-
公开(公告)号：CN115865785A
公开(公告)日：2023-03-28
申请号：CN202310166703.0
申请日：2023-02-27
Applicant: 南京邮电大学
IPC: H04L45/12 , H04L45/02 , G06F18/23213
Abstract: 本发明公开了一种基于k‑means聚类的VANET分簇路由方法，包括：1、车辆节点集采用k‑means聚类算法通过迭代选出K个聚类中心节点；2、聚类中心发送簇编号给CM，CM更新路由表；3、进行簇头选择，找到簇头CH后更新CH路由表；4、簇内通信；5、簇间通信。本发明通过分簇指数对k‑means算法进行改进，加快算法的收敛速度得到合适的集群数；通过改进的人工蜂群算法中蚁群的迭代搜索获取k个分簇中全局最优的k个簇头，在不同大小车辆节点集的情况下可以得到数量相近的簇头数量，提高簇头的稳定性；在车辆节点集大小不同的情况下可以将车辆节点间的端到端时延降低到5%；数据包到达率提高到96%。
-
公开(公告)号：CN114640568A
公开(公告)日：2022-06-17
申请号：CN202210536555.2
申请日：2022-05-18
Applicant: 南京邮电大学
IPC: H04L41/042 , H04L41/0803 , G06N3/08
Abstract: 本发明公开了基于深度强化学习的网络智能管控架构系统和运行方法，应用于网络内部的管理控制。其中架构系统由数据平面、控制平面以及管理平面组成。运行方法为：数据平面通过网络遥测技术探测网络中的各类数据，控制平面接收数据平面上传数据，通过深度强化学习技术进行在线决策并下发配置指令，数据平面接收指令对网络内设备进行处理。管理平面根据各分布式控制平面上传的网络状态数据进行学习，并将知识共享到各分布式控制平面。本发明基于深度强化学习技术，可实现网络内部的智能管控，有效提高网络内部资源利用率。
-
公开(公告)号：CN119545435A
公开(公告)日：2025-02-28
申请号：CN202411664799.4
申请日：2024-11-20
Applicant: 南京邮电大学
IPC: H04W28/084 , H04W28/082 , H04W28/08
Abstract: 本发明属于边缘计算技术领域，公开了一种资源感知的智能边缘网关系统及运行方法，智能边缘网关包括用户设备服务与协议转换单元、计算资源感知单元、网关设备服务单元、无线充电单元、设备管理与控制单元、数据存储单元、计算任务卸载决策单元、任务计算单元，通过资源感知技术获得用户设备和网关设备的能源、计算以及传输资源信息，并结合深度强化学习算法，将其应用于系统的卸载决策和资源分配中，通过学习不断优化充电与卸载时间、卸载策略和资源分配，联合多区域的智能边缘网关协同计算，降低计算任务的时延以及用户设备功耗，满足用户需求。
-
公开(公告)号：CN119183136A
公开(公告)日：2024-12-24
申请号：CN202411702576.2
申请日：2024-11-26
IPC: H04W24/02 , H04W28/084 , H04W28/08 , H04W28/14 , G06N3/092
Abstract: 本发明公开了数字孪生辅助边缘网络资源分配优化方法，属于边缘计算技术领域；包括为：建立数字孪生辅助边缘网络的资源分配系统；确定卸载模式下计算任务所需传输时延及能耗；构建多智能深度强化学习模型；对多智能深度强化学习模型进行训练，利用训练好的训练多智能深度强化学习模型，实现资源分配策略。本发明通过建立服务缓存模块和任务卸载模块，实现任务处理时延和能耗的最小化；分别考虑MEC服务器和用户终端设备的状态空间，提升任务卸载成功率,显著降低了任务处理时延及能耗，进一步提高任务卸载和资源分配的准确性。
-
公开(公告)号：CN118095446B
公开(公告)日：2024-07-02
申请号：CN202410509575.X
申请日：2024-04-26
Applicant: 南京邮电大学
Abstract: 本发明属于边缘计算技术领域，公开了一种面向多优先级任务的自适应协同推理加速方法，当推理任务进入到边缘服务器处的排队等待队列时根据当前队列状态做出是否反悔上传到云的决策，若反悔则从原始的边端协同调整为端云协同，最终实现高效的协同推理加速过程，该自适应协同推理加速方法通过自适应协同推理加速系统实现，该系统包括多个终端设备、多个边缘服务器以及一个云服务器。本发明通过在边缘服务器设计基于任务优先级的非抢占式优先排队模型，保证在优先处理较高优先级任务的同时，较低优先级任务也能在时延容忍时间内完成处理，充分利用边缘服务器有限计算资源，使云服务器资源得到合理规划以保证较高的服务质量，获得最大收益。
-
Patent Agency Ranking
公开(公告)号：CN117834643B
公开(公告)日：2024-05-03
申请号：CN202410246171.6
申请日：2024-03-05
Applicant: 南京邮电大学
IPC: H04L67/1023 , H04L67/12 , H04L41/142 , H04L41/16 , G06N3/0442 , G06N3/092 , G06N3/082 , G06N5/04
Abstract: 本发明属于工业物联网和深度神经网络技术领域，公开了一种面向工业物联网的深度神经网络协同推理方法，其用DQN算法和LSTM算法，对工业物联网的推理任务进行高效的动态卸载，其中LSTM算法拥有对长期状态的记忆能力，能够更准确的估计当前服务器和用户设备的当前状态，从而保证了算法的准确性，提高了推理效率。本发明所述的方法能够更加高效地利用边缘服务器的计算能力，提高深度神经网络推理的效率；同时，可以降低推理任务的延迟、减少能耗，并可以根据环境的变化动态选择最优的推理方法。
