网络状态信息获取方法及系统

    公开(公告)号:CN115314409B

    公开(公告)日:2024-02-06

    申请号:CN202210851138.7

    申请日:2022-07-20

    Abstract: 本发明提供了一种网络状态信息获取方法及系统,涉及通信技术领域。方法包括:首先,第一用户面设备解析第一GTP‑U报文,并根据控制面设备预先下发的INT指示收集所述第一用户面设备的第一INT元数据,生成第二GTP‑U报文,并发送至第二用户面设备,然后,第二用户面设备解析第二GTP‑U报文,并根据INT指示收集第二用户面设备的第二INT元数据,并将第一INT元数据和第二INT元数据,发送给控制面设备,最后,控制面设备接收第一INT元数据和第二INT元数据,并储存在预设数据库中。在本申请中,通过收集各个用户面设备的INT元数据,实现了带内网络遥测在核心网中的应用,并且基于INT元数据能够实现高精度、多种类的业务流量的网络状态信

    一种基于非可靠传输协议的联邦训练加速方法

    公开(公告)号:CN116708200A

    公开(公告)日:2023-09-05

    申请号:CN202310719831.3

    申请日:2023-06-17

    Abstract: 本发明涉及机器学习和计算机网络技术领域,且公开了一种基于非可靠传输协议的联邦训练加速方法,通过设计基于拥塞反馈的非可靠层传输算法解决不确定性丢包下如何最大化完整层的接收率;通过设计一个基于层参数的联邦冻结训练框架保证在参数丢失下联邦训练的模型精度无损。该基于非可靠传输协议的联邦训练加速方法,设计了一种基于非可靠传输协议的可穿戴联邦训练加速技术。其关键思想是直接忽略这些网络侧丢失的参数,而不是对网络传输协议进行复杂的检测和重传操作,从而大大提高端到端网络吞吐量;然后,基于机器学习训练的参数冗余特性,接收端用前一轮参数替换网络丢包,并采用层冻结训练技术实现联邦学习在参数丢失下的高精度训练。

    一种基于价值图的智能网联驾驶规划方法

    公开(公告)号:CN114212107B

    公开(公告)日:2023-05-12

    申请号:CN202111585921.5

    申请日:2021-12-20

    Abstract: 本发明是一种基于价值图的智能网联驾驶规划方法,涉及车联网技术领域。本发明在路口设置的边缘计算节点中基于区域内交通元素的特征计算通行势图,基于区域内静态特征计算路面基图,基于区域内所有车辆的历史轨迹,计算不可观测因素对通行价值的影响,获得通行价值底图,将三个图叠加形成通行价值图传输给车辆;车辆探测周围区域中的交通元素计算局部通行势图,并更新通行价值图,进行路径规划。本发明方法通过价值图完成车载设备与边缘计算协同,降低了路面交通态势数据维度,扩大了车辆感知范围,为车辆提供更丰富的环境信息,提高了路径规划的质量,也降低了车路通信的带宽需求,降低了车载终端处理的复杂度,减少对车辆的算力需求。

    一种基于价值图的智能网联驾驶规划方法

    公开(公告)号:CN114212107A

    公开(公告)日:2022-03-22

    申请号:CN202111585921.5

    申请日:2021-12-20

    Abstract: 本发明是一种基于价值图的智能网联驾驶规划方法,涉及车联网技术领域。本发明在路口设置的边缘计算节点中基于区域内交通元素的特征计算通行势图,基于区域内静态特征计算路面基图,基于区域内所有车辆的历史轨迹,计算不可观测因素对通行价值的影响,获得通行价值底图,将三个图叠加形成通行价值图传输给车辆;车辆探测周围区域中的交通元素计算局部通行势图,并更新通行价值图,进行路径规划。本发明方法通过价值图完成车载设备与边缘计算协同,降低了路面交通态势数据维度,扩大了车辆感知范围,为车辆提供更丰富的环境信息,提高了路径规划的质量,也降低了车路通信的带宽需求,降低了车载终端处理的复杂度,减少对车辆的算力需求。

