公开(公告)号：CN118945684B

公开(公告)日：2025-03-25

申请号：CN202410911854.9

申请日：2024-07-08

Applicant: 南京理工大学

Inventor： 李骏 ,  朱银涛 ,  夏鹏程 ,  张杰 ,  曾振平 ,  时龙 ,  金石 ,  蒋海涛

IPC: H04W24/02 ,  H04W52/02 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于改进Decision Transformer模型的基站能耗优化方法，属于基站能耗管理领域，包括对环境进行建模，并用强化学习生成决策数据集，计算决策数据集中轨迹回报，对计算的轨迹回报通过Bootstrap方法计算每个时间步的均值μt和标准差σt，建模数据样本的分布；对轨迹回报进行标准化处理，计算其在数据样本中的距离分布，并进行归一化处理，作为轨迹序列的提示Pt；重构输入轨迹序列τ，使用DecisionTransformer模型对重构的轨迹序列τ进行训练，直至收敛，获得最优的基站能耗管理策略。本发明采用上述的一种基于改进Decision Transformer模型的基站能耗优化方法，改进了Decision Transformer模型对数据集质量过度依赖的问题，克服了模型无法学习到最优策略的缺陷，为降低基站能耗提供了新的解决思路与方案。

公开(公告)号：CN119277491A

公开(公告)日：2025-01-07

申请号：CN202411422828.6

申请日：2024-10-12

Applicant: 南京理工大学 ,  江苏第二师范学院

Inventor： 李骏 ,  李佳恒 ,  倪艺洋 ,  夏鹏程 ,  金石 ,  时龙

IPC: H04W52/02 ,  H04W24/06 ,  G06N3/092 ,  G06N3/084

Abstract: 本发明公开了一种基于扩散模型和强化学习的基站节能调控方法，属于通信领域，具体包括以下步骤：步骤S1：构建流量动态变化的模拟基站环境；步骤S2：结合扩散模型的特点设计强化学习的策略网络；步骤S3：设计强化学习的奖励函数；步骤S4：在步骤S1构建的模拟基站环境中训练扩散模型，使扩散模型根据观测情况做出动态决策。本发明构建了一个能够反映用户流量动态变化的模拟场景，并将模型在该场景下进行迭代训练，在这个场景中，模型将经历一系列的迭代训练，以适应复杂且不断变化的流量环境，做出动态的节能控制决策。本发明在节能方面表现优异，并且维持了一定水平的用户服务质量。

公开(公告)号：CN119172723A

公开(公告)日：2024-12-20

申请号：CN202411431250.0

申请日：2024-10-14

Applicant: 南京理工大学 ,  江苏第二师范学院

Inventor： 李骏 ,  郭益群 ,  倪艺洋 ,  夏鹏程 ,  金石 ,  时龙

IPC: H04W4/021 ,  H04W4/02 ,  H04W4/33 ,  G06N3/045 ,  G06N20/20

Abstract: 本发明公开了一种基于集成学习和RNN神经网络的工业资产室内无线定位方法，涉及移动工业资产目标室内定位技术领域，将WIFI定位与UWB定位相结合的方式，首先将大范围室内定位面积划分成单位区域，WIFI定位采用由各类机器学习算法模型聚合成的集成学习算法，用于解算移动目标具体所处区域；再使用该区域内的UWB定位RNN模型，确定移动目标在区域内的精准位置或移动路径；最后跟据精确定位的坐标反向传播误差、更新各类机器学习的权重以矫正模型，经过多次迭代逐步优化当前模型，达到该场景下的最佳定位模型。本发明建立了分级明确的移动目标室内定位方法，提供可靠的目标定位方法和流程，改进了现有定位方式分级不明确、适应性有限、不能全流程跟踪等弊端。

