-
公开(公告)号：CN119835684A
公开(公告)日：2025-04-15
申请号：CN202510300439.4
申请日：2025-03-14
Applicant: 南京邮电大学
IPC: H04W28/02 , H04W28/08 , H04W84/06 , G06F18/23213
Abstract: 本发明公开了多无人机辅助无线缓存网络时延优化方法及系统，涉及无线缓存网络时延优化技术领域。本发明包括：构建基于无人机剩余电量比例的多无人机和地面基站协同工作的无线缓存网络架构模型；基于无线缓存网络架构模型引入信息年龄作为衡量文件内容新鲜度的指标，完善缓存更新机制。本发明通过构建基于无人机剩余电量比例的多无人机与地面基站协同工作的无线缓存架构，提高了文件分发效率；多无人机协同缓存比单无人机更能有效分担缓存负担，避免因电量或缓存容量限制造成服务中断或延迟；设计的考虑用户位置、活跃度与重要性的加权K‑means算法保证了无人机部署在活跃且重要的用户附近。
-
公开(公告)号：CN119497152A
公开(公告)日：2025-02-21
申请号：CN202411508655.X
申请日：2024-10-28
Applicant: 南京邮电大学
IPC: H04W28/084 , H04W28/086 , H04W28/08 , G06N3/092
Abstract: 本发明公开一种基于上下文多臂机与深度强化学习的无线边缘缓存动态优化策略，属于人工智能与边缘计算交叉技术领域。本发明步骤：①智慧交通场景中从基站向主基站发送从基站缓存中已缓存内容的缓存状态索引集sk；②通过DRL，主基站能够根据当前k时期的缓存状态值sk和预期折现奖励函数Q(sk,ak；θk)决定将执行的行动ak，从而得到最优的缓存替换策略#imgabs0#③从基站根据#imgabs1#对已缓存内容集进行更新；④从基站用CMAB算法，提取并分析用户及缓存信息的特征信息，计算每个内容的预测奖励UCB。选择使UCB值最大的内容对应的请求队列进行组播。接收用户反馈的实际奖励后，更新模型参数，以动态调整组播内容。该方法确保用户获取最新内容，提高数据实时处理能力并避免提供陈旧数据。
-
公开(公告)号：CN116390124B
公开(公告)日：2025-02-14
申请号：CN202310340504.7
申请日：2023-03-31
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无人机辅助的去蜂窝大规模MIMO系统的资源优化方法。在无人机辅助的去蜂窝大规模MIMO系统场景中，无人机作为空中接入点和地面AP点联合为地面用户提供服务，该方法具体设计包括设计基于空‑地AP联合服务的用户调度规则；根据调度规则，设计基于空‑地联合服务的通信模型；设计公平的资源分配方案，包括用户调度方案、无人机的位置部署方案、用户功率分配方案，最大化上述通信模型的用户最小下行速率，最后通过块坐标下降和连续凸优化技术等优化求解方法验证所提出的效用模型的可行性。本发明能够根据当前用户和地面资源分布情况，提出包括无人机在内的最优资源分配策略，实现地面用户服务的无盲点覆盖。
-
公开(公告)号：CN118316642A
公开(公告)日：2024-07-09
申请号：CN202410234822.X
申请日：2024-03-01
Applicant: 南京邮电大学 , 江苏省未来网络创新研究院
IPC: H04L9/40 , H04L47/2441 , G06F18/2433 , G06N3/09 , G06N3/084 , G06N3/098 , G06N3/0985 , G06N3/045
Abstract: 本发明公开了基于自适应分层差分隐私联邦学习的工业互联网流量分类方法，包括如下步骤：首先各个客户端采集终端控制智能设备的流量数据，构建训练样本数据集，然后构建本地、全局流量数据分类神经网络，客户端利用数据集训练本地流量数据分类神经网络，中央服务器对本地流量数据分类神经网络进行整合和反向传播更新全局流量数据分类神经网络，获得全局流量数据分类模型；在训练过程中进行分层隐私加噪、确定自适应学习率变动范围、以及根据联邦学习数据任务选择自适应学习率方案。最后利用全局流量分类模型，对智能设备的数据流量判别正常与否。本发明能够在工业互联网场景中得到广泛的应用，在保证隐私安全性的同时提高生产的智能化和高效性。
-
公开(公告)号：CN118014305A
公开(公告)日：2024-05-10
申请号：CN202410283577.1
申请日：2024-03-13
Applicant: 南京邮电大学 , 江苏省未来网络创新研究院
IPC: G06Q10/0631 , G06F18/241 , G06N20/00
Abstract: 本发明公开了车联网场景下分层联邦学习RSU调度的公平性增强方法，首先明确车联网场景和智能识别任务；接着构建车联网场景下分层联邦学习的架构，描述车辆用户、RSU参与云端聚合的主要过程；然后将RSU调度问题转换成多臂老虎机问题，使用置信上界算法进行RSU选择，同时引入本地数据新鲜度来增强该过程的公平性；最后，使用Jain指标，结合分类准确度和系统整体时延提出综合性指标进行评测；本发明所设计的方法解决了车联网场景下分层联邦学习RSU调度问题的公平性问题。
