-
公开(公告)号：CN117496335A
公开(公告)日：2024-02-02
申请号：CN202311540999.4
申请日：2023-11-20
Applicant: 南京邮电大学
IPC: G06V10/96 , G06V10/94 , G06V10/774 , G06V10/776 , G06T7/00
Abstract: 本发明公开了一种基于联邦半监督学习的皮肤病变智能识别方法及系统，包括：建立云边协同的皮肤病变智能识别网络，并接收上传的图像信息；建立基于联邦半监督学习的学习框架，并对所述联邦半监督学习的算法进行训练；利用训练后的算法对输入的图片进行识别，并输出概率最大的病变类别和概率作为诊断结果。在保护用户隐私的前提下，协同训练各个医疗机构数据，可为用户提供准确便捷的诊断服务。能够有效控制局部模型与全局模型之间的差异。能够明确各个本地模型的贡献，并将各个不均匀的本地模型聚合成一个全局共识模型，以进一步降低数据异构的影响。取得了更好的分类性能，同时其可扩展性也明显优于其他现有方法。
-
公开(公告)号：CN117439804A
公开(公告)日：2024-01-23
申请号：CN202311565004.X
申请日：2023-11-21
Applicant: 南京邮电大学
Abstract: 本发明提供一种面向联邦学习标签翻转攻击的客户端选择防御方法及系统，通过中心服务器初始化全局模型，并将全局模型分发给本地客户端和辅助客户端；本地客户端将训练后的全局模型更新发送到服务器层；辅助客户端测试本地客户端模型的准确率，中心服务器计算辅助客户端模型和本地客户端模型的余弦相似度；基于可靠因子对本地客户端模型进行加权聚合，得到更新后的全局模型；融合汤普森采样方法，得到被选中进行聚合的客户端序号的集合St；将得到的更新后的全局模型分发给St中对应的客户端，直至完成设定次数迭代；该方法能够快速有效把恶性客户端剔除出来，选择良性客户端进行聚合，并能够较快地收敛，有效防御标签翻转攻击，提高模型准确率。
-
公开(公告)号：CN115276768B
公开(公告)日：2023-07-28
申请号：CN202210866045.1
申请日：2022-07-22
Applicant: 南京邮电大学
IPC: H04B7/185 , H04W72/0453 , H04W72/541 , H04W72/542 , H04W84/18 , H04W4/38 , H04B17/391
Abstract: 本发明提出了一种融合干扰缓解与资源分配的无人机时延最小化方法。具体地，首先考虑基于视距通信链路的无人机到传感器节点信道模型，通过时延‑频移算法缓解同频干扰，达到降低误码率提高无线传感器网络通信质量；然后通过联合优化传感器节点传输功率、无人机三维部署以及带宽分配，达到最小化无人机辅助无线传感器网络数据传输时延最小化的目的。最后，仿真结果表明所发明方法具有可降低误码率的优点，且与分别优化传感器传输功率、无人机位置、通信带宽三种基准方法相比，本发明可以获得更低的传输时延。此外，与传统方法相比，本发明在最小化传输时延方面可以获得近似全局最优解。
-
公开(公告)号：CN110187964B
公开(公告)日：2023-07-11
申请号：CN201910374589.4
申请日：2019-05-07
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种物联网场景中完成时间最小化雾计算迁移方法，包括如下步骤：S1、设计感知雾计算架构，所述感知雾计算架构包括相互连通的感知层与雾层；S2、感知层中的感知节点向雾层中的雾节点发送计算请求、并将数据传输到对应的雾节点中；S3、所述雾层中的雾节点从对应的感知节点中接收计算请求并执行计算任务，当该雾节点上的计算任务过载时，该雾节点将部分计算任务迁移给相邻空闲的雾节点；S4、所述雾层中的雾节点将处理结果反馈给感知层中的感知节点。本发明能够求解出任务的完成时间最小的资源分配情况，满足那些计算密集型用户对低延迟的要求，提高了用户体验质量。
-
公开(公告)号：CN112804103B
公开(公告)日：2023-06-23
申请号：CN202110043738.6
申请日：2021-01-13
Applicant: 南京邮电大学
IPC: H04L41/0826 , H04L67/12 , G06N3/092 , H04L67/10 , G06N3/045
Abstract: 本发明公开了一种区块链赋能物联网中联合资源分配与控制的智能计算迁移方法，通过对时延、能耗和挖掘成本的综合考量，构建了一个最小化所有任务完成总成本的优化问题。在总成本构成中，基于区块链技术的挖掘成本考量可充分调动终端和雾节点参与计算迁移的能动性，且所设计的奖励分配规则可保证成功挖掘资源终端收获奖励的公平性。为解决上述混合整数非线性规划问题，提出了一种联合通信、计算与控制的智能计算迁移算法，该算法融合深度确定性策略梯度算法思想，设计了基于反梯度更新的双“行动者‑评论家”神经网络结构，使训练过程更加稳定并易于收敛；同时，通过对连读动作输出进行概率离散化运算，使其更加适用于混合整数非线性规划问题的求解。
