面向故障容忍的802.11ax多帧传输资源调配方法

    公开(公告)号:CN118119015A

    公开(公告)日:2024-05-31

    申请号:CN202410291888.2

    申请日:2024-03-14

    摘要: 本申请公开了一种面向故障容忍的802.11ax多帧传输资源调配方法,该方法包括:在任一接入点的相邻接入点未接收到任一接入点的信标帧的情况下,确认任一接入点出现故障;基于多帧时隙分组算法、资源块分配算法和多用户多输入多输出算法重新为任一接入点覆盖的终端分配相邻接入点的资源块,得到初始分配结果;基于改进的粒子群算法对初始分配结果进行优化,得到最终的分配结果。本申请提供的方法和装置,可以在接入点出现故障时对终端接入资源进行分配,并保证了系统的高吞吐量提高了信道资源的利用率。

    非地面网络的多任务协同分配方法、装置和相关设备

    公开(公告)号:CN117472563A

    公开(公告)日:2024-01-30

    申请号:CN202311244960.8

    申请日:2023-09-25

    IPC分类号: G06F9/50 G06N20/00 H04W24/02

    摘要: 本发明涉及通信领域,提供一种非地面网络的多任务协同分配方法、装置和相关设备,通过构建面向非地面网络、以最小化任务的总协同计算时延为优化目标,以协作节点和聚合节点为优化变量的优化问题,其中总协同计算时延包括所述任务的上行传输时延、分配时延、计算处理时延、聚合时延、等待时延以及回传时延,所述等待时延包括任务栈等待时延和传输栈等待时延,并利用多智能体强化学习算法对其进行求解,在求解过程中,构建初始的智能体强化学习模型,然后基于QMIX算法对其进行迭代训练得到训练好的多智能体强化学习模型,用于对用户设备发送的任务中的所有子任务进行节点分配,并进行最优路径的规划,可以提高非地面网络的处理任务的效率。

    基础模型分布式训练系统和训练方法

    公开(公告)号:CN117035053A

    公开(公告)日:2023-11-10

    申请号:CN202310768191.5

    申请日:2023-06-27

    摘要: 本发明涉及深度学习技术领域,尤其涉及一种基础模型的分布式训练系统和训练方法,首先将初始基础模型下发给各个智能终端,采用本地训练集对初始基础模型进行训练,得到训练后的个性化模型;然后在各个边缘服务器中,对接收到的多个个性化模型的模型参数进行图聚类更新,并根据聚类结果进行初步聚合处理,得到多个聚合后的局部模型;并将多个局部模型的模型参数发送给云服务器;对多个局部模型的模型参数进行整体聚合,得到新的初始基础模型。这样,将初始基础模型下发到多个智能终端中分别进行训练,再对训练后的个性化模型进行参数聚合,以得到最终训练好的基础模型,可以提高基础模型的训练效率。

    任务卸载方法、物联网设备及服务设备

    公开(公告)号:CN115134827A

    公开(公告)日:2022-09-30

    申请号:CN202210557338.1

    申请日:2022-05-19

    IPC分类号: H04W24/02 H04W24/06 H04W4/70

    摘要: 本发明提供一种任务卸载方法、物联网设备及服务设备,该方法包括:物联网设备基于本地模型获取待卸载任务执行完毕时对应的总时延和总能耗;根据总时延和总能耗确定本地模型对应的权重参数;向服务设备发送权重参数;服务设备接收物联网设备发送的权重参数,并根据权重参数确定物联网设备对应的目标模型;向物联网设备发送目标模型;物联网设备接收服务设备发送的目标模型;根据目标模型对本地模型进行更新,并基于更新后的本地模型执行新的待卸载任务。该方法用以解决现有技术中执行待卸载任务的过程中,用户信息易泄露的缺陷,实现在物联网设备无需与服务设备进行用户信息交互的情况下,即在保证用户隐私不被泄露的情况下,有效执行待卸载任务。