-
Patent Agency Ranking
公开(公告)号：CN117851356A
公开(公告)日：2024-04-09
申请号：CN202410042329.8
申请日：2024-01-11
Applicant: 南京邮电大学 , 江苏省未来网络创新研究院
IPC: G06F16/172 , G06F16/11 , G06F16/18 , G06Q50/40
Abstract: 本发明公开了一种基于深度Q网络的无人机辅助缓存策略方法及系统，涉及无人机辅助通信技术领域，包括构建基于设备到设备的文件共享及无人机辅助缓存的文件下发系统模型，并引入基于信息年龄的文件版本更新过程；分析M/M/1排队论理论，建立优化模型；通过深度Q网络确定无人机端文件缓存策略。本发明提供的基于深度Q网络的无人机辅助缓存策略方法通过无人机辅助缓存的文件下发系统模型，获得更高的缓存效用，通过静态文件与动态文件的综合缓存方案，用户可以最短的时延从合适的途径获取自身所需文件，通过基于DON的无人机缓存策略方法，进一步优化了缓存效率和文件获取速度，本发明在缓存效用、获取速度和完成缓存效率都取得更加良好的效果。
-
公开(公告)号：CN117633873A
公开(公告)日：2024-03-01
申请号：CN202311478621.6
申请日：2023-11-07
Applicant: 南京邮电大学
Abstract: 本发明提出了一种面向多种聚合框架的联邦元学习差分隐私噪声分配方法，包括：客户端和服务器相互传输已知联邦学习的参数细节和框架，客户端和服务器之间根据模型聚合方式确定隐私风险判定标准，服务器收集客户端的加噪指标，判定是否进行加噪来训练Actor‑Critic模型以预估每轮客户端的加噪情况，服务器根据预估情况对各轮隐私预算进行统计和分配，本发明通过对客户端在每轮上传模型参数上所添加的噪声进行合适的规划来达到在有限的噪声预算下最优的隐私泄漏防御效果，确知联邦学习使用的模型聚合方式和参数，然后根据聚合方式进行联邦学习隐私评价指标的动态适配，客户端根据选型指标判断各自的加噪需求。
-
公开(公告)号：CN115496204B
公开(公告)日：2024-02-02
申请号：CN202211228750.5
申请日：2022-10-09
Applicant: 南京邮电大学
IPC: G06N3/098 , G06N3/084 , G06F18/214 , G06F18/24
Abstract: 本申请公开了一种跨域异质场景下的面向联邦学习的评测方法，所述方法包括构建跨域异质场景下的面向联邦学习的非独立同分布数据集；构建异质测试环境；选择骨干网络VGGNet；选择梯度平均作为联邦学习算法；计算每一轮迭代所需时间；判断收敛周期；以及计算整个联邦学习过程中的总训练时间；本发明提出了面向联邦学习训练效率评估的测试环境构建、详细步骤与量化指标，能够量化度量不同联邦学习架构、不同联邦学习算法的训练效率。
-
公开(公告)号：CN115659212A
公开(公告)日：2023-01-31
申请号：CN202211184164.5
申请日：2022-09-27
Applicant: 南京邮电大学
IPC: G06F18/24 , G06F18/214 , G06N3/04 , G06N20/00
Abstract: 本发明提供了跨域异质场景下基于TDD通信模式的联邦学习效率评测方法，其通过计算数据传输时间来评估联邦学习的通信效率，首先配置了测试环境包括跨域数据集、学习任务、算法和客户端设备等，然后根据上述的配置环境计算出在每个通信轮次下客户端上传和下载数据所耗费的时间即每个轮次的通信开销，其次通过绘制精确度和迭代轮次曲线得到目标精度下的收敛轮次，最后根据通信开销和收敛轮次计算得出整个联邦学习过程中的数据传输时间，本发明给出了一种通信效率评估的详细步骤和具体参数设置方法，适用于多种不同联邦学习框架和算法，为联邦学习通信效率评估提供了一定的参考见解。
-
公开(公告)号：CN115526313A
公开(公告)日：2022-12-27
申请号：CN202211238940.5
申请日：2022-10-11
Applicant: 南京邮电大学
Abstract: 本发明提供了基于预测精度的跨域异质联邦学习架构运行效率评测方法，涉及联邦学习、迁移学习、深度领域，旨在解决研究跨域异质联邦学习架构过程中无法评测架构运行效率的问题，采用的技术方案是，其以评测跨域异质联邦学习架构的运行效率为目标，首先从数据跨域和客户端异质这两个主要概念解释跨域异质的定义；接着准备跨域异质联邦数据集，划分数据集来生成联邦学习中的Non‑IID数据，并选择基本测试模型；然后设定联邦学习方法，详细描述联邦学习的主要步骤；最后重复运行步骤三固定轮次后，统计多个基本测试模型的全局权重在测试数据集上的性能评测指标，加权后作为不同跨域异质联邦学习架构运行效率的评价指标。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.039 seconds)
