-
公开(公告)号:CN117032971A
公开(公告)日:2023-11-10
申请号:CN202311026614.2
申请日:2023-08-15
Applicant: 北京邮电大学
IPC: G06F9/50 , G06F9/445 , G06N3/04 , G06N3/0985
Abstract: 本申请公开了一种移动边缘计算系统中面向用户间依赖关系的任务卸载与资源分配方法及其系统,其中方法包括以下步骤:S1,初始化状态信息;S2,响应于完成状态信息的初始化,进行卸载决策,输出动作的选取结果;S3,根据输出的动作选取结果,进行环境交互;S4,响应于完成环境交互,进行神经网络参数训练;S5,判断神经网络参数训练是否达到预设最大训练回合数;若达到最大训练回合数,执行S6,输出所有结果。本申请通过对用户间的任务依赖关系的合理建模,提供的求解方案能够在满足跨终端的任务相关性的约束下,充分利用部署的边缘服务器的计算能力,减小任务完成时间和终端能量消耗。
-
公开(公告)号:CN113163500A
公开(公告)日:2021-07-23
申请号:CN202110205757.4
申请日:2021-02-24
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种通信资源分配方法、装置及电子设备。该方法应用于联邦学习系统中的控制设备,包括:在进入到每个信息汇聚间隔时,获取当前信息汇聚间隔内,每个终端设备到基站的第一信道响应、每个终端设备到每个智能反射面的第二信道响应和每个智能反射面到基站的第三信道响应;基于所获取的各个信道响应和预设的各个约束,确定当前信息汇聚间隔的目标通信资源分配方案;控制至少一个终端设备、至少一个智能反射面和基站按照目标通信资源分配方案,为自身分配所对应的通信资源,以使基站基于目标通信资源分配方案,汇聚每个终端设备上传的信息。与现有技术相比,应用本发明实施例提供的方案,可以提高联邦学习系统的收敛速度和预测精度。
-
公开(公告)号:CN116611535A
公开(公告)日:2023-08-18
申请号:CN202310626001.6
申请日:2023-05-30
Applicant: 北京邮电大学
IPC: G06N20/00
Abstract: 本申请公开了一种用于异构数据的边缘联邦学习训练方法及其系统,其中用于异构数据的边缘联邦学习训练方法包括以下步骤:步骤S1,进行初始化;步骤S2,响应于完成初始化,各参与方进行本地模型训练;步骤S3,响应于各参与方进行本地模型训练,边缘服务器进行个性化全局模型聚合,并将聚合后的个性化全局模型参数发送至各参与方;步骤S4,各参与方根据接收的个性化全局模型参数进行自适应本地微调;步骤S5,判断是否达到收敛精度或最大迭代次数;若达到收敛精度或最大迭代次数,流程结束,否则重新执行步骤S2‑S4。本申请针对数据异构的边缘联邦学习系统,打破了传统联邦学习中聚合得到单个全局模型的思想,有效地实现了联邦学习的个性化。
-
公开(公告)号:CN112260746A
公开(公告)日:2021-01-22
申请号:CN202011110983.6
申请日:2020-10-16
Applicant: 北京邮电大学
Abstract: 本发明公开了一种无人机非正交多址通信网络的站点布置、缓存放置和资源分配方法和装置,其包括如下的具体步骤:基于修正开销的DDPG算法输出用户接入策略;基于多代理DDPG算法输出无人机缓存放置、站点布置和NOMA功率分配策略;判断经历时隙是否达到训练次数阈值;当判断步骤为经历时隙未达到训练次数阈值时,对时隙变化,将训练次数加1,继续执行输出用户接入策略步骤。本发明能有效增强接入链路的传输能力,且无需向距离较远的核心网关进行请求,可有效降低用户获取内容的时延,同时减少了对无人机无线回程链路传输带来的资源占用,从而有效降低需要经过无线回程链路传输的内容的传输时延。
-
公开(公告)号:CN118821589A
公开(公告)日:2024-10-22
申请号:CN202410818965.5
申请日:2024-06-24
Applicant: 北京邮电大学
Abstract: 本申请公开了一种深度神经网络轻量化方法及其系统,其中深度神经网络轻量化方法包括以下步骤:S1、初始化最大迭代次数,量化间隔与量化位宽;S2、初始化后,获取参与量化的模型,得到目标函数;S3、根据目标函数对量化间隔进行迭代优化;S4、根据目标函数对量化位宽使用强化学习进行优化;S5、判断目标函数是否收敛或迭代次数达到最大迭代次数;若目标函数收敛或迭代次数达到最大迭代次数,则流程结束;若目标函数收敛或迭代次数未达到最大迭代次数,迭代次数加1,返回执行步骤S2。本申请将量化工作拆分成量化间隔和量化位宽的获取问题,将原本复杂的优化问题简单化。
-
