-
公开(公告)号：CN119967488A
公开(公告)日：2025-05-09
申请号：CN202510151627.5
申请日：2025-02-11
Applicant: 北京邮电大学
Abstract: 本申请公开了一种基于多智能体优化的多无人机轨迹规划与资源分配方法及其系统，其中基于多智能体优化的多无人机轨迹规划与资源分配方法包括以下步骤：进行系统模型的构建；完成系统模型的构建后，进行算法的设计；进行智能体神经网络训练，根据设计的算法输出无人机为用户分配的算力资源和用户的计算任务卸载比例。本申请设计了一个多无人机分布式协同计算的MEC系统，通过联合优化无人机轨迹、无人机间任务迁移比例、无人机接入选择和单位算力资源的定价最大化了无人机效益,通过联合优化无人机为用户分配的算力资源和用户的计算任务卸载比例最小化了用户开销。
-
公开(公告)号：CN119960957A
公开(公告)日：2025-05-09
申请号：CN202411790492.9
申请日：2024-12-06
Applicant: 北京邮电大学
IPC: G06F9/50
Abstract: 本申请公开了一种移动边缘计算服务器集群的异构算力资源分配方法及其系统，其中该方法包括以下步骤：进行虚拟化设置；进行信息的初始化；校验当前是否满足伸缩冷却时间的条件；若不满足伸缩冷却时间的条件，则获取伸缩单元信息；获取Pod的监控指标；根据获取的监控指标判断是否触发伸缩；若触发伸缩，则将Pod的资源利用率以及服务质量信息输入到算法模型中，获取算力资源推荐值；根据算力资源推荐值进行Pod的调度并执行调度。本申请基于集群中部署Kubernetes容器编排工具，并拓展Kubernetes原生的垂直伸缩机制和调度机制，结合GPU虚拟化技术，提出的算力资源动态分配设计方案具有更高细粒度以及更强的自适性。
-
公开(公告)号：CN119485501A
公开(公告)日：2025-02-18
申请号：CN202411602342.0
申请日：2024-11-11
Applicant: 北京邮电大学
IPC: H04W28/084 , H04W28/08
Abstract: 本申请公开了一种面向智能计算的深度学习模型部署与任务卸载方法及其系统，其中方法包括以下步骤：进行信息的初始化；进行模型部署和卸载决策的确定；进行传输压缩比设计；判断是否达到预设迭代收敛限制或达到最大迭代次数；若达到预设收敛条件或达到最大迭代次数，则输出模型部署、卸载决策以及传输压缩比方案；若未达到预设收敛条件或达到最大迭代次数，则迭代次数加1，返回进行模型部署和卸载决策的确定。本申请专注于面向智能计算的多基站多终端MEC系统，充分考虑了智能计算在MEC系统深度学习模型部署和任务卸载时呈现的新特性，提出了综合的面向智能计算的MEC系统的模型部署、卸载决策和传输压缩比的联合设计方案。
-
公开(公告)号：CN119364381A
公开(公告)日：2025-01-24
申请号：CN202411476830.1
申请日：2024-10-22
Applicant: 北京邮电大学
Abstract: 本申请公开了一种时空二维业务流量分布生成模型的构建方法及其系统，其中时空二维业务流量分布生成模型的构建方法包括以下步骤：进行时间生成模型的确定；进行空间生成模型的确定；根据空间生成模型和时间生成模型，获得流量空时生成模型。本申请针对通信业务流量的空时分布特征，提出了适用于通信网络业务流量的基于Transformer及层次聚类空时生成模型。所提出的空时生成模型具有良好的参数可调性，适用于不同计算复杂程度的数据集，并能够解释不同数据集的数据特征。
-
公开(公告)号：CN118657230A
公开(公告)日：2024-09-17
申请号：CN202410731225.8
申请日：2024-06-06
Applicant: 北京邮电大学
IPC: G06N20/00
Abstract: 本申请提供本申请提供一种移动边缘计算网络中的联邦学习能效优化方法，该方法包括：输入本地训练客户端参数，执行模型的初始化；模型的初始化完成之后，根据各个客户端的数据异构情况，计算各个客户端的本地训练次数；根据各个客户端的本地训练次数，分别进行本地模型训练，获得本地模型训练后的模型参数；根据本地模型训练后的模型参数，进行全局模型聚合，获得全局模型参数；根据全局模型参数，对全局模型进行测试。本申请解决在客户端数据异构且能量受限场景下，联邦学习过程中客户端本地训练次数与通信能量未经优化导致能量损耗过多以及能量效率过低的问题。
-
Patent Agency Ranking
公开(公告)号：CN115021798B
公开(公告)日：2023-08-01
