-
公开(公告)号：CN108737057B
公开(公告)日：2021-09-17
申请号：CN201810391479.4
申请日：2018-04-27
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于深度学习的多载波认知非正交多址接入技术（Non‑Orthogonal Multiple Access,NOMA）资源分配方法，包括以下步骤：（1）多载波认知NOMA系统的场景模型建立；（2）用户调度和资源分配策略的数学描述；（3）基于联合分配的深度神经网络和深度学习算法设计。本发明在建立基于多载波认知NOMA的下行系统后，创新地提出符合该场景的频谱共享策略，并合理建立优化目标和约束条件的数学表达式，实现了基于深度学习的多载波认知NOMA用户调度和资源分配策略，满足了用户多方面传输需求的同时，更好地实现了多载波认知NOMA下行系统的低功耗资源分配。
-
公开(公告)号：CN109977224A
公开(公告)日：2019-07-05
申请号：CN201910178534.6
申请日：2019-03-11
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于卷积神经网络和词向量相结合的新闻分类方法，首先将训练文本利用skip‑gram模型训练成分布式词向量表示，然后再将文本矩阵输入卷积神经网络分类器进行训练，模型训练好后就可以得出待测新闻文本的类别。本发明中采用的卷积神经网络不需要提前单独提取文本特征，可以通过整个网络独立完成，本发明操作步骤简便且具有更高的准确率。
-
公开(公告)号：CN109936857A
公开(公告)日：2019-06-25
申请号：CN201910051747.2
申请日：2019-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种无线感知度智能识别方法，所述识别方法包括以下步骤：采集待测区域的无线感知度指标数据；将所述指标数据输入至自编码器神经网络中，对所述指标数据进行降维操作；对于降维后的指标数据进行聚类分析，计算其与预确定的两个有效簇中心点的距离；根据距离计算结果，将被测区域归到距离较近的一类，输出被测区域无线感知度识别结果，本发明能够根据一组待测数据有效地预测出其感知度正常与否，提高了运营商的维护效率，有利于在用户投诉之前发现问题并及时解决，提高了用户体验。
-
公开(公告)号：CN108737057A
公开(公告)日：2018-11-02
申请号：CN201810391479.4
申请日：2018-04-27
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于深度学习的多载波认知非正交多址接入技术（Non-Orthogonal Multiple Access,NOMA）资源分配方法，包括以下步骤：（1）多载波认知NOMA系统的场景模型建立；（2）用户调度和资源分配策略的数学描述；（3）基于联合分配的深度神经网络和深度学习算法设计。本发明在建立基于多载波认知NOMA的下行系统后，创新地提出符合该场景的频谱共享策略，并合理建立优化目标和约束条件的数学表达式，实现了基于深度学习的多载波认知NOMA用户调度和资源分配策略，满足了用户多方面传输需求的同时，更好地实现了多载波认知NOMA下行系统的低功耗资源分配。
-
公开(公告)号：CN107833203A
公开(公告)日：2018-03-23
申请号：CN201710975172.4
申请日：2017-10-19
Applicant: 南京邮电大学
CPC classification number: G06T7/0004 , G06T7/13 , G06T7/136 , G06T2207/30181 , G06T2207/30208
Abstract: 本发明公开一种基于图像处理的水平面识别及水位实时测量方法，其以检测水平面为目标，首先采用图像处理技术中的图像垂直边缘检测技术，检测出水位测量标尺，紧接着使用图像水平边缘检测技术检测出水面，根据水平面的像素值及标杆的实际长宽信息，计算获得实时的水深数据。本发明能够准确地判断出水位线的位置并测量出实时的水深，解决了传统方案中存在的水平面检测困难、易受自然环境影响、测量精度不高等问题，在水资源管理过程中具有应用价值。通过正确检测插入水体的标尺确定水位高度，解决了传统的基于图像处理方法中由于天气，光线等原因造成的水平面辨识困难、操作不便、测量误差较大等问题。
-
Patent Agency Ranking
公开(公告)号：CN107131925A
公开(公告)日：2017-09-05
申请号：CN201710292929.X
申请日：2017-04-28
Applicant: 南京邮电大学
