-
-
公开(公告)号：CN115630649A
公开(公告)日：2023-01-20
申请号：CN202211470749.3
申请日：2022-11-23
Applicant: 南京邮电大学
IPC: G06F40/295 , G06F40/211 , G16H10/00 , G06N3/045 , G06N3/0475 , G06N3/08
Abstract: 本发明属于数据处理领域，公开了一种基于生成模型的医学中文命名实体识别方法，该生成模型包括对抗训练模块和私有任务模块，其中所述对抗训练模块由一个Shared BiLSTM生成器、一个Self‑Attention机制和一个CNN判别器组成，该医疗领域中文命名实体识别方法采用Lattice LSTM动态框架，动态的改变LSTM的结构以充分利用词与词之间的序列关系，克服了非结构化中文医学命名实体文本的局限性；采用对抗式训练的动态架构学习中文CNER任务和CWS任务的共同特征，提取医学文本中特定的信息，将实体与实体之间、实体与非实体之间的边界区分开来，实现中文医学命名实体的有效识别。
-
公开(公告)号：CN115562760A
公开(公告)日：2023-01-03
申请号：CN202211469689.3
申请日：2022-11-22
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于边缘计算节点打分表的深度学习模型分层卸载方法，属于边端协同计算技术领域。本发明离线获取边缘集群中各边缘计算节点算力参数，可提取每个计算节点的算力综合分数并做归一化处理得到总分，根据各个计算节点的总分形成打分表；同时离线统计深度学习模型各层计算量大小，通过统计参与推理的深度学习模型每一层计算量的大小情况并对其分区，根据不同边缘计算节点对不同计算量大小的计算能力差异，然后依据此分类对边缘计算节点打分表划分区间，从而合理的分配给计算能力充足的边缘计算节点，最终提高边缘集群中节点的资源利用率、降低计算时延。本发明可以降低整体时延的同时保证数据安全性和提高边缘节点资源的利用率。
-
公开(公告)号：CN119247864A
公开(公告)日：2025-01-03
申请号：CN202411786789.8
申请日：2024-12-06
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
IPC: G05B19/042
Abstract: 本发明属于自动化控制和人工智能技术领域，具体提出基于多智能体协作学习的空地无人装备管控系统与方法。本发明利用多智能体协作学习的高度自适应能力，能够灵敏地感知到环境动态变化，并及时做出响应，通过持续的学习过程不断优化协同策略，从而显著提高无人装备的网络管控能力，以满足复杂环境下的使用需求。
-
公开(公告)号：CN117880256B
公开(公告)日：2024-08-27
申请号：CN202311641561.5
申请日：2023-12-04
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多控制器SDN的数据中心网络视频流QoS保障方法，具体是：主控制器根据全局网络视图和可达路径矩阵判断待传输视频流的源主机与目的主机是否直连，是则直接转发；否则基于M/M/N+1排队模型根据视频流的优先级，结合可达路径矩阵Ar将待传输视频流转发至网络可达且负载值最低的子控制器；针对被分配至子控制器的待转发视频流，构建视频流QoS保障多约束条件，得到路径的最小传输总成本；利用RNN改进DDPG深度强化学习算法，通过不断迭代训练当前网络和目标网络，获得待转发视频流最优路径规划。本发明能够有效解决网络拥塞和QoS保障问题，提高多媒体视频流传输的质量和用户体验。
-
Patent Agency Ranking
公开(公告)号：CN113889247B
公开(公告)日：2024-06-25
申请号：CN202111157802.X
申请日：2021-09-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于医码通的用户数据采集方法，包括：针对不同的与就医患者相关的健康信息源和行程信息源，各设置一个节点与之关联；选择其中一个信息源的节点作为主节点，主节点接收不包含自己的搜索节点队列；通过搜索节点访问各个信息源里的数据来检索搜索数据；在选定的主节点中接收来自搜索节点的搜索数据，对搜索数据进行集成，将集成的综合搜索数据传输到用户客户端；接收用户发送的填写信息确认指令，将集成的综合搜索数据对应的二维码作为医码通发送至用户客户端。本发明能够逻辑集成多个不同的用户信息源用于数据查询，提高患者就医效率，降低医院运营成本。
-
公开(公告)号：CN118095446A
公开(公告)日：2024-05-28
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。
-
公开(公告)号：CN117939505B
公开(公告)日：2024-05-24
申请号：CN202410333763.1
申请日：2024-03-22
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
Abstract: 本发明属于移动边缘协作缓存技术领域，公开了一种车辆边缘网络中基于激励机制的边缘协作缓存方法及系统，缓存方法包括：步骤1、构建面向移动边缘计算场景激励赋能的边缘协作缓存系统模型；步骤2、提出集成注意力层的离散Soft Actor‑Critic(ADSAC)算法，制定基于深度强化学习的最优协同缓存替换决策，减少内容传输成本，缓存系统包括系统场景及架构、车辆移动模型、系统成本模型、奖励与惩罚模型以及缓存替换模型。本发明构建了一个边缘协作缓存系统模型，综合考虑了车辆的移动性和公平性，将影响用户请求服务质量的因素建模为综合系统成本，提高了缓存决策的准确性和效率，提升缓存系统整体的性能和效益。
-
公开(公告)号：CN117939505A
公开(公告)日：2024-04-26
申请号：CN202410333763.1
申请日：2024-03-22
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
Abstract: 本发明属于移动边缘协作缓存技术领域，公开了一种车辆边缘网络中基于激励机制的边缘协作缓存方法及系统，缓存方法包括：步骤1、构建面向移动边缘计算场景激励赋能的边缘协作缓存系统模型；步骤2、提出集成注意力层的离散Soft Actor‑Critic(ADSAC)算法，制定基于深度强化学习的最优协同缓存替换决策，减少内容传输成本，缓存系统包括系统场景及架构、车辆移动模型、系统成本模型、奖励与惩罚模型以及缓存替换模型。本发明构建了一个边缘协作缓存系统模型，综合考虑了车辆的移动性和公平性，将影响用户请求服务质量的因素建模为综合系统成本，提高了缓存决策的准确性和效率，提升缓存系统整体的性能和效益。
-
公开(公告)号：CN117873402A
公开(公告)日：2024-04-12
申请号：CN202410261462.2
申请日：2024-03-07
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
Abstract: 本发明属于移动边缘缓存技术领域，公开了一种基于异步联邦学习和感知聚类的协作边缘缓存优化方法，包括以下步骤：步骤1、基于异步联邦学习框架，通过感知车辆的移动性特征，在用户本地训练自动编码器AE模型；步骤2、基于车辆感知聚类的预测流行内容的算法对不同活跃度的车辆簇进行内容预测，基于车辆感知聚类的预测流行内容的算法。本发明建立基于车辆感知的边缘缓存系统架构，低用户内容获取时延，并提高用户请求服务的公平性，在模型训练前进行预训练，异步聚合考虑车辆移动性和活跃度，并云聚合边缘RSU的全局模型，提高模型的准确性和泛化性，确保数据的安全性，有效提高内容流行度预测的公平性，从而保证不同用户的缓存服务质量。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.068 seconds)