-
公开(公告)号：CN117539640B
公开(公告)日：2024-03-26
申请号：CN202410026413.0
申请日：2024-01-09
Applicant: 南京邮电大学
IPC: G06F9/50 , G06F18/231 , G06N3/045 , G06N3/042 , G06N3/0985 , G06N5/04
Abstract: 本发明公开了一种边缘技术领域的面向异构推理任务的边端协同系统及资源分配方法，旨在解决现有技术中异构边缘服务器无法为异构推理任务进行合理、高效的资源分配等问题，边端协同系统包括终端设备层和边缘服务器层，终端设备层包括多个物联网设备，边缘服务器层包括多个异构边缘服务器，以及应用于边端协同系统的资源分配方法。本发明对物联网设备产生的多个并行异构推理任务进行边端协同处理，实现在满足推理任务不同需求的同时最大化系统的资源利用率。
-
公开(公告)号：CN117313732A
公开(公告)日：2023-12-29
申请号：CN202311608482.4
申请日：2023-11-29
Applicant: 南京邮电大学
IPC: G06F40/295 , G06F40/216 , G06F18/214 , G06N20/00
Abstract: 本发明公开了一种医疗命名实体识别方法、装置及存储介质，属于自然语言处理技术领域，其包括：利用现有医疗文本训练得到命名实体识别模型，将待识别医疗文本输入命名实体识别模型，完成实体的提取，该模型的获取包括：对教师模型进行医疗领域的初始化训练，通过训练后的教师模型得到未标记字的伪标签，通过标签选择策略对所述伪标签进行选择，通过正伪标签、负伪标签及其对应的标记数据分别对学生模型进行训练，得到命名实体识别模型，利用医疗领域少量标记数据完成了命名实体识别任务，减少了人工成本，不仅通过标签选择减少了噪声标签进入模型，还通过性能评价指标的衡量获取了性能最优的模型，提升了命名实体识别的效果。
-
公开(公告)号：CN116915781B
公开(公告)日：2023-12-12
申请号：CN202311182560.9
申请日：2023-09-14
Applicant: 南京邮电大学
IPC: H04L67/1001 , H04L67/1004 , H04L67/1074 , H04L67/1097 , H04L67/06 , H04L67/568 , H04L9/00 , H04L9/40 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/09 , G06N3/092
Abstract: 本发明公开了一种基于区块链的边缘协作缓存系统及方法，系统包括边缘节点、服务器和区块链；若干边缘节点用于基于用户历史请求信息生成内容流行度分布，并通过区块链将内容流行度分布上传至服务器，服务器用于将接收到的内容流行度分布结合各边缘节点的缓存空间状态制定边缘协作缓存策略，并基于制定的边缘协作缓存策略调控相关边缘节点协作缓存流行内容数据。本发明改进区块链技术并引入协作缓存的思想，构建安全可信、协同高效的边缘协作缓存系统，提高了缓存效率和缓存命中率，最大化资源利用率，同时所有数据通过基于智能合约的(56)对比文件蔡艳等.Ｄ２Ｄ 协作的边缘缓存系统能耗分析《.南京邮电大学学报》.2022,第42卷(第01期),全文.Scott Matteson.How blockchain andedge computing can work together.《TechRepublic》.2022,全文.Ruizhe Yang et.al.IntegratedBlockchain and Edge Computing Systems: ASurvey, Some Research Issues andChallenges《.IEEE Communications Surveys &Tutorials》.2019,第21卷(第02期),全文.方俊杰;雷凯.面向边缘人工智能计算的区块链技术综述.应用科学学报.2020,(01),全文.钟加勇.配电物联网智能融合终端云边协同模型及应用研究《.中国博士论文全文数据库（工程科技Ⅱ辑）》.2023,(第08期),全文.陈玉平等.云边协同综述《.计算机科学》.2021,第48卷(第03期),全文.
-
公开(公告)号：CN116582871B
公开(公告)日：2023-10-13
申请号：CN202310828232.5
申请日：2023-07-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于拓扑优化的无人机集群联邦学习模型优化方法，本发明面向无人机集群，根据带宽分配、计算时延、通信时延以及拓扑设计的约束条件，最小化无人机集群联邦学习每一轮的能量消耗和时延的加权和；进而获得每一轮无人机集群对应的关于模型参数传输的拓扑结构，基于拓扑结构，各跟随无人机的本地联邦学习模型参数传输至领头无人机；领头无人机进行参数聚合并更新，获得下一轮迭代中的全局联邦学习模型参数，当全局联邦学习模型参数对应的联邦学习模型精度达到要求，则获得无人机集群对应的联邦学习模型。本发明显著加快联邦学习过程，大大提高了无人机集群联邦学习的鲁棒性，使联邦学习能够更好地适应网络拓扑高动态的无人机集群。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.032 seconds)
