-
公开(公告)号：CN114841366B
公开(公告)日：2024-07-05
申请号：CN202210408140.7
申请日：2022-04-19
Applicant: 南京邮电大学
IPC: G06N20/00 , G06V10/764 , G06V10/70 , H04W24/06
Abstract: 本发明公开了一种基于无线联邦学习的学习模型训练方法，该方法按以下步骤进行：1)以任务发布者发出的奖励R和移动用户n的本地迭代精度εn作为变量，采用主从博弈法，确定最佳奖励#imgabs0#和移动用户n的最佳本地精度值#imgabs1#2)系统根据所得奖励值#imgabs2#和本地精度值#imgabs3#初始化相关参数完成模型训练。本发明中任务发布者通过设定合理的奖励鼓励移动用户参与训练提升模型精度，同时移动用户能够根据自身的资源状态确定本地精度，最终实现任务发布者和移动用户最大化各自的效益。
-
公开(公告)号：CN118246575A
公开(公告)日：2024-06-25
申请号：CN202410303218.8
申请日：2024-03-18
Applicant: 南京邮电大学
IPC: G06N20/20 , G06F18/214 , G06F18/23213 , G06N5/04 , G06F18/241
Abstract: 本发明公开了一种面向集群车辆合作学习的训练方法。首先，服务器将全局模型广播给其覆盖范围的每个车辆客户端，使用迭代K‑means算法实现无需预先设定划分模型个数的模型划分，并对划分后的模型进行分组聚合；然后，基于客户端本地数据质量与相似度的匹配聚类方法，通过簇头选择、簇头匹配模型、车辆客户端匹配簇头，三个过程实现精准聚类；接着，使用双层激励机制方案，在上层，服务器采用Stackelberg博弈机制对各个簇头进行激励，在下层，簇头则采用多维合同理论机制对簇内车辆客户端进行激励。本发明训练方法实现了对车辆客户端的精准聚类，同时激励了多个簇并行训练多个联邦学习任务，从而有效地提高了面向集群车辆合作学习的整体效率。
-
-
公开(公告)号：CN117014962A
公开(公告)日：2023-11-07
申请号：CN202310902388.3
申请日：2023-07-20
Applicant: 南京邮电大学
IPC: H04W28/084 , H04W28/086 , H04L67/63 , H04L67/10 , G06F18/214 , G06N20/00
Abstract: 本发明公开了一种面向分布式联邦学习的设备调度方法、装置、介质及设备，所述方法包括：基于预先计算的包传输错误率求解预设的优化问题，得到初始模型中U个用户设备与S个边缘服务器的关联规则；基于求解得到的关联规则建立边缘服务器与各自关联的用户设备的通信连接；采用预设的协同训练方法由建立通信连接的边缘服务器和用户设备对分布式联邦学习全局模型进行协同训练，得到训练完成的分布式联邦学习全局模型，实现对各用户设备的调度。本发明能够提高分布式联邦学习中用户设备参与训练的可靠性，提高了训练效率。
-
公开(公告)号：CN116390124A
公开(公告)日：2023-07-04
申请号：CN202310340504.7
申请日：2023-03-31
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无人机辅助的去蜂窝大规模MIMO系统的资源优化方法。在无人机辅助的去蜂窝大规模MIMO系统场景中，无人机作为空中接入点和地面AP点联合为地面用户提供服务，该方法具体设计包括设计基于空‑地AP联合服务的用户调度规则；根据调度规则，设计基于空‑地联合服务的通信模型；设计公平的资源分配方案，包括用户调度方案、无人机的位置部署方案、用户功率分配方案，最大化上述通信模型的用户最小下行速率，最后通过块坐标下降和连续凸优化技术等优化求解方法验证所提出的效用模型的可行性。本发明能够根据当前用户和地面资源分布情况，提出包括无人机在内的最优资源分配策略，实现地面用户服务的无盲点覆盖。
-
Patent Agency Ranking
公开(公告)号：CN114554511B
公开(公告)日：2023-06-09
申请号：CN202210188648.0
申请日：2022-02-28
Applicant: 南京邮电大学
