面向空天地一体化算力网络的轻量化带内遥测方法

    公开(公告)号:CN119254685B

    公开(公告)日:2025-02-11

    申请号:CN202411786059.8

    申请日:2024-12-06

    Abstract: 本发明公开了面向空天地一体化算力网络的轻量化带内遥测方法,包含应用层整合用户需求;控制器层计算节点探测数据总量;求解网络拓扑中节点对之间最短路径;求解所需节点列表最优逻辑遍历路径;通过贪心切割算法获得单次最佳探测路径;将探测路径流表项下发给路径源节点;判断数据包类型,探测数据包则继续处理,否则按照路由表转发;若为信源节点,添加段路由扩展包头;将默认位图保存至按需位图寄存器中;判断当前节点类型,端点节点则继续处理,否则按照路由表转发;将非零客制化位图更新至按需位图寄存器;根据按需位图动态添加元数据项;若节点为信宿节点则上报汇总信息给控制器。本发明有网络测量低代价、高灵活性的优点。

    一种基于移动边缘计算的任务卸载系统和方法

    公开(公告)号:CN113778550A

    公开(公告)日:2021-12-10

    申请号:CN202110941097.6

    申请日:2021-08-17

    Abstract: 本发明公开了一种基于移动边缘计算的任务卸载系统和方法,该方法包括:终端设备将任务信息上传至设备层信息上传模块;设备层信息上传模块获取设备层MEC服务器和终端设备任务信息;初始化模块接收任务信息并将其初始化;模型构建模块接收初始化模块传送的任务信息;卸载决策制定模块使用ASPO制定任务卸载决策,将其发送至任务卸载决策传送模块;任务卸载决策传送模块将任务卸载决策传送至边缘层的任务卸载决策下发模块;卸载决策下发模块负责部署平台层卸载决策传送模块所传输的任务卸载决策。本发明涉及的任务卸载方法搭载于任务卸载系统上,建立了一种新型的移动边缘计算场景模型,使用的算法全局搜索能力强,能制定出更好的卸载决策。

    面向空天地一体化算力网络的轻量化带内遥测方法

    公开(公告)号:CN119254685A

    公开(公告)日:2025-01-03

    申请号:CN202411786059.8

    申请日:2024-12-06

    Abstract: 本发明公开了面向空天地一体化算力网络的轻量化带内遥测方法,包含应用层整合用户需求;控制器层计算节点探测数据总量;求解网络拓扑中节点对之间最短路径;求解所需节点列表最优逻辑遍历路径;通过贪心切割算法获得单次最佳探测路径;将探测路径流表项下发给路径源节点;判断数据包类型,探测数据包则继续处理,否则按照路由表转发;若为信源节点,添加段路由扩展包头;将默认位图保存至按需位图寄存器中;判断当前节点类型,端点节点则继续处理,否则按照路由表转发;将非零客制化位图更新至按需位图寄存器;根据按需位图动态添加元数据项;若节点为信宿节点则上报汇总信息给控制器。本发明有网络测量低代价、高灵活性的优点。

    一种基于深度学习的社会网络不实言论的智能检测方法

    公开(公告)号:CN117034070A

    公开(公告)日:2023-11-10

    申请号:CN202310538062.7

    申请日:2023-05-12

    Inventor: 徐竟晗 徐小龙

    Abstract: 本发明公开了一种基于深度学习的社会网络不实言论的智能检测方法,包括,收集一个时间段的社交网络上的所有消息的文本信息,回复文本信息和拓扑信息并进行文本预处理操作;将消息的文本信息输入局部信息编码器,输出消息的文本信息特征向量;将消息构成的社交网络拓扑图拓扑信息输入全局信息编码器,输出消息的拓扑信息特征向量;将消息的文本信息特征向量和拓扑信息特征向量拼接在一起,得到融合特征向量;将融合特征向量输入线性网络,输出最终的预测向量。本发明在使用固定长度样本在保证训练效率的前提下,通过融合网络消息内容、其回复消息内容和消息在传播图中的拓扑信息,大大增强了模型特征提取能力,克服了模型特征提取能力不足的问题。

    一种面向网络互动平台的虚实情绪图片生成方法及系统

    公开(公告)号:CN118968578A

    公开(公告)日:2024-11-15

    申请号:CN202410846419.2

    申请日:2024-06-27

    Abstract: 本发明公开了一种面向网络互动平台的虚实情绪图片生成方法及系统,涉及计算机视觉图片生成技术领域,包括用户进入网络互动平台发起请求打开摄像头的命令,将检测后的图像以二进制流的形式传输给服务器端进行处理;服务器端接收到客户端发送的二进制流图像时,使用人脸识别模型对图像中的人脸进行表情识别;通过客户端对在线访问的URL信息加载显示。本发明实现了更加个性化和真实的情绪图片生成,该方法不仅提升了情绪图片的个性化和互动性,确保了生成过程的快速响应和安全性,相较于传统模板工具,本发明显著提高了用户体验,满足了用户对个性化情感表达的需求。

    一种面向智慧教育平台的长序列在线学习预测方法

    公开(公告)号:CN118839310A

    公开(公告)日:2024-10-25

    申请号:CN202411334266.X

    申请日:2024-09-24

    Abstract: 本发明公开了一种面向智慧教育平台的长序列在线学习预测方法,涉及人工智能长序列预测技术领域,包括,通过从在线教育系统中收集学生在线学习情况,构建多特征在线学习情况数据集,并将数据集中历史固定数目时间步的序列构建模型编码器和解码器的输入,将原序列X作为输入,输入到模型所构建的多层串联编码器中,在出口处输出提取的编码后季节性信息特征,得到编码解码后的季节性信息特征向量和周期性趋势特征向量;通过投影融合解码器输出分解分量,获得初步预测序列,截取部分初步预测序列作为最终的预测序列。本方法能够预测未来长时间步序列的在线学习状态预测方法,对涉及学生状态的多种指标进行融合,提高预测结果的可靠性和精度。

    一种基于移动边缘计算的任务卸载系统和方法

    公开(公告)号:CN113778550B

    公开(公告)日:2022-05-03

    申请号:CN202110941097.6

    申请日:2021-08-17

    Abstract: 本发明公开了一种基于移动边缘计算的任务卸载系统和方法,该方法包括:终端设备将任务信息上传至设备层信息上传模块;设备层信息上传模块获取设备层MEC服务器和终端设备任务信息;初始化模块接收任务信息并将其初始化;模型构建模块接收初始化模块传送的任务信息;卸载决策制定模块使用ASPO制定任务卸载决策,将其发送至任务卸载决策传送模块;任务卸载决策传送模块将任务卸载决策传送至边缘层的任务卸载决策下发模块;卸载决策下发模块负责部署平台层卸载决策传送模块所传输的任务卸载决策。本发明涉及的任务卸载方法搭载于任务卸载系统上,建立了一种新型的移动边缘计算场景模型,使用的算法全局搜索能力强,能制定出更好的卸载决策。

Patent Agency Ranking