-
公开(公告)号：CN113747452A
公开(公告)日：2021-12-03
申请号：CN202110808585.X
申请日：2021-07-16
Applicant: 国网河北省电力有限公司雄安新区供电公司 , 北京邮电大学 , 国家电网有限公司
Abstract: 本发明提供一种云无线接入网通信协作波束赋形设计方法及系统，包括：确定信息接收机传输速率模型和能量接收机能量模型，建立5G智能电网系统模型；确定电力节点功耗模型和前传链路功耗模型，建立系统功耗模型；基于5G智能电网系统模型和系统功耗模型，建立优化问题模型；对优化问题模型进行转换和求解，得到系统功耗最小化的最优解。本发明设计的波束赋形，能实现通过逐次凸逼近和平滑逼近技术来寻找近似最优解，同时遵守数据速率、前传容量和每个远端射频单元发射功率的约束。收敛速度快并且计算复杂度低，取得了较好的性能。
-
公开(公告)号：CN113114762A
公开(公告)日：2021-07-13
申请号：CN202110388501.1
申请日：2021-04-12
Applicant: 北京邮电大学 , 国网河南省电力公司信息通信公司 , 国家电网有限公司
Abstract: 本发明实施例提供的数据缓存方法及系统，可以获取边缘缓存服务器ECS存储的数据请求对应的请求信息；根据ECS或MCD服务的区域内MUE的总数量和ECS或MCD服务的区域内预设时间段内发送数据请求的MUE的数量，计算数据请求的流行度；将流行度输入预先训练好的深度强化学习模型DRL模型中，得到目标数据对应的分配策略；若分配策略为是，则根据分配策略向ECS或MCD缓存目标数据，以使ECS或MCD在接收到指定MUE发送的数据请求后向指定MUE反馈目标数据。从而可知保证数据请求的分配策略满足MCD服务的区域内数据请求的实际情况，在MCD接收到数据请求后反馈对应的请求数据，从而减小相应时延，提高用户体验。
-
公开(公告)号：CN112990051A
公开(公告)日：2021-06-18
申请号：CN202110327654.5
申请日：2021-03-26
Applicant: 国网河北省电力有限公司信息通信分公司 , 北京邮电大学 , 国家电网有限公司
Abstract: 本发明实施例提供了一种辅助认证方法、装置、电子设备及存储介质，该方法包括：获取用户基于待识别生物特征图像发送的身份认证请求，确定待识别生物特征图像和预先存储的用户的生物特征图像的相似度；在待识别生物特征图像和预先存储的用户的生物特征图像的相似度小于预设相似度阈值时，发送预先设置的与用户对应的辅助认证指令至用户对应的用户终端；以获取待认证信息；将待认证信息与预先保存的用户的辅助认证信息进行匹配，在待认证信息与预先保存的用户的辅助认证信息匹配时，将用户确定为合法用户。这样，可以通过辅助认证的方式，来减少因对业务人员的生物特征不能完全识别而导致用户身份认证失败的情况。
-
公开(公告)号：CN111047173A
公开(公告)日：2020-04-21
申请号：CN201911233032.5
申请日：2019-12-05
Applicant: 国网河南省电力公司 , 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
Abstract: 本发明公开了一种基于改进的D-S证据理论的社团可信度评估方法利用基本概率分配BPA对证据来源的评估，计算各个社团的信任函数和似然函数；其次，通过信任函数和似然函数构造区间数，得到每个社团的信任区间；然后，通过有序加权平均算子聚合得到各个社团区间数的降序排列；最后，通过对聚合的结果进行排序，获得各个社团可信度评估结果；该方法能够准确地对社团整体可信度进行评估，即使是在节点的数据类型或特征未知，节点遭受了不同程度的攻击或者数据伪造等情形下，该方法依然可以高效准确的对社团可信度进行评估；该方法根据证据对网络内节点进行融合，得到所有证据对各个社团的支持度，从而能够对社团可信度进行有效的评估。
-
公开(公告)号：CN115134829B
公开(公告)日：2024-10-29
申请号：CN202210583735.6
申请日：2022-05-25
Applicant: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
IPC: H04W24/02
Abstract: 本发明提供一种移动业务边缘协作卸载方法、装置、设备及介质，包括：将多个边缘节点进行聚类，得到节点簇，每个节点簇中的节点组成边缘节点协作域；根据边缘协作服务域的服务能力和待处理移动业务的任务信息，确定待处理移动业务的卸载决策；将卸载决策下发至边缘协作服务域对应的目标移动终端，以供目标移动终端将待处理移动业务上传至卸载决策对应的边缘节点进行协助处理；其中，卸载决策包括卸载模式、卸载位置和服务路径，服务能力是基于边缘协作服务域中边缘节点的数量、剩余的计算能力和预先缓存的服务组件确定的。本发明实现适当的能量时延权衡，最小化平均执行时间和能量消耗。
-
Patent Agency Ranking
公开(公告)号：CN113918240B
公开(公告)日：2024-05-28
申请号：CN202111205701.5
申请日：2021-10-15
