-
公开(公告)号：CN117156494B
公开(公告)日：2024-01-19
申请号：CN202311422980.X
申请日：2023-10-31
Applicant: 南京邮电大学
IPC: H04W28/08 , H04W28/084 , H04W24/02 , H04W24/06
Abstract: 本发明属于移动边缘计算任务调度、RIS辅助无线通信领域，公开了一种RIS辅助无线通信的三端融合任务调度模型与方法，构建RIS辅助无线通信的MEC通信模型，将用户的计算任务拆分成多个依赖关系约束的任务，并且根据用户任务和信道情况构建三端融合的任务调度模型，用户端使用TSO方法来得到用户的任务调度决策，并将其发送到MEC端和RIS端，RIS端使用AOPO方法来优化无线通信质量，最后，AODSO方法采用交替优化策略来实现调度决策和通信质量的联合优化。本发明可以有效的增强信道增益，改善通信质量，改善边缘任务调度不合理导致的服务器资源浪费问题，从而降低用户的平均时延。
-
公开(公告)号：CN119940476A
公开(公告)日：2025-05-06
申请号：CN202411975676.2
申请日：2024-12-30
Applicant: 南京邮电大学
Abstract: 本发明涉及机器学习技术领域，具体为一种基于多知识蒸馏融合的异构联邦学习框架及方法，包括：客户端使用本地数据计算本地知识；服务器接收客户端上传的类粒度知识，并通过类粒度知识聚合模块加权聚合所有客户端类粒度知识生成全局类粒度知识；服务器通过知识分发模块将全局知识下发至各个客户端作为教师知识用于后续所述客户端模型的训练；客户端接收全局知识，并通过知识蒸馏模块进行温度自适应知识蒸馏，最大化师生知识传递的效果。本发明通过提出并融合两种不同的知识蒸馏方法，即温度自适应的知识蒸馏和批次样本类别关联性知识蒸馏，有效缓解了传统联邦学习框架在处理异构设备和异构数据环境时面临诸多挑战。
-
公开(公告)号：CN118839751B
公开(公告)日：2025-03-21
申请号：CN202410836828.4
申请日：2024-06-26
Applicant: 南京邮电大学
IPC: G06N3/098 , G06N3/082 , G06N3/084 , G06N3/0985 , G06N3/0495 , G06N3/0464 , H04L67/104
Abstract: 本发明属于联邦学习领域，公开了一种基于轻量化模型的高效个性化联邦学习系统及方法，在本地训练过程中将批归一化层(BN层)集成到卷积神经网络模型，并保留该层部分参数私有使客户端保留其本地数据的个性化特征，利用基于通道权重的模型剪枝技术压缩模型，服务器端综合考量客户端的数据量、数据多样性和参与度等因素，采用基于信誉值的综合权重分配原则进行客户端权重分配，并基于该权重进行加权聚合，使用结合自适应学习率调整机制和Nesterov动量的Nadam优化算法更新全局模型。本发明可以有效提高模型收敛的速度和精度，降低通信成本，增强模型的公平性、鲁棒性和个性化能力。
-
Patent Agency Ranking
公开(公告)号：CN119577129A
公开(公告)日：2025-03-07
申请号：CN202410854416.3
申请日：2024-06-28
Applicant: 南京邮电大学
IPC: G06F16/35 , G06F16/334 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 针对现有机器生成文本溯源技术中单一特征难以准确追溯机器生成文本来源的问题，本发明提出了一种基于特征融合的机器生成文本溯源方法和系统，构建了一种新的机器生成文本溯源模型，通过结合文本的统计特征和语义特征，为模型提供了更丰富的特征表示。首先利用词嵌入技术将输入文本转换为语义向量，同时使用GPT‑2模型计算文本的预测概率、累积概率和信息熵，作为文本的统计向量。接着，通过GRU、Transformer编码器进一步提取特征，并通过线性层对其进行线性变换，以获取文本的语义特征和统计特征，再通过特征融合策略对其进行整合。最后，融合后的特征向量经分类器分析后，输出文本具体来源。
-
公开(公告)号：CN119052853A
公开(公告)日：2024-11-29
申请号：CN202410836769.0
申请日：2024-06-26
Applicant: 南京邮电大学
