-
Patent Agency Ranking
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。
-
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：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。
-
-
-
-
Search Results
25
records
(took 0.025 seconds)
