-
公开(公告)号：CN114710410A
公开(公告)日：2022-07-05
申请号：CN202210634436.0
申请日：2022-06-07
IPC: H04L41/0823 , H04L41/083 , H04L41/0833 , H04W24/02 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于深度强化学习的网络数据采集效率优化方法及系统，优化方法包括：通过分析网络特征状态数据信息，建立动态多服务台队列模型和异质特征数据信息年龄模型；定义优化前后不同特征数据的信息年龄、服务器接收队列长度以及路由效果为损失函数，建立问题约束模型，通过深度强化学习求解不同特征数据更新频率间隔，改善不同特征状态数据的更新频率对路由性能的影响。网络终端采集特征状态数据并送达控制器的过程满足负指数分布，能够计算服务器接收不同类型特征数据的最佳更新频率，结果表明该优化方法能够有效提升系统时效性和路由选取有效性；能够有效应对车际移动自组网信息时效性差、队列资源受限等问题。
-
公开(公告)号：CN114710410B
公开(公告)日：2022-08-26
申请号：CN202210634436.0
申请日：2022-06-07
IPC: H04L41/0823 , H04L41/083 , H04L41/0833 , H04W24/02 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于深度强化学习的网络数据采集效率优化方法及系统，优化方法包括：通过分析网络特征状态数据信息，建立动态多服务台队列模型和异质特征数据信息年龄模型；定义优化前后不同特征数据的信息年龄、服务器接收队列长度以及路由效果为损失函数，建立问题约束模型，通过深度强化学习求解不同特征数据更新频率间隔，改善不同特征状态数据的更新频率对路由性能的影响。网络终端采集特征状态数据并送达控制器的过程满足负指数分布，能够计算服务器接收不同类型特征数据的最佳更新频率，结果表明该优化方法能够有效提升系统时效性和路由选取有效性；能够有效应对车际移动自组网信息时效性差、队列资源受限等问题。
-
公开(公告)号：CN112350876A
公开(公告)日：2021-02-09
申请号：CN202110027901.X
申请日：2021-01-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于图神经网络的网络流量预测方法，该方法首先用图卷积神经网络GCN来学习通信区域块的网络拓扑结构，提取通信区域块的网络流量的空间特征，然后将具有空间特征的数据作为门限递归单元GRU的输入，学习通信区域块属性的时间变化规律，进而提取通信区域块网络流量的时间特征，最后通过全连接层得到最终预测结果，可以较好的提取网络流量的时空特性，得到更好的预测精度。
-
公开(公告)号：CN114548216B
公开(公告)日：2025-05-16
申请号：CN202111675120.8
申请日：2021-12-31
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于Encoder‑Decoder注意力网络与LSTM的异常驾驶行为在线识别方法。本发明采用基于LSTM的编码器‑解码器、注意力机制以及基于SVM的分类器3个主要模块构成，包括输入编码、注意力学习、特征解码、序列重构、残差计算与驾驶行为分类。本发明以手机多传感器融合数据为基础，在驾驶行为数据特性与行为模式分析的基础上，融合Encoder‑Decoder深度学习模型、Attention注意力机制与SVM分类模型对异常驾驶行为进行识别。本发明具有数据易获取、非侵入、成本低等优点，不仅考虑了驾驶行为的时间相关性，而且考虑了不同时刻的差异性，能够以端到端的方式对异常驾驶行为进行在线识别，可为驾驶行为评估与安全预警提供方法基础，对智能驾驶系统设计、交通安全决策制定具有显著意义。
-
公开(公告)号：CN119642663A
公开(公告)日：2025-03-18
申请号：CN202411446515.4
申请日：2024-10-16
Applicant: 南京理工大学
Abstract: 本发明提供一种制导炮弹模型/惯性自主导航方法及系统，适用于制导炮弹全过程自主导航定位，该框架主要包括滤波模型构建和滤波方法设计两部分，根据弹道动力学模型构建系统状态方程，基于惯性器件与弹道模型参数耦合关系，以陀螺仪输出角速率和加速度计输出比力为观测量构建量测方程；基于滤波器新息信息和历史数据，设计一种基于数据驱动的新息UKF，可实时调节量测方差矩阵，提高模型/惯性参数融合精度，实现高精度制导炮弹自主导航。本发明方法适用于高动态环境下，制导炮弹导航。
-