CPC classification number: G01F23/04 , G06K9/00664
Abstract: 本发明公开了一种基于图像处理的水位实时监测方法，将计算机视觉中的图像处理技术与传统标杆测量水深的方式相结合，解决了传统方法中需人为查看标杆上的刻度、操作不便、误差较大、标杆刻度易磨损等诸多问题。发明中采用图像处理中的对象检测和直线检测技术将获取的图像简化成数学模型，计算出模型中线段长度之间的比例，根据标杆上预留参考长度，求得标杆露出水面的高度，由此可得实时水深。解决了传统的方案中存在的诸多问题，具有更高的数值鲁棒性和实时交互性。
-
公开(公告)号：CN119172805A
公开(公告)日：2024-12-20
申请号：CN202411338979.3
申请日：2024-09-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种移动车辆的多无人机最佳边缘服务方法及系统，所述方法包括在研究范围内，存在多个搭载移动边缘计算MEC的无人机为移动车辆提供边缘计算服务，同时还存在一个基站为无人机提供额外计算服务。每个移动车辆只携带一项任务，通过优先级判决任务类型：常规、紧急。某项常规任务在其最初无人机覆盖内完成任务卸载以及计算，若在初始无人机内未完成任务计算，随车辆行驶区域更改，任务于无人机之间二次卸载。在携带紧急任务的车辆出现时，该初始无人机内所有常规任务二次卸载至基站BS完成后续计算，该初始无人机跟随携带紧急任务的车辆完成任务计算后返回原位置。
-
公开(公告)号：CN118695300A
公开(公告)日：2024-09-24
申请号：CN202410737095.9
申请日：2024-06-07
Applicant: 南京邮电大学
IPC: H04W28/08 , H04B17/391 , H04W4/44 , H04L67/12
Abstract: 本发明涉及一种NOMA辅助的车联网系统下任务卸载和资源分配联合优化方法，将NOMA技术和基于MEC的车联网系统结合，基于车联网的多用户应用的场景，构建车联网系统模型，然后建立任务卸载模型，接着以车辆用户发射功率、MEC服务器计算资源为约束条件，同时考虑车辆用户的任务优先级，改变SIC解码顺序，以最小化系统总时延为优化目标，建立数学模型；再采用混沌映射、自适应莱维飞行策略和鲸鱼算法对AHA算法进行改进，同时考虑对蜂鸟位置的约束修正，实现对任务卸载和资源分配问题的联合优化求解，得到最优的卸载策略。与现有技术相比，该方法不仅实现了车辆任务的科学卸载，而且提升了车辆用户的体验，有效降低了系统时延。
-
公开(公告)号：CN118536154A
公开(公告)日：2024-08-23
申请号：CN202410594123.6
申请日：2024-05-14
Applicant: 南京邮电大学
IPC: G06F21/62 , G06N3/0455 , G06N3/098 , G06N3/084
Abstract: 本发明涉及多模态联邦学习、差分隐私、大数据技术领域，公开了一种面向跨域异质多模态联邦学习的差分隐私防御机制性能评估方法，通过获取跨域异质场景下的数据集，搭建联邦学习任务和联邦学习模型，配置模态特征融合，得到跨域异质场景下的多模态联邦学习模型；确定梯度泄露风险，选择面向不同模态数据的模拟攻击模型；构建不同机制的差分隐私防御；从面向防御下模型质量的代价、面向重构成功率、面向重构质量三个方面，对差分隐私防御机制进行多维度性能评估；能够综合考虑不同差分隐私机制下的防御性能的优劣，有助于用户选择添加的差分隐私的机制，从而降低隐私泄露的风险，能普遍适用于联邦学习任务和图像文本数据集。
-
公开(公告)号：CN118297337A
公开(公告)日：2024-07-05
申请号：CN202410460373.0
申请日：2024-04-17
Applicant: 南京邮电大学
IPC: G06Q10/0631 , G06N3/098
Abstract: 本发明公开了多维资源联合优化的空域联邦学习客户端激励调度方法，包括无人机和模型所有者，步骤一，发布联邦学习任务和合同项：模型所有者根据其神经网络模型训练的任务需求和激励预算设计联邦学习的合同项，用于激励无人机采集图像数据，并为其提供模型训练服务，并向无人机广播其合同项和联邦学习任务邀请；步骤二，无人机进行合同项选择：无人机选择合同项后向模型所有者返回所选合同项信息，并入选联邦学习任务的模型训练无人机候选池；本方案可以使模型所有者在不了解无人机客户端信息的情况下，根据无人机的数据质量和数据代表性，选择使模型收敛最快的无人机，该方法节省了模型训练的激励成本，加快了模型的收敛速度和训练精度。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.026 seconds)