公开(公告)号：CN119295808A

公开(公告)日：2025-01-10

申请号：CN202411323893.3

申请日：2024-09-23

Applicant: 南京理工大学 ,  江苏第二师范学院

Inventor： 李骏 ,  张妍 ,  倪艺洋 ,  吴沁怡 ,  崔继轩 ,  夏鹏程 ,  金石 ,  时龙

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/84 ,  G06V10/774

Abstract: 本发明提供了一种基于点对称模式转换数据增强的分布式轴承故障诊断方法，属于轴承故障诊断技术领域，包括参与用户采集并标注本地轴承故障样本，采用SDP转换方法将一维时间序列信息转换为二维图像，采用一维数据与二维数据两个模态的数据构建本地数据集；中央服务器初始化并分发全局模型给参与用户；参与用户基于本地数据集进行本地训练并将本地模型参数上传至中央服务器；将上传的模型参数进行聚合，更新全局模型；将更新后的全局模型下发给参与用户；重复上述过程，直到达到预设的最大通信轮次或预定的模型性能指标。本发明采用上述的基于点对称模式转换数据增强的分布式轴承故障诊断方法，解决了工业轴承故障诊断场景下数据模态单一导致的模型性能差的问题。

公开(公告)号：CN118945684A

公开(公告)日：2024-11-12

申请号：CN202410911854.9

申请日：2024-07-08

Applicant: 南京理工大学

Inventor： 李骏 ,  朱银涛 ,  夏鹏程 ,  张杰 ,  曾振平 ,  时龙 ,  金石 ,  蒋海涛

IPC: H04W24/02 ,  H04W52/02 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于改进Decision Transformer模型的基站能耗优化方法，属于基站能耗管理领域，包括对环境进行建模，并用强化学习生成决策数据集，计算决策数据集中轨迹回报，对计算的轨迹回报通过Bootstrap方法计算每个时间步的均值μt和标准差σt，建模数据样本的分布；对轨迹回报进行标准化处理，计算其在数据样本中的距离分布，并进行归一化处理，作为轨迹序列的提示Pt；重构输入轨迹序列τ，使用DecisionTransformer模型对重构的轨迹序列τ进行训练，直至收敛，获得最优的基站能耗管理策略。本发明采用上述的一种基于改进Decision Transformer模型的基站能耗优化方法，改进了Decision Transformer模型对数据集质量过度依赖的问题，克服了模型无法学习到最优策略的缺陷，为降低基站能耗提供了新的解决思路与方案。

公开(公告)号：CN118647071B

公开(公告)日：2025-02-25

申请号：CN202410767720.4

申请日：2024-06-14

Applicant: 南京理工大学

Inventor： 李骏 ,  于霄 ,  夏鹏程 ,  时龙 ,  金石 ,  蒋海涛

IPC: H04W52/02 ,  H04W24/06 ,  H04B7/0413 ,  G06N3/092

Abstract: 本发明公开了一种基于决策模型的5G基站节能方法，属于5G基站节能领域，对流量数据划分为不同的网络流量场景；部署基站，并建立MIMO网络环境；数据预处理，得到网络流量的分布规律并建立仿真环境，通过记录强化学习智能体与仿真环境交互生成轨迹；对决策模型进行预训练，将轨迹作为决策模型的输入学习出最佳的轨迹动作；将决策模型与MIMO网络环境交互，将时间步作为输入，生成动作概率并通过采样获得输出动作；将输出动作输入到MIMO网络环境得到反馈，通过反馈得到基站节能策略。本发明采用上述的一种基于决策模型的5G基站节能方法，可以解决强化学习模型泛化能力差的问题，可以处理大规模MIMO网络中基站数量变化的问题，达到降低能耗的目的。

公开(公告)号：CN119363314A

公开(公告)日：2025-01-24

申请号：CN202411407518.7

申请日：2024-10-10

Applicant: 南京理工大学 ,  江苏第二师范学院

Inventor： 李骏 ,  吴靖宇 ,  倪艺洋 ,  夏鹏程 ,  金石 ,  时龙

IPC: H04L9/00 ,  G06Q40/04 ,  H04L9/32 ,  H04L9/40

Abstract: 本发明公开了一种基于零知识证明的跨链聚合交易方法，区块链技术领域，使用零知识证明对多条侧链上的用户交易进行聚合，同时还加入了零知识证明，保证用户的隐私性；通过可信第三方接受聚合后的交易，降低了主链处理交易的开销，同时也减少了通信开销；通过零知识证明生成的小量数据，使得验证节点可以快速对交易进行验证，降低交易的时延；本发明提供的一种基于零知识证明的跨链聚合交易方法，减少了链上数据的冗余，降低了验证和存储的负担，聚合过程使得多个证明可以整合成一个简洁的证据，减少了计算资源的消耗，处理大量跨链交易时提高了系统的整体效率。

