-
公开(公告)号：CN116582871B
公开(公告)日：2023-10-13
申请号：CN202310828232.5
申请日：2023-07-07
申请人： 南京邮电大学
摘要： 本发明公开了一种基于拓扑优化的无人机集群联邦学习模型优化方法，本发明面向无人机集群，根据带宽分配、计算时延、通信时延以及拓扑设计的约束条件，最小化无人机集群联邦学习每一轮的能量消耗和时延的加权和；进而获得每一轮无人机集群对应的关于模型参数传输的拓扑结构，基于拓扑结构，各跟随无人机的本地联邦学习模型参数传输至领头无人机；领头无人机进行参数聚合并更新，获得下一轮迭代中的全局联邦学习模型参数，当全局联邦学习模型参数对应的联邦学习模型精度达到要求，则获得无人机集群对应的联邦学习模型。本发明显著加快联邦学习过程，大大提高了无人机集群联邦学习的鲁棒性，使联邦学习能够更好地适应网络拓扑高动态的无人机集群。
-
公开(公告)号：CN116828226A
公开(公告)日：2023-09-29
申请号：CN202311084846.3
申请日：2023-08-28
申请人： 南京邮电大学
IPC分类号： H04N21/231 , H04N21/2543 , H04L9/00
摘要： 本发明属于移动通信中的边缘缓存技术领域，公开了基于区块链的云边端协同视频流缓存系统，通过网络模块实现CDN服务器、边缘服务器、视频用户三者之间的通信；缓存模块用于计算视频内容的流行度，以及视频内容缓存在CDN服务器层和边缘服务器层时的访问延迟、流量成本和缓存能耗；并将所有视频请求的内容访问延迟、流量成本和能耗的问题最小化；区块链模块用于计算视频用户请求的付费视频内容上链所产生的能耗。本发明充分发挥边缘侧MEC服务器的计算和存储能力，并加入区块链技术，解决互联网视频流量大幅度增长所导致的时延及能耗过高的问题以及计费信息安全问题；实现协同边缘缓存。
-
公开(公告)号：CN116455768B
公开(公告)日：2023-09-12
申请号：CN202310713616.2
申请日：2023-06-16
申请人： 南京邮电大学
IPC分类号： H04L41/16 , H04L41/0894 , H04L67/1008 , H04L67/101 , G06N3/0464 , G06N3/08
摘要： 本发明公开了面向全局时延优化的云边端协同CNN推理方法，通过构建训练分块推理时延预测模型、计算理论数据传输时延、构建并训练时延损耗预测模型、构建全局时延预测模型；利用全局时延预测模型计算各个边缘服务器的理论全局时延，以全局时延最小化为优化目标，决定参与协同推理的边缘服务器的选择和推理任务量的分配。本发明同时提出面向全局时延优化的云边端协同CNN推理系统。相较于传统的协同推理研究工作在时延指标制定方面仅关注当前推理任务的时延优化，本方法将处理当前推理任务对其他并行处理的推理任务可能产生的时延影响也纳入了决策考量范围，同时，本发明还提供一种CNN分割优化方法，能够有效节省协同推理中的决策时延。
-
公开(公告)号：CN114039811B
公开(公告)日：2023-07-25
申请号：CN202111209266.3
申请日：2021-10-18
申请人： 南京邮电大学
IPC分类号： H04L12/46 , H04L67/141 , H04L67/146
摘要： 本申请涉及一种局域网内快速通信方法。该方法包括：当接收到第一智能物端发送的建立虚拟通路请求时，从建立虚拟通路请求中提取出第一智能物端标识和第二智能物端标识；根据第一智能物端标识，获取第一智能物端最新上报的第一智能物端信息；根据第二智能物端标识，获取第二智能物端最新上报的第二智能物端信息；向第二智能物端发送第一智能物端信息，以及向第一智能物端发送第二智能物端信息，使第一智能终端与第二智能物端根据接收到的智能物端信息建立虚拟通路，虚拟通路建立后，虚拟通路作为第一智能终端与第二智能物端之间唯一通信路径。第一智能物端和第二智能物端的数据传输通过该虚拟通路直接传输，降低通信时延，提高数据传输的效率。
-
公开(公告)号：CN116455768A
公开(公告)日：2023-07-18
申请号：CN202310713616.2
申请日：2023-06-16
申请人： 南京邮电大学
IPC分类号： H04L41/16 , H04L41/0894 , H04L67/1008 , H04L67/101 , G06N3/0464 , G06N3/08
摘要： 本发明公开了面向全局时延优化的云边端协同CNN推理方法，通过构建训练分块推理时延预测模型、计算理论数据传输时延、构建并训练时延损耗预测模型、构建全局时延预测模型；利用全局时延预测模型计算各个边缘服务器的理论全局时延，以全局时延最小化为优化目标，决定参与协同推理的边缘服务器的选择和推理任务量的分配。本发明同时提出面向全局时延优化的云边端协同CNN推理系统。相较于传统的协同推理研究工作在时延指标制定方面仅关注当前推理任务的时延优化，本方法将处理当前推理任务对其他并行处理的推理任务可能产生的时延影响也纳入了决策考量范围，同时，本发明还提供一种CNN分割优化方法，能够有效节省协同推理中的决策时延。
