-
Patent Agency Ranking
公开(公告)号：CN109936865A
公开(公告)日：2019-06-25
申请号：CN201910316246.2
申请日：2019-04-19
Applicant: 北京工业大学
Abstract: 本发明公开一种基于深度强化学习算法的移动sink路径规划方法，利用深度强化学习的方法来完成移动sink的路径规划，将栅格化的网络状态映射为RGB图像输入到深度卷积神经网络中，通过训练不断更新网络参数。在实际应用过程中，只需将实际的网络状态输入到训练好的神经网络中，即可得到sink的最佳行走路径。本发明方法能够综合考虑无线传感器网络的数据时延要求及网络能耗，相比于传统的无线传感器网络，该发明能够有效均衡网络能耗，同时提高能量效率。将网络状态进行栅格化处理，降低了网络状态的复杂度。
-
公开(公告)号：CN108769154A
公开(公告)日：2018-11-06
申请号：CN201810462696.8
申请日：2018-05-15
Applicant: 北京工业大学
CPC classification number: H04L67/1097 , H04L63/105 , H04L67/1095
Abstract: 本发明提供一种基于有向无环图和分布式账本的数据存储方法，包括：根据在同一时刻获取到的若干个待存储数据，新建若干个有向无环图顶点，待存储数据的数量和新建的有向无环图顶点的数量相同，一个待存储数据与一个有向无环图顶点对应；将有向无环图中每一顶点对应的待存储数据存储到分布式账本中。本发明提供的基于有向无环图和分布式账本的数据存储方法，通过将在同一时刻获取到的若干个待存储数据，按照有向无环图的结构，实现高效地存入分布式账本中，并能够从分布式账本中查询到相关数据的全部信息，满足高频次、海量的数据溯源需求。
-
公开(公告)号：CN108924897A
公开(公告)日：2018-11-30
申请号：CN201810702377.X
申请日：2018-06-30
Applicant: 北京工业大学
CPC classification number: H04W40/04 , H04L41/044 , H04L41/145 , H04W40/32 , H04W84/18
Abstract: 本发明公开一种基于深度强化学习算法的移动sink路径规划方法，利用深度强化学习的方法来完成移动sink的路径规划，将栅格化的网络状态映射为RGB图像输入到深度卷积神经网络中，通过训练不断更新网络参数。在实际应用过程中，只需将实际的网络状态输入到训练好的神经网络中，即可得到sink的最佳行走路径。本发明方法能够综合考虑无线传感器网络的数据时延要求及网络能耗，相比于传统的无线传感器网络，该发明能够有效均衡网络能耗，同时提高能量效率。将网络状态进行栅格化处理，降低了网络状态的复杂度。
-
公开(公告)号：CN108769154B
公开(公告)日：2021-01-01
申请号：CN201810462696.8
申请日：2018-05-15
Applicant: 北京工业大学
Abstract: 本发明提供一种基于有向无环图和分布式账本的数据存储方法，包括：根据在同一时刻获取到的若干个待存储数据，新建若干个有向无环图顶点，待存储数据的数量和新建的有向无环图顶点的数量相同，一个待存储数据与一个有向无环图顶点对应；将有向无环图中每一顶点对应的待存储数据存储到分布式账本中。本发明提供的基于有向无环图和分布式账本的数据存储方法，通过将在同一时刻获取到的若干个待存储数据，按照有向无环图的结构，实现高效地存入分布式账本中，并能够从分布式账本中查询到相关数据的全部信息，满足高频次、海量的数据溯源需求。
-
公开(公告)号：CN109936865B
公开(公告)日：2021-01-15
申请号：CN201910316246.2
申请日：2019-04-19
Applicant: 北京工业大学
Abstract: 本发明公开一种基于深度强化学习算法的移动sink路径规划方法，利用深度强化学习的方法来完成移动sink的路径规划，将栅格化的网络状态映射为RGB图像输入到深度卷积神经网络中，通过训练不断更新网络参数。在实际应用过程中，只需将实际的网络状态输入到训练好的神经网络中，即可得到sink的最佳行走路径。本发明方法能够综合考虑无线传感器网络的数据时延要求及网络能耗，相比于传统的无线传感器网络，该发明能够有效均衡网络能耗，同时提高能量效率。将网络状态进行栅格化处理，降低了网络状态的复杂度。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
