-
公开(公告)号：CN118916742A
公开(公告)日：2024-11-08
申请号：CN202411002341.2
申请日：2024-07-25
Applicant: 福州大学
Abstract: 本发明提供一种边缘环境下基于图神经网络的鲁棒性分类方法，在分类任务中，每一层图神经网络中，重复通过消息传递机制将节点和边的信息进行聚合和更新的过程直到最后一层；对于每个节点，使用邻居节点和边的信息计算新的节点特征；每次消息传递步骤之前，依据Drop Message随机选择部分节点、边或消息进行丢弃；具体步骤如下：节点丢弃：随机选择一定比例的节点，将其特征向量置零；边丢弃：随机选择一定比例的边，将其连接关系临时移除；消息丢弃：在消息传递过程中，随机丢弃部分消息传递路径，以降低过拟合风险。
-
公开(公告)号：CN118784599A
公开(公告)日：2024-10-15
申请号：CN202410551822.2
申请日：2024-05-07
Applicant: 福州大学
Abstract: 本发明提供一种面向自适应切片使能空天地一体化网络的流量感知轻量化分层卸载框架，将SAGIN分为CAP和COP，并使用网络切片管理每个平台上的资源；ESP在进行资源分配的同时提供计算卸载服务；对于切片资源分配，利用稀疏概率自注意力捕获动态流量变化，根据预测的流量和系统负载执行自适应网络切片；对于计算卸载，将通信过程和计算过程分离，根据信道状况按需分配子信道，再通过轻量化计算卸载算法将虚拟机分配给任务，收敛后的策略被提炼为轻量化神经网络，用于在线推理。
-
公开(公告)号：CN114925935B
公开(公告)日：2024-07-23
申请号：CN202210702160.5
申请日：2022-06-21
Applicant: 福州大学
IPC: G06Q10/04 , G06Q10/0633 , G06N3/006
Abstract: 本发明提出一种云边环境下时延约束的多工作流调度方法，在满足多工作流截止时间约束的前提下，利用差分进化算法最小化多工作流的执行成本；为了提高了种群进化过程的合理性和多样性，引入二维离散粒子对个体进行编码，并使用基于整体种群的选择算子对所述差分进化算法进行优化，在避免过早收敛的前提下，以更快地提高种群整体的适应度值，加快算法搜索解空间的速度。
-
公开(公告)号：CN117835327A
公开(公告)日：2024-04-05
申请号：CN202410002268.2
申请日：2024-01-02
Applicant: 福州大学
IPC: H04W28/084 , G06N3/092 , G06N7/01 , H04W72/53
Abstract: 本发明提供一种移动边缘计算中基于Actor‑Critic深度强化学习的任务调度方法，首先对所提出的移动边缘计算中的任务调度问题进行形式化定义。其次提出一种结合深度强化学习和掩码机制的任务调度方法。最后实现了所提出的系统环境和调度方法，并进行了大量的实验对方法的有效性进行证明。实验结果显示，本发明方法能应对面对动态多变的MEC环境，逼近最优的任务调度策略，有效地提高服务质量。
-
公开(公告)号：CN117290112A
公开(公告)日：2023-12-26
申请号：CN202311465925.9
申请日：2023-11-07
Applicant: 福州大学
IPC: G06F9/50 , G06N3/0442 , G06N3/08
Abstract: 本发明提出一种基于边缘环境的深度模型负载分布预测方法，由深度自回归循环神经网络构成的边缘负载预测方法（Deep Auto‑regressive Recurrent networks in Edge Load Prediction，DeepAR），该方法可以进行多变量时序数据预测且进行的是概率分布预测。该方法通过学习边缘负载数据的重要表征和复杂的边缘负载模式，从而进行精确的概率分布预测。本发明通过对真实的负载数据进行训练学习，并对比仿真实验对DeepAR方法的准确性进行了分析验证。通过与两种基准方法进行对比实验发现，所提出的DeepAR方法在不同预测长度下都可以取得更好的更稳定的性能指标，有着更好的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN114942799B
公开(公告)日：2023-08-04
申请号：CN202210702389.9
申请日：2022-06-21
Applicant: 福州大学
Abstract: 本发明提出一种云边环境下基于强化学习的工作流调度方法，基于云、边、端三层协同体系结构，考虑云、边、端不同的处理能力和不同层次之间的不同的传输速率，以最小化计算任务响应时延为优化目标，设计好Q学习算法状态、动作和奖励三要素，让智能体不断地学习，不断地调整，使得智能体逐渐明白在什么样的状态下选择什么样的动作能够得到最好的结果，从而求解出最优的卸载决策。
-
公开(公告)号：CN115118724A
公开(公告)日：2022-09-27
申请号：CN202210720697.4
申请日：2022-06-23
Applicant: 福州大学
Abstract: 本发明提出一种基于蚁群算法的多无人机辅助边缘计算系统部署优化方法，针对所定义的优化问题，提出了一种ACO‑G双层联合优化方法。最外层采用了蚁群算法(Ant Colony Optimization)来对无人机部署位置进行优化，最内层则是通过贪心算法（Greedy algorithm）来对计算卸载进行决策。将无人机部署结合到蚁群算法中，算法能得到一组最优的无人机部署位置方案，这样可以减少地面移动设备计算任务的平均响应时间。
-
公开(公告)号：CN114942799A
公开(公告)日：2022-08-26
申请号：CN202210702389.9
申请日：2022-06-21
Applicant: 福州大学
Abstract: 本发明提出一种云边环境下基于强化学习的工作流调度方法，基于云、边、端三层协同体系结构，考虑云、边、端不同的处理能力和不同层次之间的不同的传输速率，以最小化计算任务响应时延为优化目标，设计好Q学习算法状态、动作和奖励三要素，让智能体不断地学习，不断地调整，使得智能体逐渐明白在什么样的状态下选择什么样的动作能够得到最好的结果，从而求解出最优的卸载决策。
-
公开(公告)号：CN114925935A
公开(公告)日：2022-08-19
申请号：CN202210702160.5
申请日：2022-06-21
Applicant: 福州大学
Abstract: 本发明提出一种云边环境下时延约束的多工作流调度方法，在满足多工作流截止时间约束的前提下，利用差分进化算法最小化多工作流的执行成本；为了提高了种群进化过程的合理性和多样性，引入二维离散粒子对个体进行编码，并使用基于整体种群的选择算子对所述差分进化算法进行优化，在避免过早收敛的前提下，以更快地提高种群整体的适应度值，加快算法搜索解空间的速度。
-
公开(公告)号：CN103455842B
公开(公告)日：2015-06-03
申请号：CN201310397770.X
申请日：2013-09-04
Applicant: 福州大学
Abstract: 本发明涉及一种贝叶斯算法和MapReduce相结合的信任度量方法，包括以下步骤：S01：采用贝叶斯过滤算法对移动终端交互中产生的行为记录进行信任度评估，通过统计训练数据集中的先验概率，利用贝叶斯公式计算出其后验概率，选择最大后验概率作为行为记录的信任度；S02：运用带Dirichlet过程的贝叶斯推理算法对可信记录做概率分布评估，得到对移动终端的可信度预测；S03：采用信息增益算法实现特征值的选取。本发明借助云计算平台在信任度计算与存储过程中具有的高效性、安全性与中立性，保证数据的安全存储与高性能计算。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.025 seconds)