申请号：CN202210621156.6
申请日：2022-06-02
Applicant: 北京邮电大学
IPC: H04B7/185
Abstract: 本申请公开了一种多无人机网络的缓存、通信与控制方法及其系统，多无人机网络的缓存、通信与控制方法具体包括以下步骤：进行初始化参数的设置；响应于完成初始化参数的设置，获取无人机的缓存放置结果；响应于获取无人机的缓存放置结果，获取内容调度结果；响应于输出最佳内容调度结果，获取内容调度结果；响应于完成带宽分配结果的获取，获取无人机轨迹优化结果；判断是否满足最佳输出条件；若不满足最佳输出条件，则重复执行上述步骤；若满足最佳输出条件，则输出最佳结果。本申请以较小的时间开销，自动完成了对多无人机辅助缓存蜂窝网络中缓存放置、内容调度、带宽分配和飞行轨迹的联合设计，使得网络单次内容分发任务的完成时间最小化。
-
公开(公告)号：CN112867065B
公开(公告)日：2023-04-07
申请号：CN202110008402.6
申请日：2021-01-05
Applicant: 北京邮电大学
IPC: H04W28/082 , H04W72/0453 , H04W72/044 , H04W52/18 , H04W52/38 , H04L67/10
Abstract: 本申请公开了一种空地协同边缘计算方法及其系统，其中一种空地协同边缘计算方法具体包括以下步骤：设置初始化信息；响应于初始化参数完成，进行计算任务的分配；响应于完成计算任务的分配，进行通信资源的分配；响应于完成通信资源分配，进行计算资源的分配；响应于完成计算资源的分配后，进行无人机轨迹确定；响应于完成无人机的轨迹确定，进行时长值的确定；响应于完成时长值的确定，更新计算效率；判断计算效率是否满足预设的收敛精度；若满足，则将通信资源的分配结果、计算资源的分配结果、无人机轨迹、时长值作为最佳结果进行输出。本申请达到了包括通信资源和计算资源在内的系统资源分配以及联合无人机飞行轨迹设计的目的。
-
公开(公告)号：CN115249061A
公开(公告)日：2022-10-28
申请号：CN202210879913.X
申请日：2022-07-25
Applicant: 北京邮电大学 , 江西鑫铂瑞科技有限公司
Abstract: 本申请公开了一种ViT网络模型的剪枝方法及其系统，其中ViT网络模型的剪枝方法具体包括以下步骤：对ViT网络模型的每一层的稀疏化比率进行初始化；响应于完成稀疏化比率的初始化，进行ViT网络模型的初始修剪；响应于完成初始修剪，对ViT网络模型进行蒸馏训练；对训练完成的ViT网络模型进行再次修剪，完成剪枝。本申请对传统ViT网络模型的结构进行了优化，具体引入重要性分数判决模块能够快速得到修剪维度的重要性，相较于之前的基于L1范数这一标准，本发明得到的判决标准更加合理，能够保证修剪的部分为模型不重要的部分，提高了修剪的精准度。
-
公开(公告)号：CN114640965A
公开(公告)日：2022-06-17
申请号：CN202210197541.2
申请日：2022-03-01
Abstract: 本申请公开了一种网联无人机的计算、通信与控制方法及其系统，其中网联无人机的计算、通信与控制方法，具体包括以下步骤：初始化状态信息；进行队列处理；进行无人机‑基站配对；进行通信和计算资源分配；进行无人机轨迹优化；判断是否收敛到预设精度或迭代次数达到最大迭代次数；若收敛到预设精度或迭代次数达到最大迭代次数，输出当前时隙结果；判断是否优化完成所有时隙；若优化完成所有时隙，则流程结束。本申请突破了传统网联无人机移动边缘计算系统离线优化方法的弊端，提出了在线优化方法。提出了可用于网联无人机的计算、通信与控制方法，及其系统实现。
-
公开(公告)号：CN111030952B
公开(公告)日：2022-05-10
申请号：CN201911360048.2
申请日：2019-12-25
IPC: H04L25/02
Abstract: 本申请公开了一种毫米波系统的波束空间信道估计方法及系统，其中毫米波系统的波束空间信道估计方法具体包括以下步骤：构建信道模型，获取信道估计参数；根据信道估计参数对全卷积去噪神经网络进行训练；利用训练完成的全卷积去噪神经网络进行测试；输出测试后的信道估计值。本申请通过构建具有更好去噪效果的全新全卷积去噪神经网络来提高信道估计的性能，通过噪声估计子网在获得信道噪声水平估计图的基础上，将信道噪声水平估计图和包含噪声的接收信号连接并输入到去噪子网中，实现高效的去噪，从而获得更高的信道估计精度。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.05 seconds)
