-
公开(公告)号：CN118740927A
公开(公告)日：2024-10-01
申请号：CN202310334926.3
申请日：2023-03-31
Applicant: 中国移动通信有限公司研究院 , 北京邮电大学 , 中国移动通信集团有限公司
IPC: H04L67/566 , H04L67/12
Abstract: 本申请提供一种核心网数据处理方法及通信设备，涉及通信技术领域，由核心网的第一网元执行，所述方法包括：收集原始数据流；通过数据筛选模型对所述原始数据流进行数据筛选，得到目标数据流；向网络数据分析功能NWDAF发送所述目标数据流。在本实施例中，在数据上报核心网数据过程中，无需配置订阅，也无需将订阅范围内的所有数据上报，通过数据筛选模型对所述原始数据流进行数据筛选，向NWDAF上报筛选后得到的目标数据流即可，以提高数据上报的灵活性。
-
公开(公告)号：CN118114727A
公开(公告)日：2024-05-31
申请号：CN202410524057.5
申请日：2024-04-29
Applicant: 北京邮电大学
IPC: G06N3/0495 , G06N3/0455 , G06F18/213 , G06F18/25 , G06F18/40
Abstract: 本申请涉及机器学习技术领域，公开了一种面向边缘设备的多模态处理系统及方法。该系统部署在移动端设备上用于处理目标任务，包括：语音任务、多模态任务、自然语言处理任务及视觉任务；系统通过数据接口接收应用程序发送的服务请求，包括：服务类型及目标数据，其中，目标数据包括以下至少一种模态的数据：语音数据、文本数据、图像数据及传感器数据；系统包括路径控制器及多个执行单元，路径控制器根据服务请求，从多个执行单元中确定目标执行单元；目标执行单元根据服务请求处理目标数据，生成结果数据。本系统能够在移动端设备上处理多模态任务，降低移动端上AI任务的处理时延，保障用户的数据隐私。
-
公开(公告)号：CN116776939A
公开(公告)日：2023-09-19
申请号：CN202310765012.2
申请日：2023-06-27
Applicant: 北京邮电大学深圳研究院
IPC: G06N3/0495 , G06N3/045 , G06N3/0442 , G06N3/063
Abstract: 本发明涉及人工智能和移动计算技术领域，且公开了一种面向终端设备的稀疏化大语言模型的部署方法，在Switch Transformer网络结构的基础上通过概率统计和并行化技术进行的改进，Switch Transformer网络结构中将T5模型中的FFN层替换为MoE结构，设计一个全局的专家暂存器，专家暂存器管理从磁盘中加载的专家网络，在进行推理时会直接使用专家暂存器中的专家网络进行推理，实现了在终端设备上以少量推理时间的增加为代价，部署远大于终端设备内存上限的模型，并实现零精度损失的推理部署。
-
公开(公告)号：CN112966811B
公开(公告)日：2023-04-14
申请号：CN202110155686.1
申请日：2021-02-04
Applicant: 北京邮电大学
IPC: G06N3/0464 , G06N3/084
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。
-
公开(公告)号：CN115809216A
公开(公告)日：2023-03-17
申请号：CN202211496832.8
申请日：2022-11-25
Applicant: 北京邮电大学
Abstract: 一种太空服务器及应用方法，卫星中设置的太空服务器为ARM架构的SoC集群服务器，将该SoC集群服务器搭载在卫星中，该太空服务器包括以太网交换模块，接收卫星中星载交换机转发的任务所需数据并发送任务处理结果；还包括至少一电路底板，在每个电路底板中置入多个ARM SoC模块，每个ARM SoC模块经由电路底板和以太网交换模块接收其处理的任务所需数据，将任务处理结果经由电路底板和以太网交换模块输出；还包括管理模块，根据其内置管理策略对该太空服务器中的所述ARM SoC模块、电路底板及以太网交换模块进行控制管理。本申请在卫星中处理任务所需数据，且将得到的任务处理结果传输到地面站点，满足任务的实时性和时效性的需求。
-
Patent Agency Ranking
公开(公告)号：CN115334077A
公开(公告)日：2022-11-11
申请号：CN202210947950.X
