-
公开(公告)号:CN115209480A
公开(公告)日:2022-10-18
申请号:CN202210853134.2
申请日:2022-07-07
Applicant: 哈尔滨理工大学
Abstract: 本发明提出了一种基于SDWN的边云协同任务卸载方法。包括:1.通过SDWN获取边缘服务器无线指标,采用随机森林方式对未来网络吞吐量进行预测。2.在边云协同卸载决策中考虑网络因素,根据边缘、云服务器计算能力、任务大小、未来网络状况进行综合分析,决定任务执行位置。3.SDWN接收到任务卸载通知后,对边缘服务器网络进行优化,包括信道切换、设备迁移等操作。本发明将无线网络因素考虑到边云协同任务卸载过程中,可以有效的提升任务卸载判断精度和效果。
-
公开(公告)号:CN119049455A
公开(公告)日:2024-11-29
申请号:CN202410577920.3
申请日:2024-05-10
Applicant: 哈尔滨理工大学
Abstract: 一种语音语义深度学习通信系统,属于通信领域。包括步骤:编码模块和解码模块;所述编码模块采用新的语义编码方法对源数据编码,获得数据流;所述解码模块采用新的语义度量方法对接收的数据流解码还原;所述系统利用训练出的深度学习模型,实现更好的去除环境噪声和传输噪声能力。本发明通过引入深层语义优化,解决了无线语音通信中的噪声干扰问题,实现了无线语音的高质量通信。本发明涉及一种语音语义深度学习通信系统,旨在解决无线语音通信中的噪声干扰问题,实现高质量的无线语音语义通信。该系统包括知识库模块和语义通信模块。通过深度学习技术,系统能够提取和传输关键语义信息,并在传输错误时最小化语义受损。
-
公开(公告)号:CN116634497A
公开(公告)日:2023-08-22
申请号:CN202310456786.7
申请日:2023-04-26
Applicant: 哈尔滨理工大学
IPC: H04W28/08 , H04W28/084
Abstract: 本发明提出了一种基于无线环境下面向不可靠通讯的任务分配方法。包括步骤:采集边缘网络信息,SDWN控制器获取边缘服务器无线指标,云服务器执行基于DRL的在线学习算法决策程序。控制器结合采集的边缘服务器网络无线指标,预测未来一段时间的无线网络带宽及吞吐量。云端服务器根据控制器预测的未来无线网络指标,计算自身的任务计算时间及任务传输时间。云端与边缘端执行任务进行对比,决策程序选择效率高的执行方式。上传云端执行的任务进行非阻塞传输,并对边缘服务器周围的传输干扰进行网络调整。本发明将无线环境以及在线学习算法引入边云任务分配方案中,改善了无线环境下边云任务分配细粒度管理,任务分配及传输时延优化问题。
-
公开(公告)号:CN118467823A
公开(公告)日:2024-08-09
申请号:CN202410577831.9
申请日:2024-05-10
Applicant: 哈尔滨理工大学
IPC: G06F16/9535 , G06F16/36 , G06F16/28 , G06F40/295
Abstract: 一种基于全局‑局部嵌入的知识图谱推荐方法,属于图神经网络、知识图谱推荐任务领域。本发明将文本描述与实体的结构化特征进行有效结合,有效缓解知识图谱中最常见的数据稀疏问题。而针对知识图谱嵌入中异构性的存在使得嵌入过程中的信息捕获与差异化处理变得困难的问题,本发明提出了一种结合了全局和局部嵌入的方法,充分学习了知识图谱中三元组的拓扑细节以及层级信息,挖掘了知识图谱中异构拓扑结构中有价值的特性,更好地理解和捕捉了文本中的复杂语义和上下文信息。实验结果表明,本发明可以有效缓解数据稀疏的问题,知识图谱中异构拓扑信息的利用不够充分预计基于知识图谱的推荐任务精度不够理想的问题。
-
公开(公告)号:CN118173085A
公开(公告)日:2024-06-11
申请号:CN202410577904.4
申请日:2024-05-10
Applicant: 哈尔滨理工大学
Abstract: 本申请提供了一种基于Swin‑Transformer的音频分类方法,该方法包括:将原始音频数据输入到预先训练的音频分类网络模型的特征转换网络,以得到所述原始音频数据的音频频谱图;将所述音频频谱图输入到所述预先训练的音频分类网络模型的深度特征提取网络,以得到所述原始音频数据的网络深度特征;将所述原始音频数据的网络深度特征输入到所述预先训练的音频分类网络模型的分类网络,以得到所述原始音频数据的分类结果。该方法可以简化音频分类的操作,提高音频分类的效率。
-
公开(公告)号:CN115174595A
公开(公告)日:2022-10-11
申请号:CN202210796216.8
申请日:2022-07-07
Applicant: 哈尔滨理工大学
