-
公开(公告)号：CN114124466A
公开(公告)日：2022-03-01
申请号：CN202111269289.3
申请日：2021-10-29
Applicant: 南京邮电大学
IPC: H04L9/40 , H04L41/0803 , H04L41/28 , H04L67/12 , H04L69/18
Abstract: 本发明公开了一种面向物联网的轻量级应用生态开发系统，包括设备接入层、数据和设备管理层及应用层；所述设备接入层，用于感知和控制设备，兼容若干种网络协议，屏蔽底层设备异构性，对上层形成统一的接口，并将设备信息和数据上传到数据和设备管理层，同时根据来自于数据和设备管理层的设备控制指令对设备进行远程控制；所述数据和设备管理层，用于将数据和设备信息按照统一标准进行存储，接收来自应用层的数据分析指令并对数据和设备信息进行分析；所述应用层，用于给用户提供应用开发平台和应用服务平台，提供物联网应用开发模块给物联网应用开发人员，并对应用、应用模块和用户进行管理；本发明能够将各类底层设备信息与数据进行统一调度。
-
公开(公告)号：CN113889247A
公开(公告)日：2022-01-04
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：CN119964251A
公开(公告)日：2025-05-09
申请号：CN202510445527.3
申请日：2025-04-10
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
IPC: G06V40/20 , G06N3/0455 , G06N3/0499 , G06N3/084 , G06V10/20 , G06V10/40 , G06V10/62 , G06V10/764 , G06V10/82
Abstract: 本发明属于时间序列数据挖掘与动作识别技术领域，公开了一种分类感知端到端动作识别方法与系统，对获取的时序数据挖掘时序模式，采用多变量时间序列分类思想，设计分类感知的动作识别方法与系统，仅需输入原始含噪数据即可识别出准确分类结果，同时降低计算成本，便于部署。本发明通过粗粒度滤波实现数据层面的噪声抑制；通过掩码机制、多尺度特征提取网络挖掘时序模式；掩码机制利用Transformer编码器对滤波数据捕获的注意力分数，感知分类重要时间戳并进行掩码；结合多尺度特征提取网络的时间切片机制构建不同尺度的输入以及破坏‑恢复机制为特征提取网络提供鲁棒性，多尺度特征提取网络捕获多尺度时间特征，进而输出动作标签。
-
公开(公告)号：CN119183136B
公开(公告)日：2025-05-09
申请号：CN202411702576.2
申请日：2024-11-26
IPC: H04W24/02 , H04W28/084 , H04W28/08 , H04W28/14 , G06N3/092
Abstract: 本发明公开了数字孪生辅助边缘网络资源分配优化方法，属于边缘计算技术领域；包括为：建立数字孪生辅助边缘网络的资源分配系统；确定卸载模式下计算任务所需传输时延及能耗；构建多智能深度强化学习模型；对多智能深度强化学习模型进行训练，利用训练好的训练多智能深度强化学习模型，实现资源分配策略。本发明通过建立服务缓存模块和任务卸载模块，实现任务处理时延和能耗的最小化；分别考虑MEC服务器和用户终端设备的状态空间，提升任务卸载成功率,显著降低了任务处理时延及能耗，进一步提高任务卸载和资源分配的准确性。
-
公开(公告)号：CN119782894A
公开(公告)日：2025-04-08
申请号：CN202510296634.4
申请日：2025-03-13
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/042 , G06N3/048 , G06N3/08
Abstract: 本发明属于医疗数据挖掘和人工智能技术领域，公开了一种基于表示学习的多标签疾病数据分类模型构建方法，在疾病侧及患者侧完善相关信息构成医学知识图谱，将其包含的实体和关系转换为嵌入向量；设计层次化注意力机制提取知识图谱中节点的高阶结构和语义信息，生成目标节点在不同层的嵌入向量；整合不同层的患者节点和疾病节点的嵌入向量，进行数据分类；构建知识图谱损失函数和疾病数据分类损失函数，利用自我对抗性负采样策略，设计基于节点度数的动态采样与损失加权，完成模型的构建。本发明所述方法能够高效利用各类医疗数据，充分挖掘疾病间复杂关系，克服数据稀疏性和类别不平衡问题，提升模型对疾病数据分类的准确性和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN118102386B
公开(公告)日：2024-07-02
