公开(公告)号：CN117278060A

公开(公告)日：2023-12-22

申请号：CN202311280231.8

申请日：2023-10-07

Applicant: 南京邮电大学

Inventor： 季一木 ,  郑雨璐 ,  刘尚东 ,  邵思思 ,  顾天晟 ,  石雨辰 ,  张骋

IPC: H03M13/13 ,  H04L1/00

Abstract: 本发明提供一种基于DHR的高可靠性polar编译码通信方法及系统，该方法通过polar码编码器对输入数据进行编码，获得编码数据；根据信道数量m将编码数据复制为m个编码信息集合P；再根据当前运行执行体集合中译码异构执行体的个数n，将编码信息集合P再次复制获得编码信息，将编码信息作为当前运行执行体集合的输入数据，获得译码结果；输出裁决器获得最终输出；在译码异构执行体的反馈信息达到设定的反馈标准时，反馈控制器对该译码异构执行体进行动态下线并替换；本发明结合拟态防御思想，并结合输出裁决器中多模裁决算法监测识别问题执行体并令其及时下线和实时替换，有效降低问题执行体造成的损失，能够提高信道传输效率的同时保障信息的安全性、可靠性。

公开(公告)号：CN117112207A

公开(公告)日：2023-11-24

申请号：CN202311037605.3

申请日：2023-08-17

Applicant: 南京邮电大学

Inventor： 季一木 ,  黄昕 ,  刘尚东 ,  邱华杰 ,  梁伟 ,  孙朕 ,  张骋

IPC: G06F9/50 ,  G06N3/006 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/084 ,  H04W28/084 ,  H04W28/08

Abstract: 本发明公开了一种基于深度强化学习的混合资源调度方法，属于计算机技术领域；该方法包括以下步骤：构建马尔可夫决策过程的数学框架；构建深度强化学习模型；深度强化学习模型包括评价网络和目标网络；对构建的深度强化学习模型进行训练；利用深度强化学习模型获得初始化粒子群；采用分层学习划分粒子群，并计算粒子群的粒子适应值；对粒子群进行更新，位于低层的粒子随机选取高层的粒子作为参考进行速度及位置的更新，从而得到全局最优解即最优的资源调度方案。本发明通过将深度强化学习模型、分层学习的策略以及粒子群算法相结合，提高算法收敛速度的同时降低边缘服务器能耗；提高边缘服务器资源利用效率和服务器运算性能、减少能源消耗。