IPC: H04L67/1095 , H04L67/12 , H04L69/06 , H04L69/22 , G06F9/50
Abstract: 本发明提出了一种基于端边云系统边云资源协同的优化方案,对系统内参加轮询同步的资源进行归一化处理,把系统内所有的资源按照先进先出的方式存储到资源队列中;根据设计好的资源分流算法方案,将资源队列中的所有资源对象传递到资源分流函数中,获取边缘端Devicetwin单元模块的资源对象;针对获取的资源对象进行解析;解析资源对象的属性信息,触发相应的更新或者删除事件;将资源对象属性信息进行封装;将封装好的消息包发送到系统内相应的处理模块中。本发明针对来自Devicetwin单元模块的资源上传云端的过程中减少相应的处理过程,并且不必在队列中依次等待参加轮询,降低了协同产生的时延;同时采用DDS协议订阅、发布数据提高了数据传输的可靠性、实时性。
-
公开(公告)号:CN119380730A
公开(公告)日:2025-01-28
申请号:CN202411657378.9
申请日:2024-11-19
Applicant: 哈尔滨理工大学
IPC: G10L19/00 , G10L21/0208 , G06F40/30 , G06N3/08
Abstract: 本发明提出了一种基于深度学习的音频模拟信号还原系统,旨在通过深度学习技术提升传统模拟通信的信号质量。本系统通过在模拟信号传输中融入数字语义信息,实现了对模拟信号的高保真恢复。该系统包括发送端和接收端,发送端负责将原始音频信号编码并生成语义信息,而接收端则利用这些信息来恢复和改善接收到的模拟信号。本系统采用了深度特征提取网络和分类网络,以实现端到端的信号处理。此外,系统还包含了一个残差向量量化模块,用于压缩语义信息,以适应低带宽的数字通信需求。
-
公开(公告)号:CN119538975A
公开(公告)日:2025-02-28
申请号:CN202411647962.6
申请日:2024-11-18
Applicant: 哈尔滨理工大学
IPC: G06N3/042 , G06N3/088 , G06F16/9536 , G06F16/9535 , G06Q50/00 , G06Q30/0601
Abstract: 一种面向个性化推荐的多视图软对比学习方法,属于链路预测,图神经网络和对比学习任务领域。本发明利用用户‑项目交互视图、用户‑用户社交视图和项目‑项目交互视图,通过视图编码器构建节点嵌入。在视图内采用加权聚合的信息传播方案,在视图间进行交叉迭代操作,引入视图与视图间的高阶连通性,提高嵌入的全面性和准确性。引入迁移学习方法来学习用户的个性化偏好。最后,将软标签整合到对比损失函数中,使模型能够从强关联和弱关联中学习,并捕获潜在信息。实验结果表明,本发明可以提高推荐系统的预测性能和泛化能力,为推荐系统、智能搜索等应用提供更准确、全面的支持,实现更准确和个性化的推荐。
-
公开(公告)号:CN118567476A
公开(公告)日:2024-08-30
申请号:CN202410651643.6
申请日:2024-05-23
Applicant: 哈尔滨理工大学
IPC: G06F3/01
Abstract: 本申请提供了一种基于深度学习的交通方式分类方法,该方法包括:将原始用户的移动数据输入到预先训练的交通方式分类网络模型的深度特征提取网络,以得到所述原始用户移动数据的网络深度特征;将所述原始用户移动数据的网络深度特征输入到所述预先训练的交通方式分类网络模型的分类网络,以得到所述原始用户移动数据的分类结果。该方法可以简化交通方式分类的操作,提高交通方式分类的效率。
-
公开(公告)号:CN206004669U
公开(公告)日:2017-03-08
申请号:CN201621063331.0
申请日:2016-09-19
Applicant: 哈尔滨理工大学
IPC: H04B10/40 , H04B10/116
Abstract: 本实用新型公开了一种可见光通信设备,包括无线终端设备和电源箱,无线终端设备上安装有第一可用光发射器,所述第一可用光发射器的一侧安装有第一可用光接收器,所述第一可用光接收器的一侧安装有网络连接装置,所述电源箱的一侧安装有网线和第二可用光发射器,所述第二可用光发射器的一侧安装有第二可用光接收器,所述电源箱的顶部安装有控制器,所述电源箱的内部安装有蓄电池,所述蓄电池的上方安装有Beaglebone Black开发板,所述Beaglebone Black开发板的内部安装有AM处理器和HCTN缓冲器,所述Beaglebone Black开发板上安装有第一控制开关,所述Beaglebone Black开发板的上方安装有路由器,所述路由器上安装有第二控制开关,该可见光通信设备,成本低,结构简单。
-
-
-
-
-
-
-
-
-