-
公开(公告)号：CN116523071A
公开(公告)日：2023-08-01
申请号：CN202310487309.7
申请日：2023-04-28
Applicant: 南京邮电大学
Abstract: 本发明涉及一种面向联邦学习的群体众筹博弈的持续激励方法，针对面向联邦学习的群体众筹架构中激励机制设计问题，采用基于Stackelberg双层博弈框架的激励机制，将机制设计分解为三个主要步骤，包括用户选择、酬金分配和持续性激励过程。首先针对用户感知数据质量未知的问题，将用户选择问题建模为组合多臂赌博机问题，同时为解决用户间的不公平选择问题，引入虚拟队列技术，保证用户公平性选择。其次，将联邦学习的分配策略建模为两阶段的Stackelberg博弈过程，以激励用户参与联邦学习训练，确定平台的最优定价策略和用户的最优训练策略。最后，对确保有足够的用户参与联邦学习训练过程，提出基于用户声誉的报酬激励策略，防止高声誉用户退出系统，保证持续性激励。
-
公开(公告)号：CN115118591B
公开(公告)日：2023-07-25
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：CN114863267B
公开(公告)日：2023-05-23
申请号：CN202210330769.4
申请日：2022-03-30
Applicant: 南京邮电大学
IPC: G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于多轨迹智能预测的航拍树木数量精准统计方法，通过构建所提出双路特征融合的金字塔结构，实现了各层级的特征信息进行有效的融合，解决了对低、矮、小树木的漏检问题，并进一步在搭建的轻量化飞行器巡检网络中加入动态调控算法，使得网络各个参数与飞行器边端设备更加匹配，从而最大化利用设备算力获得较好的识别效果，最后利用所提出的结合轨迹分类统计方法进行准确统计；与传统目标统计算法相比，本发明具有更好抗形变能力，降低了无人机由于形变变化对统一目标的重复统计问题，实现了更加精准的统计效果。
-
公开(公告)号：CN116074939A
公开(公告)日：2023-05-05
申请号：CN202310207123.1
申请日：2023-03-07
IPC: H04W52/24 , H04W52/28 , H04W52/46 , H04W72/0446 , H04W72/044 , H04W72/53
Abstract: 本发明公开了一种基于动态优化的物联网边缘设备协同接入方法，包括以下步骤：每个同类簇中的物联网边缘设备共同采集环境中的有用信息；在观察时间内，在每个簇头设备上提出基于平均信息年龄动态约束的总功率最小化问题；每个簇头设备根据最优功率分配方案和设备选择策略采集簇内其他设备发送的信号；所有簇头设备将信号发送给服务其的AP，AP作为中继，将信号发给CPU；在CPU上提出一个附带环境分类权重的信息年龄最小化问题，以进一步优化功率分配策略。本发明构建了基于环境变化率和设备移动性的信息年龄动态优化，保证了信息传输的新鲜度，且减少了资源受限的物联网边缘设备接入网络的功率消耗。
-
公开(公告)号：CN112804107B
公开(公告)日：2023-04-28
申请号：CN202110116570.7
申请日：2021-01-28
Applicant: 南京邮电大学
IPC: H04L41/044 , H04L41/0823 , H04L41/0893 , H04L41/14 , H04L41/16 , H04L67/1001 , H04W28/02
Abstract: 本发明公开了一种物联网设备能耗自适应控制的分层联邦学习方法，包括如下步骤：1)通过在物联网设备和云服务器之间部署边缘服务器，搭建分层联邦学习系统；2)在每个训练周期t的起始阶段，云服务器根据统计信道信息以及物联网设备的能耗队列状态，制定物联网设备计算能力控制策略F(t)以及物联网设备关联策略A(t)；3)在训练过程中，物联网设备本地模型，并发送到边缘服务器进行边缘聚合从而更新边缘模型；边缘服务器将边缘模型上传到云服务器进行全局聚合更新全局模型；云服务器通过边缘服务器将全局模型传输给所有物联网设备从而进行下一轮的训练；该发明能够在满足长期能耗约束的前提下，以较低的训练时延获得较高的学习性能。
-
Patent Agency Ranking
公开(公告)号：CN112232190B
公开(公告)日：2023-04-18
申请号：CN202011101279.4
申请日：2020-10-15
