-
公开(公告)号：CN118798306A
公开(公告)日：2024-10-18
申请号：CN202410753413.0
申请日：2024-06-12
Applicant: 北京邮电大学
Abstract: 本申请公开了一种基于强化学习多智能体协同的卫星服务组合选择方法及系统，包括：确定各个样本卫星分别对应的样本卫星剩余资源值，以及样本服务项集合包含的各个样本服务项分别对应的样本服务项资源需求值；将样本服务项集合、样本卫星剩余资源值和样本服务项资源需求值输入第一多智能体强化学习网络模型，得到第一多智能体强化学习网络模型输出的第一联合动作值；基于各个样本服务项资源需求值和各个第一联合动作值，计算第一多智能体强化学习网络模型的损失值；基于损失值，调整第一多智能体强化学习网络模型的第一参数，得到目标多智能体强化学习网络模型。
-
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。
-
Patent Agency Ranking
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。
-
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：CN111148174B
公开(公告)日：2021-12-24
申请号：CN201911278561.7
申请日：2019-12-13
Applicant: 北京邮电大学
Abstract: 本发明提供了一种移动边缘计算中服务迁移路径选择方法，该方法包括：A、根据Dijkstra算法寻找源边缘服务器到目标边缘服务器间的传输代价最小的路径作为最短路径；所述传输代价包括传输时延和传输价格；B、设置最优传输路径集合，如果所述最短路径存在，则将所述最短路径保存至该最优传输路径集合，根据所述最短路径中的最窄带宽和该服务迁移的时间阈值确定最短路径中最小传输数据量，如果最短路径中最小传输数据量不小于待传输的该服务迁移的数据量；则执行步骤C、返回该最短路径和在该最短路径下所需的传输时间，所述在该最短路径下所需的传输时间为该服务迁移的时间阈值。采用本发明能够在网络链路带宽受限的情况下，最小化传输时延和传输费用，以保障用户不受服务迁移引起的网络体验下降的影响。
-
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：CN112153221B
公开(公告)日：2021-06-29
申请号：CN202010976683.X
申请日：2020-09-16
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于社交网络图计算的通信行为识别方法，属于通信社交领域；首先，利用数据流接口抓取海量用户的通信记录，以所有用户为节点，用户间的通信行为为边构建通信社交网络；然后根据牛顿冷却定理，针对某时刻t进行每两个用户间亲密度的初始值计算；并根据通信社交网络，通过游走采样法初步挖掘目标用户A的社交子图：接着利用图卷积模型对社交子图中各节点交互进行建模，完成各节点状态的更新；同时，利用概率图模型通过马尔可夫随机场完成社交子图中各节点状态的更新；最后将各用户对应的两个节点状态的更新结果进行拼接，输入多范围门控单元，利用端到端学习法，输出概率结果进行名单的划分；本发明能实现实时有效的诈骗检测。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.05 seconds)