IPC: H04W28/084 , H02J50/00 , H04W28/08 , H04W12/00 , H04W12/106 , H04W12/60 , H04W52/14 , H04W52/38 , H04L67/1008 , H04L67/1029 , H04L67/104 , G06F9/50
Abstract: 为了解决移动设备的能源限制问题以及确保在卸载过程中的关键数据完整性，结合区块链技术，本发明构建了一种区块链赋能的基于无线能量传输的移动边缘计算卸载模型。基于该模型，联合优化任务卸载策略和资源分配策略，并创造性地设计了一种基于凸优化的分布式并行迭代算法（Distributed parallel iterative algorithm based on convex optimization，DPIA‑CO）予以求解。本发明进一步考虑了结合区块链技术带来的能耗以及时延的影响，设计了一种基于资源信誉和负载均衡的RAFT（RAFT based on resource reputation and load balancing，RAFT‑RRLB）共识机制，通过感知MEC节点的剩余资源以及负载状况，来选举资源丰富的节点充当领导者进行共识，提高移动边缘计算系统的资源利用率，降低能耗以及时延。
-
公开(公告)号：CN118921654A
公开(公告)日：2024-11-08
申请号：CN202410854561.1
申请日：2024-06-28
Applicant: 南京邮电大学
IPC: H04W12/02 , G06N20/00 , H04B17/382 , H04B17/391 , H04W24/02
Abstract: 本发明属于物理层安全技术中的保密速率优化领域，公开了一种基于进化强化学习的无人机保密速率优化方法。具体步骤包括：将提出的发明方法部署在优化保密速率系统中；初始化EGG‑RL算法的模型参数；UAV‑RIS接受来自AP的信号，在RIS单元的时间和空间内交错进行能量捕获和信号传输；能量捕获阶段，通过HTS模型和资源分配模型对无人机机载电池进行无线充电；信号传输阶段，通过信号模型对合法用户传输信号，通过无人机移动降低窃听者通信信号。通过引入EGG‑RL算法、无人机和RIS，本发明可以提供更稳定、更高质量的用户保密速率。大量的实验结果表明，本发明提出的方法不仅能够保证无人机平台机载电池的电量平衡，还能够有效降低窃听者的影响，提高系统整体的保密速率。
-
公开(公告)号：CN118839751A
公开(公告)日：2024-10-25
申请号：CN202410836828.4
申请日：2024-06-26
Applicant: 南京邮电大学
IPC: G06N3/098 , G06N3/082 , G06N3/084 , G06N3/0985 , G06N3/0495 , G06N3/0464 , H04L67/104
Abstract: 本发明属于联邦学习领域，公开了一种基于轻量化模型的高效个性化联邦学习系统及方法，在本地训练过程中将批归一化层(BN层)集成到卷积神经网络模型，并保留该层部分参数私有使客户端保留其本地数据的个性化特征，利用基于通道权重的模型剪枝技术压缩模型，服务器端综合考量客户端的数据量、数据多样性和参与度等因素，采用基于信誉值的综合权重分配原则进行客户端权重分配，并基于该权重进行加权聚合，使用结合自适应学习率调整机制和Nesterov动量的Nadam优化算法更新全局模型。本发明可以有效提高模型收敛的速度和精度，降低通信成本，增强模型的公平性、鲁棒性和个性化能力。
-
公开(公告)号：CN117156494A
公开(公告)日：2023-12-01
申请号：CN202311422980.X
申请日：2023-10-31
Applicant: 南京邮电大学
IPC: H04W28/08 , H04W28/084 , H04W24/02 , H04W24/06
Abstract: 本发明属于移动边缘计算任务调度、RIS辅助无线通信领域，公开了一种RIS辅助无线通信的三端融合任务调度模型与方法，构建RIS辅助无线通信的MEC通信模型，将用户的计算任务拆分成多个依赖关系约束的任务，并且根据用户任务和信道情况构建三端融合的任务调度模型，用户端使用TSO方法来得到用户的任务调度决策，并将其发送到MEC端和RIS端，RIS端使用AOPO方法来优化无线通信质量，最后，AODSO方法采用交替优化策略来实现调度决策和通信质量的联合优化。本发明可以有效的增强信道增益，改善通信质量，改善边缘任务调度不合理导致的服务器资源浪费问题，从而降低用户的平均时延。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