Applicant: 全球能源互联网研究院有限公司 , 国网辽宁省电力有限公司 , 国家电网有限公司 , 北京邮电大学
Abstract: 本发明提供一种任务卸载方法及装置，该方法包括：对终端发送的卸载请求进行解析，获取卸载请求中待处理任务中每个子任务的任务信息；根据每个子任务的任务信息、服务于终端的本地边缘服务器集群和邻近边缘服务器集群的服务性能，以及终端的位置和速度，构建待处理任务的任务卸载优化模型；基于遗传算法对任务卸载优化模型进行求解，根据任务卸载优化模型的最优解，获取待处理任务的最优卸载方案；根据最优卸载方案和每个子任务的重要性，将每个子任务卸载在本地边缘服务器集群中和/或邻近边缘服务器集群中。本发明实现多服务器集群协作，有效缓解单一服务器集群的负载承载能力有限的问题，进而减少服务延迟和提高服务的可靠性和稳定性。
-
公开(公告)号：CN117290720A
公开(公告)日：2023-12-26
申请号：CN202311022799.X
申请日：2023-08-14
Applicant: 国网江苏省电力有限公司信息通信分公司 , 北京邮电大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: G06F18/214 , G06Q50/06 , G06N20/00
Abstract: 本发明提供一种面向电力终端的个性化联邦多任务学习方法及相关设备，包括：根据K个相似的机器学习任务，将全局多任务模型划分为一个用于提取共同数据特征的基础模块和K个用于输出预测结果的特定任务模块；对于每个机器学习任务建立对应的逻辑簇，用于聚合和存储全局多任务模型，并将全局多任务模型和每个机器学习任务下发至所有电力终端进行联邦训练，以获得特定任务模块的更新梯度值；将对应的更新梯度值上传至边缘服务器，调度已逻辑簇执行全局聚合操作，以获得全局模块；将全局模块与基础模块进行组合，以获得更新的全局多任务模型。本发明提出一种基于逻辑簇的个性化联邦多任务学习框架，解决了电力物联网场景中多服务下的协作问题。
-
公开(公告)号：CN116405977A
公开(公告)日：2023-07-07
申请号：CN202211538198.X
申请日：2022-12-01
Applicant: 北京邮电大学 , 国网河南省电力公司信息通信公司 , 国家电网有限公司 , 国家电投集团河南电力有限公司
Abstract: 本发明提供一种移动终端资源分配方法及装置，该移动终端资源分配方法包括：向第一终端发送第一参数；接收第一终端发送的第二参数和第三参数；基于联邦学习训练模型，对第二参数和第三参数进行聚合处理，得到全局参数；基于全局参数，更新联邦学习训练模型。本发明所述方法将联邦学习训练模型的第一参数下发至第一终端和第二终端进行协作训练，并对由协作训练得到第二参数和第三参数进行聚合处理以获取新的全局参数，实现了移动终端对资源的充分利用和车辆训练的高效协同，从而优化了车联网资源的分配。
-
公开(公告)号：CN111723700B
公开(公告)日：2022-11-11
申请号：CN202010514524.8
申请日：2020-06-08
Applicant: 国网河北省电力有限公司信息通信分公司 , 北京邮电大学 , 北京中电飞华通信有限公司 , 国家电网有限公司
Abstract: 本发明实施例提供了一种人脸识别方法、装置及电子设备，获取待识别人脸图像；所述待识别人脸图像为遮挡条件下的人脸图像；对所述待识别人脸图像进行形状特征提取，得到所述待识别人脸图像的形状特征；基于所述形状特征，确定所述待识别人脸图像的遮挡率；当所述遮挡率大于预设遮挡率阈值时，获取与所述待识别人脸图像对应的待识别红外人脸图像；基于预先训练完成的穴位特征提取模型，得到所述待识别红外人脸图像的穴位间距特征；基于所述形状特征和穴位间距特征，采用预先训练完成的分类器模型进行类别划分，得到人脸识别结果。本发明实施例中的穴位间距特征，为从图像中提取到的真实特征，提高了人脸识别的准确度。
-
公开(公告)号：CN113114762B
公开(公告)日：2022-06-03
申请号：CN202110388501.1
申请日：2021-04-12
Applicant: 北京邮电大学 , 国网河南省电力公司信息通信公司 , 国家电网有限公司
IPC: H04L67/1001 , H04L67/566 , H04L67/568 , G06N3/08
Abstract: 本发明实施例提供的数据缓存方法及系统，可以获取边缘缓存服务器ECS存储的数据请求对应的请求信息；根据ECS或MCD服务的区域内MUE的总数量和ECS或MCD服务的区域内预设时间段内发送数据请求的MUE的数量，计算数据请求的流行度；将流行度输入预先训练好的深度强化学习模型DRL模型中，得到目标数据对应的分配策略；若分配策略为是，则根据分配策略向ECS或MCD缓存目标数据，以使ECS或MCD在接收到指定MUE发送的数据请求后向指定MUE反馈目标数据。从而可知保证数据请求的分配策略满足MCD服务的区域内数据请求的实际情况，在MCD接收到数据请求后反馈对应的请求数据，从而减小相应时延，提高用户体验。
-
-
-
-
-
-
-
-
-
Search Results
142
records
(took 0.063 seconds)
