-
公开(公告)号：CN116339994B
公开(公告)日：2025-04-25
申请号：CN202310318645.9
申请日：2023-03-27
Applicant: 南京邮电大学
IPC: G06F9/50 , G06F30/20 , G06F111/06 , G06F111/04
Abstract: 本发明公开了一种基于用户协作与无线功率传输的无人机辅助移动边缘计算系统的优化方法，包括：获取的无人机辅助移动边缘计算系统的系统数据和待处理计算任务；基于获取到的系统数据和待处理计算任务，对预设的联合优化模型进行求解，得到优化结果；基于优化结果，控制无人机按最优的无人机飞行轨迹飞行，将最优地面活动用户卸载的数据量卸载至地面空闲用户和无人机，根据最优分配将待处理计算任务分配给地面活动用户、地面空闲用户、无人机和卫星进行计算。本发明能够在满足无人机能耗限制的基础上最大化所有地面用户的任务完成量。
-
公开(公告)号：CN115278692B
公开(公告)日：2025-04-25
申请号：CN202210851325.5
申请日：2022-07-20
Applicant: 南京邮电大学
Abstract: 本发明公开了移动边缘计算网络中基于二部图匹配的用户接入控制方法，包括：采用的移动边缘计算网络中配置一个基站和K个用户设备；所述基站配置了最大计算能力为F个CPU周期的MEC服务器；建立用户接入控制优化问题模型；步骤二：将优化问题模型转化为优化信道分配的二部图匹配问题；使用匈牙利算法求解优化信道分配的二部图匹配问题，获得最大匹配值；步骤三：根据最大匹配值，得到用户接入控制决策。在满足截止时间之前完成计算任务的条件下，对接入MEC服务器的用户设备、用户设备上传的数据量和分配的信道进行优化，使得能完成计算任务的用户设备数量最大化。
-
公开(公告)号：CN119854902A
公开(公告)日：2025-04-18
申请号：CN202510323778.4
申请日：2025-03-19
Applicant: 南京邮电大学
IPC: H04W40/10 , H04W40/20 , H04W84/06 , H04W84/18 , H04L45/00 , H04L45/021 , H04L45/121
Abstract: 本发明公开基于图神经网络和移动感知的飞行自组网路由方法及系统，属于无线通信技术领域；方法包括：无人机周期性地使用信息收集协议上传自身节点信息给高空计算平台；高空计算平台利用上传节点信息构建网络状况图作为图神经网络模型训练的输入，训练图神经网络模型，用于预测下一时刻的网络状况图；在节点进行路由请求时，高空计算平台下发命令收集所有节点信息，形成网络状况图；网络状况图输入训练后的图神经网络模型，获得下一时刻的网络状况图，再利用最短路径算法选择最佳路由下发至路由请求的无人机。通过图神经网络模型预测未来的网络状况图，提升了路由选择的精确性和智能化水平，提高了包到率，优化网络吞吐量。
-
公开(公告)号：CN119364401B
公开(公告)日：2025-03-18
申请号：CN202411944814.0
申请日：2024-12-27
Applicant: 南京邮电大学
Abstract: 本发明公开数据采集信息年龄最小化的空天地网络资源优化方法，属于无线通信领域；方法包括：S1，构建初始模型；S2，设置迭代初始参数；S3，在给定飞行轨迹、发射功率、速率分配和分割比例的条件下，获得最优的时间分配；S4，在给定时间分配、发射功率和分割比例的条件下，最优的飞行轨迹和速率分配；S5，在给定时间分配、飞行轨迹、速率分配和发射功率的条件下，获得最优的分割比例；S6，在给定时间分配、飞行轨迹、速率分配和分割比例的条件下，获得最优的发射功率；S7，基于BCD方法前面将求得最优的结果代入S3，并更新迭代次数变量，重复S3到S6，直到初始模型满足收敛条件，迭代终止，获得初始模型的最优解。
-
公开(公告)号：CN119521240A
公开(公告)日：2025-02-25
申请号：CN202510064118.9
申请日：2025-01-15
Applicant: 南京邮电大学
IPC: H04W16/18 , H04W16/22 , H04W16/14 , H04W16/28 , H04B7/04 , H04B7/06 , H04B7/08 , H04W24/02 , H04W24/06 , H04W28/22 , H04W72/044 , H04W72/53
Abstract: 本发明公开基于级联RIS和RSMA的多用户通信系统资源优化方法及系统，属于无线通信领域；方法包括：S1，构建初始模型；S2，设置初始迭代参数；S3，在给定基站波束成形向量、公共速率分配、RIS1的传输矩阵和反射矩阵以及RIS2的传输矩阵和反射矩阵的情况下，优化初始模型，获得最优的波束成形向量和公共速率分配、最优RIS1的传输矩阵和反射矩阵以及最优RIS2的传输矩阵和反射矩阵；S4，将最优的波束成形向量和公共速率分配、最优RIS1的传输矩阵和反射矩阵以及最优RIS2的传输矩阵和反射矩阵代入S3，并更新迭代次数变量，直到达到迭代终止精度，迭代终止，获得用户总速率的最优解。
-
Patent Agency Ranking