Patent Agency Ranking
公开(公告)号：CN119312665A
公开(公告)日：2025-01-14
申请号：CN202411305735.5
申请日：2024-09-19
Applicant: 南京理工大学
IPC: G06F30/27 , G06F30/17 , G06N3/042 , G06N3/084 , G06N3/0985 , G06F111/04 , G06F119/14
Abstract: 本发明提供一种基于数据‑模型双驱动的小样本弹道预测方法及系统，包括：建立六自由度弹道模型；构建包括数据驱动和模型驱动的小样本弹道预测数据库，数据驱动为目标弹道的观测数据，模型驱动为一条已知的包括六自由度弹道模型全部变量数据的全弹道；基于PINN模型构建弹道预测模型，并基于小样本弹道预测数据库中数据驱动和模型驱动构建物理约束，将初始条件、边界条件和物理约束作为损失函数嵌入到弹道预测模型中；对弹道预测模型进行训练，通过训练好的弹道预测模型预测目标弹道。本发明满足小样本情况下的弹道预测需求。
-
公开(公告)号：CN118102414B
公开(公告)日：2024-07-09
申请号：CN202410486957.5
申请日：2024-04-23
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于谱聚类‑离散鸽群算法的无人机集群分簇方法，包括如下步骤：建立协同自组网稳定分簇模型，确定模型约束条件和优化目标；采用谱聚类实现无人机节点分组；基于节点分组结果，初始化多个待评估簇首选择方案；设置适应度函数评价方法，实现簇首选择方案与分簇方案的唯一对应，量化分簇性能；基于离散鸽群算法对簇首选择方案进行迭代优化；提取、输出迭代优化后的分簇方案。本发明得到的分簇策略考虑了无人机机间协同行为对分簇性能要求，能够降低簇首通信负载，同时能够提高分簇策略求解速度和效率。
-
公开(公告)号：CN118071161A
公开(公告)日：2024-05-24
申请号：CN202410503863.4
申请日：2024-04-25
Applicant: 南京理工大学
IPC: G06Q10/0635 , G06Q10/0639 , G06F18/2415 , G06F18/213 , G06Q50/26 , G06N3/006 , G06N3/126
Abstract: 本发明公开了一种小样本条件下的空中集群目标威胁评估方法及系统，方法包括以下步骤：结合专家经验与离散萤火虫算法，以空中集群目标特征为基础建立动态贝叶斯网络，确定威胁评估模型的结构；采用基于数据扩充的小样本参数学习方法对威胁评估模型的参数进行学习，完成威胁评估模型的构建；将敌方目标信息进行离散化处理后输入建立好的动态贝叶斯网络得到威胁等级概率分布，并通过优劣解距离法得到具体的威胁值。本发明提出的威胁评估方法能够实时地对空中集群目标进行威胁评估，且在样本信息匮乏的条件下仍然具有较高的评估准确度。
-
公开(公告)号：CN117650834A
公开(公告)日：2024-03-05
申请号：CN202410117747.9
申请日：2024-01-29
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于知识蒸馏的天地一体化网络时空流量预测方法，包括以下步骤：控制平面GEO卫星收集并处理来自流量计数器的数据平面LEO卫星统计数据；GEO从地面管理中心历史模型库中寻找上一周期的基于注意力机制的时空流量预测模型；地面管理中心查询历史模型库，并将选定的历史模型传输至GEO卫星；GEO将历史模型与收集的最新数据相结合，使用自适应知识蒸馏训练策略获取最新模型；最新模型传输到地面管理中心，并保存在历史模型库中，作为历史模型供将来使用。该方法能够减少资源浪费，提高预测准确度。
-
公开(公告)号：CN116545853A
公开(公告)日：2023-08-04
申请号：CN202310806716.X
申请日：2023-07-04
Applicant: 南京理工大学
IPC: H04L41/0823 , H04L41/16 , H04L41/12 , G06N3/006
Abstract: 本发明公开了一种基于量子粒子群的一体化网络多目标优化资源管理方法，包括以下步骤：通过分析确定性业务的数据信息，结合一体化网络节点运动轨迹，建立基于多业务多需求的动态一体化网络节点通信系统模型；定义丢包率、时延、业务接受率为目标函数，建立问题约束模型，通过改进量子粒子群方法求解不同业务需求下网络切片优化方案。本发明在尽力满足确定性业务QoS需求的基础上，能够有效提高业务接受率、降低业务丢包率。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.058 seconds)
