-
公开(公告)号：CN119950732A
公开(公告)日：2025-05-09
申请号：CN202311489901.7
申请日：2023-11-09
Applicant: 福州大学
IPC: A61K47/22 , A61K9/16 , A61K45/06 , A61K31/506 , A61K31/519 , A61K41/00 , A61P17/00 , A61P35/00 , A61P17/06 , B82Y5/00 , B82Y40/00
Abstract: 本发明提供了一种纳米药物透皮递送系统及其制备方法和应用。上述纳米药物透皮递送系统以硫辛酸为药物载体，包载化疗药物和/或光动力试剂，通过自组装形成含1,2‑二硫戊环的纳米颗粒。本发明首次将硫辛酸作为一种载体辅助小分子用于透皮递送系统，不需要额外添加透皮促渗剂，不受皮肤位置和附属器数量的控制，无需设备辅助给药，只需要简单涂抹即可实现有效的透皮。给药方式无入侵性，无需破坏角质层即可实现高效透皮，降低了皮肤感染的风险。透皮深度可至1mm以上，适用于浅表和深层的皮肤疾病。能够自主操作，显著降低成本，安全性高。基于此，本发明可以根据皮肤疾病类型以灵活改变要装载的药物种类，实现更加精准的治疗。
-
公开(公告)号：CN119902856A
公开(公告)日：2025-04-29
申请号：CN202411990998.4
申请日：2024-12-31
Applicant: 福州大学
IPC: G06F9/455 , G06F9/50 , G06F16/16 , G06F16/182 , G06F16/188 , G06N3/126
Abstract: 本发明提出基于多目标优化的大规模Hadoop集群虚拟机放置方法，Hadoop集群的系统模型包含多个机架，每个机架内配置多个物理机PMs，每个物理机上运行着多个虚拟机VMs；Hadoop集群通过交换机进行数据块传输与文件副本复制，从而实现跨机架的数据同步与负载均衡；Hadoop集群的系统模型的优化目标为最小化Hadoop集群的能耗、资源浪费和文件访问延迟的加权之和，优化目标采用的方法使用由虚拟机染色体和块染色体组成的可变长度的染色体结构，该染色体结构用于表述放置虚拟机和数据块副本的位置，染色体结构使用交叉与变异操作，以增强虚拟机放置过程资源配置的解空间探索的多样性；本发明充分考虑Hadoop集群运行过程资源需求的动态变化，能确保Hadoop集群在高负载情况下保持良好性能。
-
公开(公告)号：CN118075815A
公开(公告)日：2024-05-24
申请号：CN202410057530.3
申请日：2024-01-16
Applicant: 福州大学
IPC: H04W28/08 , H04W72/50 , H04W72/0457 , H04W4/40
Abstract: 本发明提出一种基于轻量化深度强化学习的无人机MEC协作卸载系统及方法，包含一个ESP和若干台无人机；每台无人机上配备有不同性能的MEC服务器，可为来自智能应用的任务提供计算资源；在无人机覆盖范围内的用户可通过向ESP支付费用以接入其所提供的计算卸载服务。本技术方案通过利用策略蒸馏与经验回放机制，将多个无人机的策略融合到同一个智能体中，在压缩模型规模的同时保持优越性能。
-
公开(公告)号：CN119562311A
公开(公告)日：2025-03-04
申请号：CN202411755265.2
申请日：2024-12-03
Applicant: 福州大学
Abstract: 本发明提出多边缘蜂窝车联网的收益感知服务迁移与资源分配方法，包括服务迁移子问题方法及资源分配子问题方法；在服务迁移子问题方法中，采用面向复杂动态多边缘密集蜂窝车联网环境的服务迁移与资源分配统一模型，采用基于概率稀疏自注意力的车辆轨迹预测方法来提升预测精度并为服务迁移决策提供依据，使用基于改进多智能体强化学习MARL的服务迁移方法来根据轨迹预测探索最优迁移策略，引入异步更新机制来降低actor网络估计策略梯度时的高方差，在资源分配的子问题方法中，使用基于隐枚举的资源分配方法，以在保证解质量的同时减小搜索空间；本发明能够有效提升ESP的长期收益，并在不同场景下均展现出更加优越的性能。
-
公开(公告)号：CN119316879A
公开(公告)日：2025-01-14
申请号：CN202411332756.6
申请日：2024-09-24
Applicant: 福州大学
Abstract: 本发明提出多无人机辅助车联网下基于联邦深度强化学习的资源分配与协作卸载方法，首先，将传输功率与计算资源分配子问题从原问题中解耦出来并引入凸优化理论对其进行求解；在给定卸载策略下，通过求解KKT条件以获取到近优的传输功率与计算资源分配策略；接着，设计一种基于联邦深度强化学习FDRL的联合资源分配与协作卸载策略；具体地，每个为UAV决策的DRL智能体在与环境进行交互的同时将模型参数在中心服务器聚合；通过将聚合后的全局模型分发到局部模型，每个智能体可以感知到环境的整体状态，进而实现近优的协作卸载策略；应用本技术方案可取得近优的资源分配策略，并自适应地进行UAV协作卸载以更好地平衡其负载。
