公开(公告)号：CN119254646A

公开(公告)日：2025-01-03

申请号：CN202411339134.6

申请日：2024-09-25

Applicant: 南京信息工程大学

Inventor： 陈苏婷 ,  石振兴 ,  徐文亮 ,  孟勇

IPC: H04L41/16 ,  H04L43/08 ,  H04L43/04 ,  H04L9/40

Abstract: 本发明公开了一种基于多智能体强化学习的通信网络智能管理系统，包括通信协议模块、状态感知模块、数据存储和分析模块、智能体模块、自动化决策模块和资源管理模块；通信协议模块根据网络环境和性能要求定义并管理各智能体之间的通信标准和规则，状态感知模块基于传感器实时收集网络设备的网络流量数据，数据存储和分析模块对网络流量数据进行处理，智能体模块基于处理后的网络流量数据，利用深度神经网络和强化学习模型获取最优流量调整策略，自动化决策模块生成网络管理决策，根据该决策自动调整网络配置、优化资源分配和预防潜在故障，资源管理模块动态调整网络资源的配置。本发明减少对人工干预的依赖，显著提高了网络管理的效率和响应速度。

公开(公告)号：CN119129706A

公开(公告)日：2024-12-13

申请号：CN202411134963.0

申请日：2024-08-19

Applicant: 南京信息工程大学

Inventor： 陈苏婷 ,  徐文亮 ,  孟勇 ,  石振兴

IPC: G06N3/098 ,  G06F21/62 ,  G06F21/60 ,  G06F17/16 ,  G06N3/044 ,  G01W1/10

Abstract: 本发明提供了一种基于GRU神经网络和差分隐私联邦学习的气象监测方法，包括：采集本地的气象数据生成气象时序数据序列；根据客户端自身异质性选择合适的模型结构，进行基于GRU神经网络的本地气象监测模型训练，通过LPDP‑FedProx联邦学习算法对本地模型进行参数更新；中央服务器获取客户端的模型参数后根据全局模型加权平均聚合算法进行模型的聚合和更新；客户端接收更新后的全局模型参数进行下一轮的本地训练，直至得到最佳的监测模型。本发明将个性化的差分隐私算法与FedProx联邦学习算法结合，提出了LPDP‑FedProx联邦学习算法，构建了一种能够有效处理异构数据的联邦学习框架，有效保护本地数据的隐私，提高联邦学习的安全性。