Abstract: 本发明所述的一种5G边缘计算环境下无线携能终端节能效率优化方法，包括：一、利用斯塔克伯格博弈模型对终端节能效率优化问题和无线供电装置收益问题进行联合建模；二、利用最优性条件求解无线供电装置收益问题，将得到的最优值关系带入终端节能效率优化问题进行化简；三、针对化简后的终端节能效率优化问题，采用交替迭代分别求解子问题，得到优化结果；四、根据优化结果，设置终端发送功率、终端与小蜂窝基站连接关系、终端传输时长、无线供电装置激励价格。该方法主要解决现有技术节能效率低、复杂度高等问题，能有效提升无线携能终端的节能效率，适用于全双工5G边缘计算网络。
-
公开(公告)号：CN116106822A
公开(公告)日：2023-05-12
申请号：CN202310105234.1
申请日：2023-02-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种自适应室内融合定位方法、设备及介质，该方法包括：部署室内无线接入点，对室内区域进行划分；离线阶段部署参考点并采集RSS数据；用采集的RSS数据拟合多个路径损耗模型；采用多点定位、边界判断以及K‑means聚类相结合的方法设置校正基准点；在线阶段中，获取待测节点的RSS数据，采用多点定位法和区域判断对待测节点进行初步定位；利用最小二乘定位、指纹定位以及位置补偿相融合的算法对待测节点进行在线阶段的定位修正。该发明通过对室内的非边缘区域以及靠近室内边缘区域的定位结果的修正提高了总体定位精度，并且降低了定位复杂度，提高了定位效率。
-
公开(公告)号：CN115484261A
公开(公告)日：2022-12-16
申请号：CN202211027045.9
申请日：2022-08-25
Applicant: 南京邮电大学
Abstract: 本发明涉及一种无人机辅助的车辆边缘计算协同任务卸载方法，首先对车辆进行分簇，对于簇中的任务车辆，其任务完成方式包括：将部分子任务进行本地计算；利用车辆‑车辆间直达链路将子任务转移簇中具备计算能力的其他车辆上进行处理；将子任务经由簇头卸载到无人机上进行处理；先经簇头卸载至无人机，再利用无人机进行中继转发，最终将子任务卸载到基站服务器进行处理；将子任务直接通过簇头车辆卸载至边缘计算服务器。本发明与现有技术相比，其显著优点是：任务车辆根据完成任务的延迟、能耗、保密性和制定的惩罚项来部署分配决策，选择一种或多种方案进行协同任务卸载计算，节约了能量，降低了延迟，同时保证安全性。
-
公开(公告)号：CN115118591A
公开(公告)日：2022-09-27
申请号：CN202210656857.3
申请日：2022-06-08
Applicant: 南京邮电大学
IPC: H04L41/0823 , H04L41/0896 , H04L41/16 , G06N20/00
Abstract: 本发明公开了一种基于联盟博弈的簇联邦学习方法，包括：在物联网边缘环境下搭建簇联邦学习系统，包含多个用户设备和一个中心服务器；基于用户本地梯度的余弦相似度以及每个簇内成功参与训练的设备个数定义每个簇的效用；基于联盟博弈的方法对用户设备进行分簇，同时优化带宽分配；基于分簇结果执行簇联邦学习训练。本发明能够在多任务联邦学习场景下，有效提高训练的效率以及准确率。
-
公开(公告)号：CN115081676A
公开(公告)日：2022-09-20
申请号：CN202210500363.6
申请日：2022-05-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于合同理论的多任务无线联邦学习方法，该方法按以下步骤进行：模型拥有者对移动用户进行分簇，每个移动用户簇分别训练不同的联邦学习任务；模型拥有者通过一组最优合同对每个移动用户簇进行激励；其中，每个最优合同包括最佳奖励报酬和最佳全局迭代次数；每个移动用户簇分别执行联邦学习过程，同时完成不同的联邦学习任务。在本发明的合同理论中，模型拥有者有效激励了多个移动用户簇进行数据训练，并且同时完成了多个不同的联邦学习任务，从而提高整体联邦学习过程的工作效率。同时，模型拥有者能够在信息不对称的情况下最大化自己的效益。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.028 seconds)