申请日：2022-08-09
Applicant: 北京邮电大学
IPC: H04L67/10 , H04L41/12 , H04L41/0893 , H04L41/0803
Abstract: 本申请公开了一种跨广域网的应用管控方法及系统，在跨广域网的网络中设置统一管控功能实体，所述统一管控功能实体收集应用管控涉及的信息，基于所述信息进行面向应用及网络功能实体的资源计算及节点部署的分析，生成配置策略，根据所述配置策略在所述计算网络中进行应用及网络功能实体的资源分配及节点部署。这样，本申请实施例由所设置的专门实体，基于收集的应用管控涉及的信息，并基于信息进行配置策略的生成，据此实现了跨广域网的应用管控，且保证所提供的应用的服务质量。
-
公开(公告)号：CN113489787A
公开(公告)日：2021-10-08
申请号：CN202110761876.8
申请日：2021-07-06
Applicant: 北京邮电大学
Abstract: 本发明提供了一种移动边缘计算的服务与数据协同迁移的方法和装置，该方法包括：移动用户位置变化导致用户服务要发生迁移时，根据待迁移服务的数据所在边缘服务器及待迁移服务的数据所在边缘服务器的存储状态变化概率，采用粒子群迭代算法确定使待迁移服务的服务响应时间最短时待迁移服务的服务迁移位置和数据迁移位置；将待迁移服务和待迁移服务的数据分别迁移到所述服务迁移位置和所述数据迁移位置。本发明能够降低服务响应时间。
-
公开(公告)号：CN114611689B
公开(公告)日：2025-04-04
申请号：CN202210100881.9
申请日：2022-01-27
Applicant: 北京邮电大学
Abstract: 本发明提供了一种低精度整型表示下的联邦学习方法，包括：服务器对全局浮点数模型进行初始化，并选择终端；将全局浮点数模型量化为整型的全局整型模型；服务器将全局整型模型发送至终端；终端利用训练数据对获取的全局整型模型进行训练，得到整型的低精度模型；终端将低精度模型传输至服务器；服务器对全局整型模型以及低精度模型反量化，利用反量化后的全局整型模型以及反量化后的低精度模型更新全局浮点数模型；重复上述初始化之后的步骤直至所述全局浮点数模型收敛或达到预设的训练次数；本发明通过设计一个全整型表示的神经网络训练算法解决终端浮点数运算的能耗问题并通过设计一个低精度模型聚合算法解决低精度联邦学习的精度问题。
-
公开(公告)号：CN115361387B
公开(公告)日：2024-12-13
申请号：CN202210990289.0
申请日：2022-08-18
Applicant: 北京邮电大学
Abstract: 一种容器实例数目调整及用户请求分流的联合控制方法及装置，采用训练好的深度强化学习模型完成，该模型将当前能够启动的容器实例数目、当前时隙运行的容器实例数目及当前时隙的用户请求状态信息作为输入，输出当前时隙所需的容器实例数目的增减信息及当前时隙的用户请求分流信息。基于该模型的输出结果，对跨域边缘网络中的容器实例数目进行增减控制及对用户请求分流到对应的边缘云的过程进行控制。该模型的训练是基于预设的问题模型进行求解实现的，该问题模型是以跨域边缘网络的单位时隙平均用户请求成本最小为目标，采用马尔科夫决策方式进行问题建模得到的。因此，本申请以用户请求为调度粒度，实现跨域边缘网络中的算力资源的动态管理。
-
公开(公告)号：CN117931412B
公开(公告)日：2024-06-11
申请号：CN202410324706.7
申请日：2024-03-21
Applicant: 北京邮电大学
IPC: G06F9/48 , G06F13/368
Abstract: 本申请涉及计算机技术领域，公开了一种双内核实时操作系统及任务调度方法。该系统应用于星务计算机，包括：内核接口、通用内核及实时内核；内核接口，用于接收目标任务发起的系统调用请求并生成中断，根据目标任务是否具有实时响应需求，将中断分发到实时内核或通用内核；通用内核，用于抽象系统的硬件资源，并共享给实时内核；在目标任务不具有实时响应需求的情况下，作为目标内核执行系统调用；实时内核，用于通过内核接口，使用通用内核共享的硬件资源；在目标任务具有实时响应需求的情况下，作为目标内核执行系统调用。采用本申请的操作系统，能够提高星务计算机实时操作系统的安全性，同时向用户提供丰富的应用程序与服务。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.023 seconds)