-
公开(公告)号：CN113660655B
公开(公告)日：2023-06-02
申请号：CN202110739751.5
申请日：2021-06-30
申请人： 南京邮电大学
IPC分类号： H04W12/03 , H04W12/041 , H04W12/61
摘要： 本发明公开了一种面向边防系统的延迟容忍网络安全路由方法及其装置，操作如下：根据边防系统通信需求获取传输节点并设置传输节点的数据包报头；利用数据包报头中的密钥对边防系统的待传输消息进行加密，获得边防密文；将边防密文加入数据包报头，根据数据包报头中的经纬度参数将包含边防密文的传输节点发送到边防军营，并利用密钥对边防密文进行解密；当密文没有在节点生存时间内成功解密时，传输节点自动销毁，否则，获得传输节点中的待传输消息，传输节点停用。本发明分别对边防系统中的待传输消息和传输节点进行了保护，当节点中的数据解密时间过长时，节点会自行销毁，能够在保证延迟容忍网络通信效果的同时提高通信安全性。
-
公开(公告)号：CN116192764A
公开(公告)日：2023-05-30
申请号：CN202310444747.5
申请日：2023-04-24
申请人： 南京邮电大学
IPC分类号： H04L47/2441 , H04L41/147 , H04L41/16
摘要： 本发明属于流量预测技术领域，公开了一种基于深度学习的多任务数据中心网络流量预测方法，其对获取数据中心网络流量数据进行处理，进行归一化处理，划分训练集和测试集；构建深度学习多任务模型提取数据中心网络流量的特征信息，并进行流量分类任务及进行流量预测任务，预测未来时间段的网络流量。本发明所述的方法将多种模型融合，并引入多任务学习思想，有效解决数据中心网络流量深度学习模型使用单一以及预测精度的问题。
-
公开(公告)号：CN115562760B
公开(公告)日：2023-05-30
申请号：CN202211469689.3
申请日：2022-11-22
申请人： 南京邮电大学
摘要： 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：CN115470832B
公开(公告)日：2023-05-02
申请号：CN202211417254.4
申请日：2022-11-14
申请人： 南京邮电大学 , 江苏省人民医院(南京医科大学第一附属医院)
IPC分类号： G06F18/10 , G06F18/213 , G06F18/24 , G06F18/214 , G06N3/0442 , G06N3/084 , A61B5/349 , A61B5/366 , A61B5/00
摘要： 本发明公开了一种基于区块链的心电信号数据处理方法，属于医学信号处理技术领域，包括：对原始心电信号进行降噪处理并上传到区块链中；通过小波变换提取QRS波，并判定该信号是否为QRS波群；若判定该信号为QRS波，则对心电信号进行分割截取得到若干个心拍；将得到的心拍电位值组成一维向量，采用LSTM进行建模分析；对每个心拍进行分类；同时LSTM作为异常检测器检测异常训练结果并进行再训练。本发明将再训练应用于心律失常分类，以加强正常心拍的检测并减少误报，克服长时间分类过程导致的次优性能，提高对心电信号分类的准确率；并且使用区块链安全跟踪连续远程心电监测系统的不同状态，通过区块链技术保障了数据的安全性。
-
公开(公告)号：CN115766482A
公开(公告)日：2023-03-07
申请号：CN202211325820.9
申请日：2022-10-27
申请人： 南京邮电大学
IPC分类号： H04L41/5009 , H04L41/147 , H04L41/16 , H04L43/04 , H04L43/08 , G06N3/04 , G06N3/08 , G06N20/00
摘要： 本发明公开了一种基于INT和机器学习的服务质量预测方法，包括步骤：S1，用户端发起互联网访问请求，控制器根据用户请求指示用户端发送数据包；S2，网络中各节点交换机依据数据包中的遥测指令字段进行带内遥测，采集INT元数据嵌入数据包的头部；S3，最后一跳交换机将INT元数据与用户数据包分离，终端遥测服务器提取INT元数据，使用机器学习训练方法建立预测模型；S4，依据输出的预测模型进行服务质量评估；S5，依据服务质量评估结果，后台管理端下发指令至控制器或服务器调整资源分配。本发明通过带内遥测在数据包头部嵌入元数据的方式，在保证数据包完整性的情况下更准确地预测网络中运行的服务的状态。
-
-
-
-
-
-
-
-
-
搜索结果
307 条记录 (耗时 0.055 秒)
