-
公开(公告)号：CN116938944A
公开(公告)日：2023-10-24
申请号：CN202310661255.1
申请日：2023-06-05
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L67/1008 , H04L67/1014 , G06F9/50 , G06N3/006
Abstract: 本发明提供了一种适用于异构网络的系统编码分布式计算分配方法，包括：步骤一，采用多消息通信模型将计算矩阵进行块划分，采用系统MDS码进行矩阵编码，根据编码和系统参数，设计最小化任务执行时延问题；步骤二，采用贪心二分搜索算法，解决第一步的执行时延最小化问题，由所述贪心二分搜索算法获得每个工作节点所分配的最佳块数量；步骤三，采用系统块的比例分配算法，获得每个工作节点所分配的最佳系统块数，以降低译码时延。本发明的有益效果是：1.本发明的一种适用于异构网络的系统编码分布式计算分配方法可以降低任务执行时延；2.本发明的一种适用于异构网络的系统编码分布式计算分配方法可降低译码时延，从而降低任务总完成时延。
-
公开(公告)号：CN111209294B
公开(公告)日：2023-10-24
申请号：CN202010031198.5
申请日：2020-01-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/24 , G06F16/29 , G06F18/22 , G06F18/2413 , G01C21/20
Abstract: 本发明适用于多无人机分布式搜索技术领域，提供了一种基于区域分配面向多无人机的分布式覆盖搜索方法,包括：S1、根据RKNN算法将栅格地图单元进行合并划分到不同区域；S2、根据模型预测控制得到每个无人机需要搜索区域集合并将集合中的区域分配给无人机；S3、无人机根据自己分配到的区域设计搜索路线对区域进行覆盖搜索。该方法能够在更短时间完成搜索任务；相比于直接使用多旅行商问题进行求解，利用栅格区域化减少了求解难度，简化了求解的时间复杂度；能够有效应对搜索过程中出现的突发情况；分别针对已知环境和未知环境提供了对应的路径规划方案，能适应更多的应用场景。
-
公开(公告)号：CN111209294A
公开(公告)日：2020-05-29
申请号：CN202010031198.5
申请日：2020-01-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明适用于多无人机分布式搜索技术领域，提供了一种基于区域分配面向多无人机的分布式覆盖搜索方法,包括：S1、根据PKNN算法将栅格地图单元进行合并划分到不同区域；S2、根据模型预测控制得到每个无人机需要搜索区域集合并将集合中的区域分配给无人机；S3、无人机根据自己分配到的区域设计搜索路线对区域进行覆盖搜索。该方法能够在更短时间完成搜索任务；相比于直接使用多旅行商问题进行求解，利用栅格区域化减少了求解难度，简化了求解的时间复杂度；能够有效应对搜索过程中出现的突发情况；分别针对已知环境和未知环境提供了对应的路径规划方案，能适应更多的应用场景。
-
公开(公告)号：CN118428494A
公开(公告)日：2024-08-02
申请号：CN202410581945.0
申请日：2024-05-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N20/20
Abstract: 本发明涉及模型训练技术领域，具体是涉及一种样本权重构建方法、模型更新方法、双层系统、设备。本发明在边缘服务器将样本信息发送给中心服务器之后，边缘服务器会实时监测其上的远端模型的更新总次数，根据更新总次数确定样本信息的实时新鲜度，并根据样本信息中的控制结果确定样本信息的误差权重。根据更新总次数和控制结果确定样本信息的总权重，使得使用样本信息进行本地模型训练时，本地模型能够根据总权重有侧重的学习样本信息，从而提高了所训练的本地模型性能，使用高性能的本地模型更新远端模型，进而也能提高远端模型的性能。
-
公开(公告)号：CN118396070A
公开(公告)日：2024-07-26
申请号：CN202410577131.X
申请日：2024-05-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/082 , G06N3/0464
Abstract: 本发明涉及新一代通信技术领域，具体是涉及一种信源信道联合编码系统轻量化方法、装置和设备。本发明首先采集系统的噪声信息，然后根据噪声信息确定可以裁剪的卷积层通道数量，也就是裁剪总数量，并计算每个卷积层通道对系统的深度学习模型的重要性，最后根据每个卷积层通道的重要性，筛选出总数量的目标通道，并将从深度学习模型上裁剪掉这些目标通道，以实现系统的轻量化。从上述分析可知，本发明是根据噪声信息确定可以裁剪的通道数量，以使得裁剪之后的深度学习模型还有处理噪声的能力，从而保证了轻量化系统的通信质量。
