F18/2413 , G06F18/214 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/098
Abstract: 本发明公开了一种基于联邦迁移学习的工业缺陷分类开集识别方法，属于联邦学习及工业缺陷分类技术领域，包括数据准备，构建一个综合的负样本数据集；训练客户端对数据进行输入训练，得到对应的分类模型和未知类别阈值；模型更新与上传；模型与阈值的权重计算与聚合；模型部署与推断，目标客户端接收服务端发送的全局模型，用于待测数据缺陷分类。本发明采用上述的一种基于联邦迁移学习的工业缺陷分类开集识别方法，在面对多源域和待测数据存在未知类别数据分类的问题场景下，学习到未知类别的分类能力，并将其应用到目标域用户上，协同多方参与者共同训练模型和阈值，在数据量有限和计算资源受限的情况下，提高模型的泛化能力和准确性。
-
公开(公告)号：CN119729543A
公开(公告)日：2025-03-28
申请号：CN202411744940.1
申请日：2024-11-29
IPC: H04W24/02 , H04L41/147 , H04L41/16
Abstract: 本发明公开了一种基于自组织图神经网络的多节点基站流量预测方法，属于时空流量预测技术领域，包括基站节点数据处理与影响力评估：将节点集子图化，生成邻接矩阵并评估节点影响力大小；基站节点重组：通过映射矩阵对时序节点进行线性组合，生成线性无关向量基，并根据影响力引导映射矩阵收敛方向；使用部分注意力聚合空间特征：对节点集依次进行静态图卷积和动态图卷积捕捉空间联系；在卷积中穿插长短时记忆网络：捕捉时间联系进行时序预测；最后标准化并通过多层感知机来生成预测结果。本发明采用上述的一种基于自组织图神经网络的多节点基站流量预测方法，提出多节点基站流量的空间特征提取机制，为基站流量的变化趋势提供有效的预测方法。
-
公开(公告)号：CN118945684B
公开(公告)日：2025-03-25
申请号：CN202410911854.9
申请日：2024-07-08
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于改进Decision Transformer模型的基站能耗优化方法，属于基站能耗管理领域，包括对环境进行建模，并用强化学习生成决策数据集，计算决策数据集中轨迹回报，对计算的轨迹回报通过Bootstrap方法计算每个时间步的均值μt和标准差σt，建模数据样本的分布；对轨迹回报进行标准化处理，计算其在数据样本中的距离分布，并进行归一化处理，作为轨迹序列的提示Pt；重构输入轨迹序列τ，使用DecisionTransformer模型对重构的轨迹序列τ进行训练，直至收敛，获得最优的基站能耗管理策略。本发明采用上述的一种基于改进Decision Transformer模型的基站能耗优化方法，改进了Decision Transformer模型对数据集质量过度依赖的问题，克服了模型无法学习到最优策略的缺陷，为降低基站能耗提供了新的解决思路与方案。
-
公开(公告)号：CN118573454B
公开(公告)日：2025-02-07
申请号：CN202410796019.5
申请日：2024-06-19
Applicant: 南京理工大学
IPC: H04L9/40 , H04L67/104 , G06N3/08
Abstract: 本发明属于信誉管理技术领域，公开了一种基于图学习的对等网络信誉评估方法，包括以下步骤：给定通信网络拓扑结构；生成节点偏好、拒绝概率以及交互次数；生成节点特征，计算标准信誉值，并划分训练集、测试集和验证集；基于注意力机制对图神经网络进行监督训练。本发明采用上述的一种基于图学习的对等网络信誉评估方法，针对图学习和信誉传播的特点设计基于注意力机制的对等网络信誉评估方法，有利于在真实场景中部署高精确度的信誉管理模型；随着对等网络中节点数量的增加以及图直径的增加，本发明在交互次数上具有更优越的性能范围，不依赖于特定场景，具有更广泛的适用性。
-
-
-
-
-
-
-
-
-
Search Results
216
records
(took 0.04 seconds)