公开(公告)号:CN118785253A
公开(公告)日:2024-10-15
申请号:CN202410754896.6
申请日:2024-06-12
Applicant: 北京邮电大学
IPC: H04W28/084 , H04W28/08 , H04W4/06
Abstract: 本申请公开了一种智能计算任务的语义传输与资源管理方法及其系统,涉及移动通信技术领域,包括:将移动边缘计算服务器部署于地面雾无线接入网中的微基站中,获得移动边缘计算系统,移动边缘计算系统覆盖区域内的各个终端将任务卸载需求上传至微基站,再由微基站将任务卸载需求和自身模型结构信息作为任务信息上传至地面雾无线接入网的宏基站内;由地面雾无线接入网的宏基站内中的软件定义网络控制器控制联合设计模型对任务信息进行处理,获得输出结果;由地面雾无线接入网的宏基站将输出结果广播至各微基站中,进行相应终端的接入、卸载执行和资源分配。本申请能够增大基于任务完成时延的系统收益。
-
公开(公告)号:CN114998258A
公开(公告)日:2022-09-02
申请号:CN202210617362.X
申请日:2022-06-01
Applicant: 北京邮电大学 , 江西鑫铂瑞科技有限公司
IPC: G06T7/00 , G06V10/75 , G06V10/774 , G06N3/04 , G06V10/82
Abstract: 本申请公开了一种基于重平衡的半监督产品表面缺陷检测方法及其系统,其中基于重平衡的半监督产品表面缺陷检测方法具体包括以下步骤:进行样本采样,并根据采样的样本获取生成样本;进行三分支累积学习;进行平均教师一致性学习;进行判决器参数更新;获取特征匹配损失;进行标签抑制,获取标签抑制损失;进行生成器参数更新;判断是否达到收敛;若收敛,则获取待检测的产品图像,并进行待检测的产品图像的预处理;将处理后的待检测图像输入判决器中,获取检测结果;判断当前获取的检测结果是否为真实缺陷;若为真实缺陷,输出获取的检测结果。本申请提出的方法能在工业场景下的深度学习应用中,解决数据集普遍存在小样本和不平衡的问题。
-
公开(公告)号:CN114926710A
公开(公告)日:2022-08-19
申请号:CN202210588953.9
申请日:2022-05-27
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本申请公开了一种小样本图像生成方法及其系统,一种小样本图像生成方法具体包括以下步骤:进行骨干网络的构建和初始化;响应于完成骨干网络的构建和初始化,在源域上训练骨干网络;响应于完成在源域上训练多个骨干网络,使用基于元学习的目标域对骨干网络进行跨域训练,获取与目标域适配的骨干网络;根据与目标域适配的骨干网络,进行小样本图像的生成和扩增。本申请设计了特殊的骨干网络和源域训练单元,引入域泛化的相关思想,将骨干网络在源域上进行充分的训练以提取域泛化特征信息,基于style block提出了一个特殊的骨干网络以更好的提取特征信息,能够提升最终的小样本图像生成的图像质量和数量。
-
公开(公告)号:CN114666803A
公开(公告)日:2022-06-24
申请号:CN202210199452.1
申请日:2022-03-01
Abstract: 本申请公开了一种移动边缘计算系统的部署、控制方法及其系统,其中一种移动边缘计算系统的部署、控制方法,具体包括以下步骤:初始化状态信息;获取用户最佳的信号检测结果;获取最佳发射波束;获取最佳反射相位;获取最佳无人机功率分配和计算资源分配结果;获取并输出最佳无人机飞行轨迹;判断是否收敛到预设精度或迭代次数达到最大迭代次数;若收敛到预设精度或迭代次数达到最大迭代次数,输出最佳结果。本申请提出的一种移动边缘计算系统中无人机和智能反射面联合设计方法,可以实现对移动边缘计算系统中无人机和智能反射面联合设计的目的。
-
公开(公告)号:CN112260746B
公开(公告)日:2022-01-07
申请号:CN202011110983.6
申请日:2020-10-16
Applicant: 北京邮电大学
Abstract: 本发明公开了一种无人机非正交多址通信网络的站点布置、缓存放置和资源分配方法和装置,其包括如下的具体步骤:基于修正开销的DDPG算法输出用户接入策略;基于多代理DDPG算法输出无人机缓存放置、站点布置和NOMA功率分配策略;判断经历时隙是否达到训练次数阈值;当判断步骤为经历时隙未达到训练次数阈值时,对时隙变化,将训练次数加1,继续执行输出用户接入策略步骤。本发明能有效增强接入链路的传输能力,且无需向距离较远的核心网关进行请求,可有效降低用户获取内容的时延,同时减少了对无人机无线回程链路传输带来的资源占用,从而有效降低需要经过无线回程链路传输的内容的传输时延。
-
-
-
-
-
-
-
-
-