-
Patent Agency Ranking
公开(公告)号：CN119300048A
公开(公告)日：2025-01-10
申请号：CN202411328230.0
申请日：2024-09-24
Applicant: 福州大学
Abstract: 本发明提供面向物联网的多无人机部署与协作卸载方法，首先，将原始联合优化问题转化为UAV部署子问题与计算卸载子问题；接着，针对UAV部署子问题，提出一种基于约束K‑Means聚类的UAV部署方案；通过将UAV覆盖范围约束引入K‑Means聚类，自适应地调整UAV的部署位置以提高系统中计算卸载服务的覆盖率与覆盖均衡度；最后，针对计算卸载子问题，提出一种基于MARL的多UAV协作计算卸载策略；通过中心化训练与去中心化执行的模式，所提策略实现近似最优的计算卸载与UAV协作策略。应用本技术方案可实现更优的UAV部署性能，在提升服务覆盖率的同时改善了覆盖均衡。
-
公开(公告)号：CN115567978A
公开(公告)日：2023-01-03
申请号：CN202211200913.9
申请日：2022-09-29
Applicant: 福州大学
Abstract: 本发明涉及一种多约束边环境下计算卸载与资源分配联合优化系统及方法，针对多约束条件下动态的MEC系统设计了一种统一的计算卸载与资源分配模型，并将执行任务的时延与能耗作为优化目标。设计了一种任务优先级预处理机制，能够根据任务的数据量与移动设备的性能为任务分配优先级，并提供一种基于深度强化学习的计算卸载与资源分配联合优化方法JOR‑RL，在JOA‑RL方法中，critic网络采用基于值函数的单步更新方式，用于评价当前卸载方案与资源调度策略；而actor网络采用基于策略梯度的更新方式，用于输出卸载方案与资源调度策略。本发明在提升任务执行成功率以及降低任务执行时延与能耗方面效果显著。
-
公开(公告)号：CN119767359A
公开(公告)日：2025-04-04
申请号：CN202411932441.5
申请日：2024-12-26
Applicant: 福州大学
IPC: H04W28/084 , H04W28/082 , H04W28/08 , H04W28/24 , H04L67/1095 , H04L67/12 , H04L67/2885
Abstract: 本发明提供了一种分层多边缘协作无服务计算系统，包括SMEC节点，所述SMEC节点配有异构的边缘服务器，为终端设备提供服务；SMEC节点包含本地边缘节点和数据汇聚节点；本地边缘节点通过蜂窝网络与终端设备连接，并作为其无线接入点，数据汇聚节点接收来自下层节点的无服务请求，并进行处理或转发；SMEC节点之间通过有线网络连接；函数镜像文件保存执行无服务计算任务所需的代码和库文件，通过存储镜像文件将无服务计算服务部署在SMEC节点上，进而根据镜像文件启动具体的函数实例以提供无服务计算服务。应用本技术方案能够根据环境状态，生成合适的任务调度和镜像放置方案，以最大化系统性能。
-
公开(公告)号：CN119071851A
公开(公告)日：2024-12-03
申请号：CN202411345059.4
申请日：2024-09-25
Applicant: 福州大学
IPC: H04W28/08 , H04L67/1014 , H04L41/147
Abstract: 本发明涉及一种面向空天地一体化网络的切片划分与协作卸载方法，包括以下步骤：（1）收集ESP历史用户流量，对未来用户流量进行预测，并计算出ESP所需的资源需求，ESP根据该资源需求在每个切片窗口的开始时刻执行网络切片划分；（2）基础设施提供商响应ESP的资源划分请求，为其划分网络切片；（3）用户通过SAGIN接入并上传计算卸载请求至ESP；（4）ESP根据用户接入位置和请求类型，为其分配合适的边缘服务器，并根据任务属性和用户优先级分配通信和计算资源；（5）在协作卸载过程中，记录各个时隙的状态采取的动作、获得的奖励以及转入的新状态，并根据以上信息，持续优化自身性能。该方法有利于提高系统资源利用效率与任务完成率。
-
公开(公告)号：CN118784599A
公开(公告)日：2024-10-15
申请号：CN202410551822.2
申请日：2024-05-07
Applicant: 福州大学
Abstract: 本发明提供一种面向自适应切片使能空天地一体化网络的流量感知轻量化分层卸载框架，将SAGIN分为CAP和COP，并使用网络切片管理每个平台上的资源；ESP在进行资源分配的同时提供计算卸载服务；对于切片资源分配，利用稀疏概率自注意力捕获动态流量变化，根据预测的流量和系统负载执行自适应网络切片；对于计算卸载，将通信过程和计算过程分离，根据信道状况按需分配子信道，再通过轻量化计算卸载算法将虚拟机分配给任务，收敛后的策略被提炼为轻量化神经网络，用于在线推理。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.049 seconds)