申请号：CN202410497345.6
申请日：2024-04-24
Applicant: 南京邮电大学
IPC: H04W28/06 , H04W28/084
Abstract: 本发明涉及属于移动通信中的边缘计算技术领域，公开了一种D2D辅助MEC网络中的服务缓存和任务卸载联合优化方法及系统，考虑五种任务卸载模式，并进一步将任务卸载和服务缓存的联合优化问题表示为马尔可夫决策问题，利用改进的MAPPO算法训练模型，并据此获取最佳的任务卸载和资源分配策略，联合优化系统包括网络模块、服务缓存模块、任务卸载模块，网络模块包括云服务器、边缘服务器和终端设备。本发明实现了最小化系统时延和能耗。
-
公开(公告)号：CN117294643B
公开(公告)日：2024-03-12
申请号：CN202311575841.0
申请日：2023-11-24
Applicant: 南京邮电大学
IPC: H04L45/302 , H04L45/00 , H04L45/02 , H04L45/12 , H04L45/76 , H04L47/6275 , G06F18/23213
Abstract: 本发明公开了一种基于SDN架构的网络QoS保障路由方法，根据网络拓扑信息，抽象成有向图，然后基于基于改经的k‑means算法将数据分为老鼠流、大象流、巨象流，定义流量传输的约束条件，构建DQN神经网络，以奖励函数R最大的动作所对应的最大Q值为目标训练DQN神经网络，得到QoS保障路由模型，得到最优路径权重值，根据Dijkstra算法确定数据包发送路径，最后将路径信息下发到交换机。本发明避免了传统K‑means算法对数据的处理不够稳健以及分类结果不够准确的情况。在DQN的神经网络训练时，从经验池中依据数据的优先性抽取数据，使得神经网络更加关注重要的数据，提高了神经网络的学习效率和算法的性能。
-
公开(公告)号：CN117592556A
公开(公告)日：2024-02-23
申请号：CN202410069642.0
申请日：2024-01-18
Applicant: 南京邮电大学
Abstract: 本发明属于联邦学习和边缘计算技术领域，公开了一种基于GNN的半联邦学习系统及其运行方法，系统包括云端服务中心、多个边缘服务器与终端设备，边缘服务器与云端服务中心之间存在双向的连接，边缘服务器和终端设备之间存在双向的链路，边缘服务器用于分析需要上传本地数据的终端设备，下发传输决策，确定本地训练的终端设备后，接收实行本地训练的终端设备上传的模型参数用于聚合；同时接收无法进行本地训练的终端设备发送的本地数据，进行去重处理后再进行模型训练，将得到的模型参数用于聚合，并聚合后的模型参数上传至所述云端服务中心。本发明提升了系统的包容性和模型的性能，解决了重复数据训练造成的模型过拟合问题。
-
公开(公告)号：CN114124466B
公开(公告)日：2024-01-23
申请号：CN202111269289.3
申请日：2021-10-29
Applicant: 南京邮电大学
IPC: H04L9/40 , H04L41/0803 , H04L41/28 , H04L67/12 , H04L69/18
Abstract: 本发明公开了一种面向物联网的轻量级应用生态开发系统，包括设备接入层、数据和设备管理层及应用层；所述设备接入层，用于感知和控制设备，兼容若干种网络协议，屏蔽底层设备异构性，对上层形成统一的接口，并将设备信息和数据上传到数据和设备管理层，同时根据来自于数据和设备管理层的设备控制指令对设备进行远程控制；所述数据和设备管理层，用于将数据和设备信息按照统一标准进行存储，接收来自应用层的数据分析指令并对数据和设备信息进行分析；所述应用层，用于给用户提供应用开发平台和应用服务平台，提供物联网应用开发模块给物联网应用开发人员，并对应用、应用模块和用户进行管理；本发明能够将各类底层设备信息与数据进行统一调度。
-
公开(公告)号：CN117221950A
公开(公告)日：2023-12-12
申请号：CN202311475470.9
申请日：2023-11-08
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度强化学习的车辆任务卸载方法与系统，该系统整合了将深度强化学习算法和边缘计算结构，将二者结合引入到车联网的计算资源分配问题中，通过用户车辆与边缘计算服务器交互来获取用户车辆的服务需求，采用深度确定性策略梯度算法进行多轮训练并结合优先经验回放机制获得最优的任务卸载策略。充分利用其在环境感知、环境交互、自主学习和智能决策等方面的性能优势，来满足复杂车联网场景中较大计算任务的需求。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.057 seconds)
