公开(公告)号：CN115993888A

公开(公告)日：2023-04-21

申请号：CN202211651436.8

申请日：2022-12-21

Applicant: 南京邮电大学

Inventor： 魏昕 ,  高子涵 ,  张家豪 ,  张翠芳 ,  周亮

IPC: G06F3/01 ,  G06N3/096 ,  G06N3/0464

Abstract: 本发明公开了一种基于迁移学习的视觉‑触觉信号自适应重建方法包括：基于中心云端存储的大规模视觉和触觉数据集执行监督学习任务，并获取知识；利用迁移学习技术将知识迁移到边缘节点，并在边缘节点建立跨模态迁移重建模型；通过梯度下降算法在云端和边缘节点对跨模态迁移重建模型进行训练，以获取最优的模型结构和参数；将需要重建的视觉信号和触觉信号输入跨模态迁移重建模型生成重建后的视觉信号和触觉信号，实现受损、丢失、延迟的视觉和触觉自适应重建；本发明通过充分利用大规模数据集中所蕴含的知识信息以及充分挖掘不同模态间信号语义相关性有效的解决了跨模态通信中受损的视觉和触觉信号的自适应重建问题。

公开(公告)号：CN119990188A

公开(公告)日：2025-05-13

申请号：CN202510085746.5

申请日：2025-01-20

Applicant: 南京邮电大学

Inventor： 王海艳 ,  张家豪 ,  骆健

IPC: G06N3/045 ,  G06N3/0442 ,  G06N3/006 ,  G06N3/0985 ,  G06F18/2131 ,  G06F123/02

Abstract: 本发明公开一种基于PSO‑IWOA‑DLSTM的边缘服务器能耗预测方法，包括收集原始边缘服务器能耗时间序列数据，并进行预处理，将其分解为多个子序列；根据获得的多个子序列，分别构建基于DLSTM框架的边缘服务器能耗预测模型；利用PSO算法优化边缘服务器能耗预测模型的初始权值阈值；利用IWOA算法优化边缘服务器能耗预测模型的超参数；利用优化完成后的边缘服务器能耗预测模型输出多个预测的子序列，再重构为未来边缘服务器能耗数据。本发明不仅解决了传统的预测方法对具有周期性且波动较大的边缘服务器能耗时间序列数据预测精度不高的问题，并且克服了模型预测过程中易陷入局部最优解、收敛速度慢且不稳定的问题，进一步提高模型鲁棒性和预测精度。