-
Patent Agency Ranking
公开(公告)号：CN115396065B
公开(公告)日：2023-04-28
申请号：CN202211314405.3
申请日：2022-10-26
Applicant: 南京邮电大学
IPC: H04L1/00
Abstract: 本发明公开了一种稀疏随机线性网络编码的低时延解码方法包括：用户设备在接收到由稀疏随机线性网络编码生成的可解码编码块后，将可解码编码块的编码系数矩阵进行分块；每个线程通过拆分递归的并行任务对分块后的编码系数子矩阵进行并行LU分解；利用并行LU分解出的上三角矩阵和下三角矩阵求解源数据，实现解码；本发明在单机LU分解算法的基础上，考虑到当前的网络接入设备例如手机，车载电脑等均具备多核并行计算处理能力，将解码阶段的大规模矩阵计算任务分配给多个线程，利用多线程高效的并行性和数据计算能力，提高大规模稀疏矩阵的稀疏网络编码解码带宽。
-
公开(公告)号：CN115859114A
公开(公告)日：2023-03-28
申请号：CN202211619123.4
申请日：2022-12-14
Applicant: 南京邮电大学
IPC: G06F18/214 , G06N20/00
Abstract: 本发明属于物联网技术领域，公开了一种高效的计算分层的联邦学习训练方法，包括：步骤1：构建一个计算分层的联邦学习系统模型，步骤2：在联邦学习系统模型中允许用户在不需要进行本地梯度计算或连续数据传输的情况下参与联邦训练，该原则通过在线方法和离线方法实现；步骤3：针对联邦学习系统模型中的竞争、用户移动性、新的数据任务不断呈现给联邦学习系统模型和隐私保护的挑战提供解决方案。本发明使资源受限的设备能够在设备训练和轻量级消息传输的基础上执行联邦训练，在线和离线方法允许设备在不需要进行本地梯度计算或连续数据传输的情况下参与联邦训练，在保障性能的基础上减轻训练负担，减少通信开销。
-
公开(公告)号：CN111190831B
公开(公告)日：2022-09-20
申请号：CN202010002243.4
申请日：2020-01-02
Applicant: 南京邮电大学
Abstract: 本发明提供了一种区块链共识算法的鲁棒性分析方法及区块链系统，包括以下步骤：将区块链系统的节点作为点，区块状态作为线，区块链性能作为面；定义区块链中共识算法的鲁棒性参数；分类并分析区块链中共识算法的鲁棒性参数；建立鲁棒性分析模型。本发明通过节点、区块状态和区块链性能方面的区块链参数，分析共识算法的鲁棒性，可以更广泛地应用于区块链项目，评估出实现共识的最优方法，验证算法的可用性、活跃性、容错性等特点。
-
公开(公告)号：CN110135488B
公开(公告)日：2022-08-26
申请号：CN201910388345.1
申请日：2019-05-10
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种融合字典训练与观测矩阵优化的数据高质压缩方法，通过对稀疏字典与观测矩阵联合优化，实现字典与观测矩阵之间相关性的深入挖掘，主要解决了实际传感器数据采集的问题：首先，本发明构建了一种基于K‑SVD思想的二维字典训练方法，实现IIoT中空时数据的稀疏表示；其次，通过在空间和时间域优化相应的观测矩阵来最小化感知矩阵的列相干性，从而匹配训练后的稀疏字典。最后，提出了一种联合优化方法，在字典训练以及观测矩阵优化之间进行了权衡考量，使得重构误差达到理论上的最小值。与现有的数据压缩方案相比，本发明提出的HQDC方法可以在真实的IIoT场景中高效地工作；同时，HQDC方法在重建精度上也显著优于其他的数据压缩方案。
-
公开(公告)号：CN114821645A
公开(公告)日：2022-07-29
申请号：CN202210415851.7
申请日：2022-04-20
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了融合残差Inception与双向ConvGRU(Convolutional GatedRecurrent Unit,ConvGRU)的皮肤病变分割方法,其设计了一种云边协同的皮肤病变智能分割服务网络模型，通过该网络模型，用户可以获得快速、准确的分割服务；其次，构建了一种新的皮肤病变智能分割模型，通过融合残差Inception与双向ConvGRU，该模型能融合不同尺度特征，提高模型特征提取能力，并能充分利用底层特征与语义特征之间的关系，捕获更丰富的全局上下文信息，取得更好的分割性能。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.026 seconds)
