-
公开(公告)号：CN116820603A
公开(公告)日：2023-09-29
申请号：CN202310653111.1
申请日：2023-06-05
Applicant: 南京云泽邮兴科技有限公司 , 南京邮电大学
Abstract: 本发明公开了一种基于深度强化学习的智慧工厂冗余卸载方法，该方法包括步骤：工业互联网设备卸载任务到达边缘盒子之后，根据先来后到进行排队，对于一些轻量级的任务，边缘盒子可以将其处理完并返回结果，对于一些需要更多资源的任务，边缘盒子则将这些任务传送到云计算系统进行处理。对于卸载到云服务器的部分任务。为了使在任务延迟约束下使卸载系统的效用最大化，使用马尔可夫决策方法确定最优卸载方案。通过服务器状态以及各工业互联网设备的相关信息，确定时间阈值和可靠性，从而确定冗余卸载的上界和下界，采用搜索的方法来获得最优的冗余传输路径数，在保证卸载可靠性的同时提高了获得的效用。
-
公开(公告)号：CN118586513A
公开(公告)日：2024-09-03
申请号：CN202410349095.1
申请日：2024-03-26
Applicant: 南京邮电大学
IPC: G06N20/00
Abstract: 本发明公开了一种面向分簇联邦学习的簇内外聚合周期构建方法、系统及其存储介质，包括如下步骤：各个不相交簇内所有客户端接收中心服务器下发的某一训练回合所对应的全局模型，并在客户端内利用本地数据集对全局模型进行迭代训练更新以获得本地模型；在每经预设聚合迭代周期I时，各个簇头收集其所在簇内的本地模型进行簇内聚合并将获得的簇内聚合模型下发至簇内客户端重复执行训练更新；在每经预设聚合迭代周期G时，各个簇头将最新的簇内聚合模型上传至中心服务器进行簇间聚合，并将经簇间聚合后获得的全局模型下发至各个簇内所有客户端；重复执行新一轮簇内、簇间训练更新，直至全局模型达到预定训练精度为止。
-
Patent Agency Ranking
公开(公告)号：CN116822335A
公开(公告)日：2023-09-29
申请号：CN202310634420.4
申请日：2023-05-31
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于斯塔克伯格博弈的设备调度方法，包括：1)由BS担任领导者，移动设备作为追随者对领导者的策略做出反馈，建立两者的效益函数，基于斯塔克伯格博弈设计BS和移动设备间的调度选择问题。2)移动设备集合接受来自特定BS的全局模型，通过无线网络协同执行联邦学习算法。3)利用来自BS的全局模型权重向量和移动设备的本地模型权重向量之间的差异，采用梯度下降法进行本地迭代更新。4)上传移动设备本地最优解到BS进行全局聚合，并向移动设备集合广播下一轮全局模型，用于下一轮联邦学习训练，直到全局模型达到预定精度为止。本方法通过斯塔克博格博弈提升了BS和移动设备的整体效益。
-
公开(公告)号：CN117556821A
公开(公告)日：2024-02-13
申请号：CN202310615583.8
申请日：2023-05-29
Applicant: 南京云泽邮兴科技有限公司 , 南京邮电大学
IPC: G06F40/30 , G06F18/214 , G06F18/24 , G06F18/25 , G06F18/22 , G06N3/04 , G06N3/08 , H04W72/044
Abstract: 本发明公开了一种基于智能反射表面辅助的语义通信系统和方法，该系统包括：一个具有多天线的基站(BS)、一个智能反射表面(RIS)和K个单天线用户(UE)。该基站(BS)首先从其大规模数据中提取语义信息，然后将提取后的小规模语义信息通过智能反射表面(RIS)辅助传输给每个用户(UE)，用户(UE)接收信号后根据共享知识库恢复原始数据。本发明语义通信过程具体包括四个阶段：1)语义信息提取，2)面向语义的资源分配和语义信息选择，3)原始文本数据恢复，4)语义相似性评估。本发明利用智能反射表面可以重构无线环境的特性，提高了语义通信系统的效率，并设置了一种语义相似性的度量标准。
-
公开(公告)号：CN119255214A
公开(公告)日：2025-01-03
申请号：CN202411421078.0
申请日：2024-10-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向联邦边缘学习的D2D配对及设备调度的联合方法，属于联邦边缘学习环境下的设备参与及数据共享技术领域。本发明提出了一个支持D2D通信联邦边缘学习架构，主要关注D2D设备对的关联方式和实体调度策略，重点考虑通信丢包错误率、移动设备的数据异构特性对模型的收敛性能影响，旨在改善由于基站频谱资源有限造成的设备接入数量限制问题。本方法引入设备关联调度策略，增强联邦边缘学习系统对波动通信条件的弹性；通过引入公平性约束，保障每个设备都有机会参与训练，使得全局模型学习的数据更全面；通过引入D2D通信增加基站接入量，改善边缘联邦学习的性能；在满足边缘基站接收容量限制的条件下最小化全局损失。
-
公开(公告)号：CN117252269A
公开(公告)日：2023-12-19
申请号：CN202310615014.3
申请日：2023-05-29
Applicant: 南京云泽邮兴科技有限公司 , 南京邮电大学
Abstract: 本发明公开了一种基于毫米波链路的D2D工业物联网联邦学习系统和方法，包括：1)根据地理接近性对设备进行分簇，各边缘平台将其覆盖范围内的设备集合分为LOS设备集合和非LOS设备集合。2)利用率先完成传输的LOS设备作为中继器建立中继模式，有效地利用等待时间来协助具有非LOS通道的设备D2D模型参数到边缘平台。3)计算设备本地训练和传输能耗。4)构建非LOS设备集合和帮助将其本地模型发送到边缘平台集合的D2D中继设备集合之间的冲突图。本发明引入联邦学习边缘平台，在距离设备更近的地方进行模型传输和聚合，降低了能量消耗。
-
公开(公告)号：CN117216714A
公开(公告)日：2023-12-12
申请号：CN202311135766.6
申请日：2023-09-04
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京邮电大学
IPC: G06F18/25 , G06F18/213 , G06F18/24
Abstract: 本发明实施例公开一种多模态数据融合处理方法、装置、设备和存储介质。该方法包括获取电力物联网中待处理原始多模态数据集；基于预设特征映射关系对各模态中每个模态目标数据对应的原始特征向量进行特征映射得到多模态增强数据集；确定多模态增强数据集中各增强模态分别对应模态内部特征之间的关系融合矩阵，并将各增强模态以及与各增强模态分别对应的关系融合矩阵进行融合得到多模态特征融合数据集；基于多模态特征融合数据集中各融合模态分别对应的初始模态特征以及神经网络模型对各融合模态进行模态间的特征融合。本发明实施例，通过上述技术方案，解决模态内和模态间的一致性和差异性问题，提高多模态数据融合处理性能以及数据融合准确度。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