    一种边缘计算服务的迁移方法

    公开(公告)号:CN113852693A

    公开(公告)日:2021-12-28

    申请号:CN202111127108.3

    申请日:2021-09-26

    Abstract: 本申请公开了一种边缘计算服务的迁移方法,其特征在于,在云计算中心设置若干中心控制节点进行迁移服务的锁定,在边缘节点上设置使用sidecar模式部署的用户接入层管理,方法包括:迁移前的第一边缘节点接收用户终端上报的自身状态和向第二边缘节点的服务迁移请求,当确定允许进行服务迁移后,所述第一边缘节点获取第二边缘节点的地址发送给所述用户终端,所述中心控制节点锁定所述服务迁移,拒绝服务迁移过程中所述用户终端相同方向上其他服务的迁移请求;所述第一边缘节点中断要迁移的服务,并将该服务的迁移数据发送给所述第二边缘节点,用于所述第二边缘节点在接收到所述用户终端的服务请求后恢复中断的服务。应用本申请,能够大大降低迁移时延,并保证迁移数据的一致性。

    一种基于边缘计算的车联网目标检测服务协同方法和装置

    公开(公告)号:CN113032133A

    公开(公告)日:2021-06-25

    申请号:CN201911343242.X

    申请日:2019-12-24

    Abstract: 本发明实施方式公开了一种基于边缘计算的车联网目标检测服务协同方法和装置。确定车辆从第一位置移动到第二位置的规划路径及沿着所述规划路径所途经的多个边缘服务器;确定当车辆沿着规划路径行驶过程中每次边缘服务器切换时的多个目标检测服务候选提供方案及每个目标检测服务候选提供方案的成本值;从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案,以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小。可以提高车辆的体验质量。

    在MTL卷积神经网络中任务冲突的解决方法及网络

    公开(公告)号:CN112966811A

    公开(公告)日:2021-06-15

    申请号:CN202110155686.1

    申请日:2021-02-04

    Abstract: 本发明实施例公开了一种在MTL卷积神经网络中任务冲突的解决方法及网络,在MTL卷积神经网络的共享浅层中包括训练得到的调制模块,所述调制模块针对不同任务在共享浅层中确定对应的子网结构,将任务的任务信息输入到对应的子网结构进行卷积处理,及经过调制模块的调制后,再输出到该任务的任务特定层处理后,输出任务结果,采用MTL卷积神经网络损失函数的梯度反向传播方式对处理结果进行反向传播,调整MTL神经网络的参数,其中,调制模块的训练过程与共享浅层的训练采用多任务并行学习方法同时进行,对上述过程循环多次进行,直到MTL卷积神经网络的参数收敛为止,得到训练好的MTL卷积神经网络。这样,避免多任务并行学习的冲突,提高训练得到的MTL卷积神经网络处理不同任务时的效果。

    一种基于联邦学习方式训练神经网络模型的方法及系统

    公开(公告)号:CN112929223A

    公开(公告)日:2021-06-08

    申请号:CN202110249146.X

    申请日:2021-03-08

    Abstract: 本发明实施例公开了一种基于联邦学习方式训练神经网络模型的方法及系统,本发明实施例在训练神经网络模型时,云服务器选取广域网内已有的至少一个局域网,云服务器将当前神经网络模型发送给所述局域网,由所述局域网在局域网内对该神经网络模型进行多个本地参与设备的联邦学习,并聚合为所述局域网改进的神经网络模型后,提供给云服务器;云服务器将接收到的局域网改进的神经网络模型进行聚合后,得到全局改进的该神经网络模型。这样,本发明实施例就可以在减少跨广域网通信量的前提下,实现基于联邦学习方式训练神经网络模型,提高训练速度及节省成本。

    一种边缘计算环境下的卸载方法和装置

    公开(公告)号:CN111158707B

    公开(公告)日:2021-05-25

    申请号:CN201911356986.5

    申请日:2019-12-25

    Abstract: 本发明实施方式公开了一种边缘计算环境下的卸载方法和装置。确定包含每个卸载任务的初始可行卸载策略的策略集,确定执行该策略集时的第一终端能效;随机选择卸载任务,改变该随机选择的卸载任务的初始可行卸载策略,确定当执行该包含改变后可行卸载策略的策略集时的第二终端能效;基于第一终端能效和第二终端能效的差值生成随机变量,依据随机变量为概率,在策略集中利用改变后可行卸载策略替换初始可行卸载策略;当第一终端能效和第二终端能效的差值的绝对值大于预定的门限值时,返回执行直到第一终端能效和第二终端能效的差值的绝对值小于等于预定的门限值后,再向每个边缘服务器广播策略集。本发明实施方式可以提高终端的能源效率。

Patent Agency Ranking