-
公开(公告)号：CN116522749A
公开(公告)日：2023-08-01
申请号：CN202310226596.6
申请日：2023-03-09
Applicant: 华东师范大学
IPC: G06F30/27 , G06F18/214 , G06F18/2431 , G06N5/01 , G06N20/00
Abstract: 本发明公开了一种基于自适应划分子森林的分布式深度森林优化方法，其特点是该方法包括：S1、将深度森林建模成基于任务并行子森林算法的分布式深度森林模型；S2、使用数据块级预采样算法处理多粒度扫描后的数据集结果，生成Hadoop分布式文件系统数据块；S3、结合Hadoop分布式文件系统数据块和自适应划分子森林并行算法，进行分布式深度森林训练，使用两阶段预聚合算法和系统级备份机制优化数据通信的过程等步骤。本发明与现有技术相比具有降低了通信复杂度，减少了数据传输的开销，提高模型并行训练速度，大大优化了子森林聚合和分布式采样的操作流程，较好的解决了子森林聚合粒度过大、分布式环境下采样操作的额外开销等问题。
-
公开(公告)号：CN117793104A
公开(公告)日：2024-03-29
申请号：CN202311834159.9
申请日：2023-12-28
Applicant: 华东师范大学
Abstract: 本发明公开了一种算力网络场景下最大利润的资源分配方法，其特点是采用三层计算能力的网络系统框架，将分配任务视为双重拍卖游戏，并使用经验加权吸引算法，使参与者能够根据环境互动调整投标策略，该方法具体包括：算力网络资源拍卖框架的构建、资源交易平台的建模和资源交易平台模型的优化等步骤，实现计算节点和用户任务的协同分配。本发明与现有技术相比具有更有效地共享计算资源和如何优化资源分配，较好的解决了资源分配实用性的瓶颈问题，方法简便，具有良好的应用价值和应用前景。
-
公开(公告)号：CN114205353B
公开(公告)日：2023-08-01
申请号：CN202111424091.8
申请日：2021-11-26
Applicant: 华东师范大学
IPC: H04L67/10 , H04L67/101 , H04L67/1008 , G06F9/50 , G06N20/00
Abstract: 本发明公开了一种基于混合动作空间强化学习算法的计算卸载方法，该方法包括步骤：a）在多设备多服务器的应用场景下建立任务协作卸载与资源分配模型；b）获取请求任务的状态；c）获得学习模型和d）求解卸载决策；通过将卸载过程中的决策划分为具有离散行为选择和连续行为决策的混合动作空间，并且通过为离散行为和连续行为分别制定不同的决策策略，取得更有效的优化效果。本发明基于处理具有混合动作空间的深度强化学习算法，将移动设备的任务完成时延和能量消耗作为优化目标，与其他算法相比本发明提出的方法相比可有效降低移动用户时延和能耗，提升用户体验质量。
-
Patent Agency Ranking
公开(公告)号：CN114860337A
公开(公告)日：2022-08-05
申请号：CN202210534342.6
申请日：2022-05-17
Applicant: 华东师范大学
Abstract: 本发明公开了一种基于元强化学习算法的计算卸载方法，其特点是该方法采用在物联网设备、边缘服务器和云服务器协作式应用场景下建立任务卸载决策和资源分配模型，获取当前卸载系统的状态，然后通过元学习获取学习模型，最后通过训练获取任务卸载决策。本发明与现有技术相比具有降低物联网设备计算任务的时延和功耗，从而提升用户体验，有效解决了传统的深度强化学习算法对新任务采样效率低的问题，实现在动态环境中的快速计算卸载决策。
-
公开(公告)号：CN104730337B
公开(公告)日：2017-07-25
申请号：CN201510098775.1
申请日：2015-03-06
Applicant: 华东师范大学
IPC: G01R23/16
Abstract: 本发明公开了一种基于频谱图的信号检测方法，包括：初始上升检测步骤：当信噪比大于底噪时，记录当前信号的频率和信噪比，信号的当前趋势和之前趋势预设为上升；上升段检测步骤：实时检测信号的信噪比，当信噪比的变化趋势改变时，按顺序记录上升段内的所有拐点，并比较相邻拐点之间的信噪比，删除属于波动的拐点；下降段检测步骤：当前趋势和之前趋势预设为下降，当信噪比的变化趋势改变时，按顺序记录下降段内的所有拐点，并比较相邻拐点之间的信噪比，删除属于波动的拐点；测试完成步骤：重复进行初始上升检测步骤至下降段检测步骤，当信号小于底噪时记录所有拐点，并利用所述拐点组成信号。
-
公开(公告)号：CN114860337B
公开(公告)日：2023-07-25
申请号：CN202210534342.6
申请日：2022-05-17
Applicant: 华东师范大学
Abstract: 本发明公开了一种基于元强化学习算法的计算卸载方法，其特点是该方法采用在物联网设备、边缘服务器和云服务器协作式应用场景下建立任务卸载决策和资源分配模型，获取当前卸载系统的状态，然后通过元学习获取学习模型，最后通过训练获取任务卸载决策。本发明与现有技术相比具有降低物联网设备计算任务的时延和功耗，从而提升用户体验，有效解决了传统的深度强化学习算法对新任务采样效率低的问题，实现在动态环境中的快速计算卸载决策。
-
公开(公告)号：CN114205353A
公开(公告)日：2022-03-18
申请号：CN202111424091.8
申请日：2021-11-26
Applicant: 华东师范大学
IPC: H04L67/10 , H04L67/101 , H04L67/1008 , G06F9/50 , G06N20/00
Abstract: 本发明公开了一种基于混合动作空间强化学习算法的计算卸载方法，该方法包括步骤：a）在多设备多服务器的应用场景下建立任务协作卸载与资源分配模型；b）获取请求任务的状态；c）获得学习模型和d）求解卸载决策；通过将卸载过程中的决策划分为具有离散行为选择和连续行为决策的混合动作空间，并且通过为离散行为和连续行为分别制定不同的决策策略，取得更有效的优化效果。本发明基于处理具有混合动作空间的深度强化学习算法，将移动设备的任务完成时延和能量消耗作为优化目标，与其他算法相比本发明提出的方法相比可有效降低移动用户时延和能耗，提升用户体验质量。
-
公开(公告)号：CN104730337A
公开(公告)日：2015-06-24
申请号：CN201510098775.1
申请日：2015-03-06
Applicant: 华东师范大学
IPC: G01R23/16
Abstract: 本发明公开了一种基于频谱图的信号检测方法，包括：初始上升检测步骤：当信噪比大于底噪时，记录当前信号的频率和信噪比，信号的当前趋势和之前趋势预设为上升；上升段检测步骤：实时检测信号的信噪比，当信噪比的变化趋势改变时，按顺序记录上升段内的所有拐点，并比较相邻拐点之间的信噪比，删除属于波动的拐点；下降段检测步骤：当前趋势和之前趋势预设为下降，当信噪比的变化趋势改变时，按顺序记录下降段内的所有拐点，并比较相邻拐点之间的信噪比，删除属于波动的拐点；测试完成步骤：重复进行初始上升检测步骤至下降段检测步骤，当信号小于底噪时记录所有拐点，并利用所述拐点组成信号。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