-
Patent Agency Ranking
公开(公告)号：CN118174828A
公开(公告)日：2024-06-11
申请号：CN202410591935.5
申请日：2024-05-14
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L1/00
Abstract: 本发明涉及信道编码技术领域，具体是涉及构造极化码的信道选择优化方法、装置、设备及存储介质。本发明根据子信道的可靠性以及子信道所构造的预设极化向量的汉明重量，将子信道划分成初选信道集合和候选信道集合。之后根据初选信道集合所构造的第一极化码的第一最小汉明距离、候选信道集合所构造的预设极化向量的汉明重量，从候选信道集合内筛选出备选子信道，并用备选子信道优化初选信道集合。从上述分析可知，本发明在优化初选信道集合时，不仅考虑了子信道的可靠性，还考虑了汉明重量和最小汉明距离，以提高优化之后的初选信道集合的性能，也就是使用本申请优化之后的信道集合能够更好的构造后续的极化码。
-
公开(公告)号：CN117915430A
公开(公告)日：2024-04-19
申请号：CN202410062986.9
申请日：2024-01-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04W40/22 , H04W28/086 , H04W28/08 , H04L1/00
Abstract: 本发明提供一种了基于无码率编码分布式计算的中继选择和负载分配方法、系统及存储介质，该中继选择和负载分配方法包括：步骤一：结合LT码编码特点和任务结果计算及传输的机制，推导任务执行时间；步骤二：以中继选择策略和负载分配方案为决策变量，建立最小化任务完成时间优化问题；步骤三：通过基于贪心算法的最小惩罚值中继选择与负载分配算法去求解优化问题，得到最佳的工作节点选择策略和最优的任务负载分配方案，达到了最小的任务执行总时延。本发明的有益效果是：1.以最小化计算任务的执行时延，提高系统效能；2.采用贪心算法设计工作节点的中继选择策略和任务负载的分配方案，鲁棒性优于目前编码分布式计算研究领域中的各方案。
-
公开(公告)号：CN117768385A
公开(公告)日：2024-03-26
申请号：CN202311785610.2
申请日：2023-12-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种面向卫星时变网络拓扑的分布式计算协同流路由方法、系统及存储介质，该分布式计算协同流路由方法包括：步骤一：构建卫星星间链路动态网络下的协同流传输时变图模型；步骤二：基于协同流传输时变图的启发式路由算法；通过在协同流时变图模型上的路径计算求解可用路径集，并设置基于流量优先级的调度规则，通过对可行路径集中路径的评估，不断地选取当前情形下的最优路径。本发明的有益效果是：1.有效降低了卫星分布式计算中的用时；2.在有效降低协同流完成时间的同时，有效提高了卫星分布式计算时的效率。
-
公开(公告)号：CN116781142A
公开(公告)日：2023-09-19
申请号：CN202310748528.6
申请日：2023-06-21
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04B7/185
Abstract: 本发明提供了一种面向卫星存储网络的低延迟聚合编码数据修复方法及系统，该低延迟聚合编码数据修复方法包括以下步骤：步骤一，从n‑1个可用数据存储节点中选择k个具有最短路径的源节点；步骤二，构建编码路径树(Coding Path Tree,CPT)；步骤三，采用步骤二获得的编码路径树CPT对低轨卫星存储星座(LEO Storage Constellation,LSC)的数据进行修复。本发明的有益效果是：本发明低延迟聚合编码数据修复方法能够降低LSC存储节点修复过程中的能量开销以及修复时延。
-
公开(公告)号：CN116363535A
公开(公告)日：2023-06-30
申请号：CN202310520882.3
申请日：2023-05-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V20/17 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于卷积神经网络的无人机航拍影像中的船舶检测方法，包括以下步骤：步骤1，构建YOLO格式的无人机航拍影像船舶数据集；步骤2，将步骤1中构建的船舶数据集送入改进的YOLOv5s网络进行船舶检测模型训练；步骤3，使用步骤2训练出的模型文件进行船舶目标检测。本发明采用上述基于卷积神经网络的无人机航拍影像中的船舶检测方法，能够解决现有船舶检测算法精准度不足以及检测速度较慢的问题，让船舶检测具备更高的效率。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.07 seconds)