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种面向居家场景的老人异常行为检测方法。属于计算机视觉技术领域；具体步骤：1、在各房间中安置若干个摄像头；2、获取居所内老人的各种生活视频；3、训练单人行为识别CNN神经网络，根据老人在进行异常行为时的人物特征变化，提取其进行异常行为时的特征值；4、将获取的不同角度的各种生活视频进行网络训练；5、将该特征值进行特征融合并进行判断，给老人家属进行通知。本发明的优势在于拥有更全面的观测视野，可以全方位检测老人的行为，将老人异常行为的多种特征同时观测并结合起来。在老人异常行为判断方面，减少了错判率和误判率，同时几乎杜绝了漏判的情况，提高了监控的实用性。
-
公开(公告)号：CN115529625A
公开(公告)日：2022-12-27
申请号：CN202210711607.5
申请日：2022-06-22
Applicant: 南京卓云邮通科技有限公司 , 南京邮电大学
Inventor： 周欢 , 杨凡 , 彭敏鑫 , 徐波 , 刘娅璇 , 崔燕茹 , 吴丰靖 , 高赟 , 刘颖 , 张旭妍 , 邵鑫宇 , 王思洋 , 荀位 , 徐邦宁 , 徐卓然 , 孙文雪 , 吕锦钰 , 谈宇浩 , 赵海涛 , 张晖 , 夏文超 , 倪艺洋 , 杨洁
Abstract: 本发明公开了一种移动性任务卸载方法、系统及存储介质，待任务卸载的用户设备获取其通信范围内边缘节点设备的位置和方向向量信息，并计算用户设备与每个边缘节点设备的通信时间；以用户设备任务卸载耗费的总时延作为筛选约束，筛选出满足通信时间大于任务卸载总时延的边缘节点设备，将任务拆分后卸载到每个可用边缘节点设备上执行；其中，所述总时延由传输时延和计算时延加和得到；所述传输时延指将任务卸载到边缘节点设备所需的时间；所述计算时延指边缘节点设备的数据处理时间。该发明能够在无线分布式边缘计算环境下，考虑边缘节点设备的移动性，缩短边缘节点设备卸载响应时间，提高卸载成功率。
-
公开(公告)号：CN115271092A
公开(公告)日：2022-11-01
申请号：CN202210805426.9
申请日：2022-07-08
Applicant: 南京邮电大学
IPC: G06N20/00
Abstract: 本发明提供了一种面向室内定位联邦学习的群智众筹激励方法，应用联邦学习框架，基于群智众筹的思想招募用户参与，考虑参与联邦学习众筹者模型训练质量未知，根据众筹者长期模型训练质量设计众筹者声誉价值模型，采用强化学习CMAB框架选择高声誉众筹者参与联邦学习模型训练过程，获得高精度室内定位模型，同时在群智众筹用户选择招募中引入反向拍卖框架，激励高声誉众筹参与者提供高质量联邦学习定位模型训练，在预算约束下最大化实现众筹平台效益最大化，同时实现快速准确高效的室内定位，在室内定位模型精度和模型训练收敛速度方面，相对于现有方法具有明显提升。
-
公开(公告)号：CN110009061B
公开(公告)日：2022-08-05
申请号：CN201910314113.1
申请日：2019-04-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于机器学习的AP自适应优化选择方法，方法应用于移动设备与AP建立WIFI连接及车联网自适应网络切换的过程中，方法包括：收集当前环境中的连接设备数据，建立训练数据集，特征集，确定阈值；根据数据集及ID3算法确认是否为单结树；若非单结树，则分割子集构建子结点生成树；递归调用，直至生成完整的决策树，以将AP分类为FAST集和SLOW集，选择FAST集中最快的AP建立连接；本发明根据机器学习模型对AP接入点进行选择以缩短连接时间，减少WIFI连接设置时间成本。
-
公开(公告)号：CN113205100B
公开(公告)日：2022-07-29
申请号：CN202110312746.6
申请日：2021-03-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向幻灯片智能截图场景的翻页误截识别方法，包括页面重叠和拼接两种情况的识别方法。识别图像E是否由X、Y重叠而成的步骤包括：利用透明度公式的反推公式计算透明度矩阵A，处理A中的异常值后计算A的均值和方差；根据A的均值和方差判断图像重叠情况。识别图像F是否由图像Z与其他图像拼接而成的步骤包括：在图像Z中选取若干窗口，根据窗口内像素值方差进行筛选，得到待匹配窗口集合{WZ}；对{WZ}中的每个窗口都到F中进行图像匹配，去除匹配值过低的窗口对，得到匹配的窗口对集合{(WZ，WF)}；根据{(WZ，WF)}计算得到位移向量集合{V}；统计{V}中数据得到直方图，根据直方图判断图像拼接情况。
-
-
-
-
-
-
-
-
-
Search Results
381
records
(took 0.035 seconds)
