-
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：CN117440386A
公开(公告)日：2024-01-23
申请号：CN202311396204.7
申请日：2023-10-25
Applicant: 南京邮电大学
IPC: H04W16/18 , H04W72/0457 , H04W72/0453 , H04W84/18 , H04W4/38
Abstract: 本发明公开了一个无人机辅助数据传输网络的资源优化方法及系统，包括：基于遍历可达速率和带宽分配系数η建立的联合优化问题P1；对联合优化问题P1进行优化求解，获得无人机的噪声压缩协方差矩阵Ω*以及与之对应的带宽分配系数η*；根据带宽分配系数η*对数据传输网络带宽进行划分，根据噪声压缩协方差矩阵Ω*对无人机的压缩噪声进行设计；基于遍历可达速率 和 建立的联合优化问题P2；利用梯度下降算法求解联合优化问题P2，获得地面AP的功率分配向量p*以及噪声压缩协方差矩阵Q*；根据功率分配向量p*和噪声压缩协方差矩阵Q*对地面AP的功率分配及压缩噪声进行设计；能够有效提高传感器数据的采集效率及系统频谱资源利用率。
-
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。
-
公开(公告)号：CN114389652A
公开(公告)日：2022-04-22
申请号：CN202111610897.6
申请日：2021-12-27
Applicant: 南京邮电大学
IPC: H04B7/0413 , H04B7/0426 , H04B7/0452 , H04W52/34
Abstract: 本发明公开了一种去蜂窝大规模MIMO网络低功耗大连接方法，该方法按照以下步骤进行：1)选择被服务设备，确定相干时间；2)利用参考信号得到设备上行信道估计值；3)根据设备数确定功率分配法则，依据该法则确定各设备发射功率；4)对波束形成矩阵以及接入点的分簇方案进行联合优化；5)每经过时间Thold，重新进行发射功率分配和AP分簇。本发明在降低设备能耗的同时，提高了系统容量。
-
Patent Agency Ranking
公开(公告)号：CN115081676B
公开(公告)日：2024-06-28
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。
-
公开(公告)号：CN113902220B
公开(公告)日：2024-04-02
申请号：CN202111325927.9
申请日：2021-11-10
Applicant: 南京邮电大学
IPC: G06F18/20 , G06F18/2321 , H04W4/029 , H04W4/40
Abstract: 本发明公开了一种基于自适应密度聚类算法的车辆轨迹预测方法，该方法包括：1)选定一个具有N个轨迹点的车辆轨迹数据集；2)基于自适应密度聚类算法对轨迹点进行分簇；3)对每个簇分别进行符号标记，将被标记了的簇按照时间排序后输出符号序列；4)将符号序列输入到变阶马尔可夫模型中，并使用Lempel‑Ziv‑MS预测算法进行预测，即预测概率最大时的符号对应的轨迹点即为最终轨迹预测结果。本发明所提的自适应密度聚类算法提高了算法的执行效率，同时提高了轨迹聚类的准确度；考虑N阶马尔可夫模型的空间复杂度高、零频率等缺点，变阶马尔可夫模型使用LZ‑MS来解决零频率问题，并使用树结构来减少所需的内存量。
-
公开(公告)号：CN118427680A
公开(公告)日：2024-08-02
申请号：CN202410465257.8
申请日：2024-04-18
Applicant: 南京邮电大学
IPC: G06F18/241 , G06F18/214 , G06F18/2131 , G06F18/10 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于免授权信号的跨域动作感知识别方法及系统，涉及计算感知技术领域，包括获取时域上的CSI信息，即信道冲激响应CIR矩阵，对获取的矩阵进行预处理，获得频谱图；对频谱图添加高斯加性噪声，将加噪后的样本输入改进后的WGAN‑GP，在虚拟样本生成的过程中，设计两个判别器指导生成器生成虚拟样本；基于真实样本和WGAN‑GP生成的虚拟样本进行训练，使用Mean‑Teacher作为识别分类的模型。本发明基于半监督学习的Mean Teacher模型，无需收集大量的目标域样本，因此数据收集和标注效率较高。
-
-
公开(公告)号：CN116260490B
公开(公告)日：2023-08-15
申请号：CN202310548064.4
申请日：2023-05-16
Applicant: 南京邮电大学
IPC: H04B7/0426 , H04B7/0456 , H04W28/06 , H04L25/02
Abstract: 本申请涉及一种面向去蜂窝多天线系统的前传压缩与预编码方法。该方法包括：利用上下行对偶关系，将下行预编码与压缩噪声设计问题转化为上行优化问题求解，获得训练样本集，采用随机梯度下降算法对神经网络模型进行训练，获得训练好的神经网络模型，进而将获取的信道矩阵输入预先训练好的神经网络模型进行预测，获得上行功率分配向量预测值进行分析，确定下行波束成形矩阵、下行功率分配向量和下行压缩噪声矩阵，根据下行波束成形矩阵和下行功率分配向量，对待传输的数据进行预编码，获得编码后的数据，根据下行压缩噪声矩阵对编码后的数据进行压缩，获得压缩后的数据，保证了Cell‑free MIMO系统高性能的前提下降低计算时延。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.026 seconds)