公开(公告)号：CN119294555A

公开(公告)日：2025-01-10

申请号：CN202411323885.9

申请日：2024-09-23

Applicant: 南京理工大学 ,  江苏第二师范学院

Inventor： 李骏 ,  钱军超 ,  倪艺洋 ,  夏鹏程 ,  金石 ,  邵雨蒙 ,  时龙

IPC: G06N20/00

Abstract: 本发明公开了一种基于多模态的个性化联邦学习聚合方法，涉及机器学习领域，包括将模型按模态类型分类为个性化部分和公共部分；客户端对个性化部分和公共部分都进行本地训练得到个性化模型和公告模型，客户端的公共模型在本地训练完成后上传到服务器；不同客户端模型的公共模型进行聚合得到全局模型，将聚合后的模型广播回客户端，使用更新后的全局模型更新客户端模型的公共模型；本发明采用上述的一种基于多模态的个性化联邦学习聚合方法，旨在解决联邦学习中的非独立相同分布下多模态数据问题，通过特征提取和融合策略处理多模态数据，通过个性化方案，缓解了非独立同分布问题，增强了模型的泛化能力。

公开(公告)号：CN119232600A

公开(公告)日：2024-12-31

申请号：CN202411407521.9

申请日：2024-10-10

Applicant: 南京理工大学 ,  江苏第二师范学院

Inventor： 李骏 ,  浦翔宇 ,  倪艺洋 ,  夏鹏程 ,  金石 ,  时龙

IPC: H04L41/147 ,  H04W24/06 ,  G06N3/042

Abstract: 本发明公开了一种基于Mamba和图神经网络的蜂窝基站网络流量预测方法，属于深度学习和基站流量预测领域，包括线性嵌入层模块、编码器模块、双视角图神经网络模块、解码器模块和输出层模块；具体方法为：(1)线性嵌入层模块对基站流量数据进行编码，得到基站流量数据的编码信息；(2)编码器模块提取基站流量数据的时间特征；(3)双视角图神经网络模块提取基站流量数据的空间特征；(4)解码器模块对基站流量数据的时间特征和空间特征进行融合；(5)输出层模块根据时间特征和空间特征融合结果，计算得到基站流量数据的预测结果。本发明在充分考虑基站流量的时空相关性的情况下，实现了对蜂窝基站网络流量准确的长期预测。

公开(公告)号：CN118647071A

公开(公告)日：2024-09-13

申请号：CN202410767720.4

申请日：2024-06-14

Applicant: 南京理工大学

Inventor： 李骏 ,  于霄 ,  夏鹏程 ,  时龙 ,  金石 ,  蒋海涛

IPC: H04W52/02 ,  H04W24/06 ,  H04B7/0413 ,  G06N3/092

Abstract: 本发明公开了一种基于决策模型的5G基站节能方法，属于5G基站节能领域，对流量数据划分为不同的网络流量场景；部署基站，并建立MIMO网络环境；数据预处理，得到网络流量的分布规律并建立仿真环境，通过记录强化学习智能体与仿真环境交互生成轨迹；对决策模型进行预训练，将轨迹作为决策模型的输入学习出最佳的轨迹动作；将决策模型与MIMO网络环境交互，将时间步作为输入，生成动作概率并通过采样获得输出动作；将输出动作输入到MIMO网络环境得到反馈，通过反馈得到基站节能策略。本发明采用上述的一种基于决策模型的5G基站节能方法，可以解决强化学习模型泛化能力差的问题，可以处理大规模MIMO网络中基站数量变化的问题，达到降低能耗的目的。