公开(公告)号：CN119364401A
公开(公告)日：2025-01-24
申请号：CN202411944814.0
申请日：2024-12-27
Applicant: 南京邮电大学
Abstract: 本发明公开数据采集信息年龄最小化的空天地网络资源优化方法，属于无线通信领域；方法包括：S1，构建初始模型；S2，设置迭代初始参数；S3，在给定飞行轨迹、发射功率、速率分配和分割比例的条件下，获得最优的时间分配；S4，在给定时间分配、发射功率和分割比例的条件下，最优的飞行轨迹和速率分配；S5，在给定时间分配、飞行轨迹、速率分配和发射功率的条件下，获得最优的分割比例；S6，在给定时间分配、飞行轨迹、速率分配和分割比例的条件下，获得最优的发射功率；S7，基于BCD方法前面将求得最优的结果代入S3，并更新迭代次数变量，重复S3到S6，直到初始模型满足收敛条件，迭代终止，获得初始模型的最优解。
-
公开(公告)号：CN114742306B
公开(公告)日：2024-11-08
申请号：CN202210414935.9
申请日：2022-04-20
Applicant: 南京邮电大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/20 , G06N3/042 , G06N3/0442 , G06N3/082
Abstract: 基于改进知识蒸馏ESN的边缘端时间序列预测方法，首先将回声状态网络ESN与知识蒸馏KD结合，构造基于改进知识蒸馏ESN的时间序列预测模型；然后提出训练算法，在服务器端训练该模型，优化储备池结构，提高其长期记忆能力并降低其计算开销；最终在边缘端使用训练好的基于改进知识蒸馏ESN的时间序列预测模型进行时间序列预测。该方法可以提高储备池的长期记忆能力并且降低其计算开销，使ESN更适合部署在边缘端完成时间序列预测任务。
-
公开(公告)号：CN118297166A
公开(公告)日：2024-07-05
申请号：CN202410729045.6
申请日：2024-06-06
Applicant: 南京邮电大学
IPC: G06N5/04 , G06N5/045 , G06N3/042 , G06N3/0455 , G06N3/096 , G06F16/532 , G06F16/583 , G06F16/332 , G06F18/25
Abstract: 本发明公开基于先计划再求解思维链的科学问答任务解决方法；属于计算机视觉和自然语言处理领域；科学问答任务解决方法包括：设计语义适配器与视觉编码器和语言模型连接，得到多模态网络模型，并使用科学问答数据集中的训练集数据对多模态模型进行语义适配器预训练；使用预训练后的多模态网络模型对次优的原理解释进行筛选，并使用先计划再求解思维链为次优的原理解释生成按计划的原理解释，并用按计划的原理解释优化原有的次优原理解释；使用集成了按计划的原理解释的训练数据，微调预训练过的多模态网络模型并进行测试，输出答案。
-
公开(公告)号：CN117409206B
公开(公告)日：2024-02-20
申请号：CN202311715217.6
申请日：2023-12-14
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V10/774 , G06V10/75 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于自适应原型聚合网络的小样本图像分割方法，本发明提出的自适应原型聚合网络包括先验掩码生成模块、原型聚合模块以及视觉关联建模模块。将三个模块集成起来，并应用通用的解码器构建的；先验掩码生成模块生成的先验掩码提供查询对象的粗略定位；自适应原型聚合模块将支持特征、查询特征以及类语义信息；视觉关联建模模块得到视觉关联特征，弥补了一维原型向量损失的空间细节。本发明能够选择性地利用支持和查询集信息以及语义信息，为最后的特征匹配过程生成更具类特定性的原型，扩充了原型向量的表示内容，从而一定程度上缓解了因为支持和查询对象之间的类内差异造成模型性能退化的问题。
-
公开(公告)号：CN117423144A
公开(公告)日：2024-01-19
申请号：CN202311422976.3
申请日：2023-10-31
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，公开了一种针对小目标优化的自适应口罩佩戴检测方法，设计了自适应口罩检测网络(AMNet‑SO)，在AMNet‑SO中融合卷积注意力模块，在颈部网络中设计了针对小目标检测的结构，使用动态区域感知卷积模块增强特征表达能力并利用跨阶段局部网络瓶颈进行多尺度特征融合，在头部网络中接收4个尺度的特征图进行检测，计算训练样本损失，并参与梯度反向传播过程，多轮迭代训练得到自适应口罩检测网络模型，对待测图片进行图片预处理，输入到检测模型中计算出检测框，将检测框利用加权框融合得到最后的检测框与得分，实现口罩佩戴检测。本发明使复杂场景下口罩佩戴检测的精度得到显著提高。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.031 seconds)
