一种基于多模态知识图谱的图像认知语义通信系统和方法

    公开(公告)号:CN118260432A

    公开(公告)日:2024-06-28

    申请号:CN202410284754.8

    申请日:2024-03-13

    Abstract: 本发明公开了一种基于多模态知识图谱的图像认知语义通信系统和方法,包括图像语义提取模块、语编码模块、解码模块、图像重建模块和共享多模态知识图谱模块。图像语义提取模块利用语义分割网络和知识图谱实体匹配算法,实现对图像语义信息的精准提取;编码模块包括语义编码以及信道编码两个子模块,语义编码可根据语义信息类别执行差异化编码,进一步对语义信息进行压缩,提高了系统的效率,信道编码为传输码元赋予纠错能力,提高系统可靠性;解码模块包括信道解码以及语义解码两个子模块,信道解码是信道编码的逆过程,实现对传输码元的纠错,语义解码为语义编码的逆过程,根据压缩后的码元估计恢复语义信息,图像重建模块使用风格生成对抗网络。

    一种基于商品知识图谱和用户社交图谱的推荐系统和方法

    公开(公告)号:CN116308652A

    公开(公告)日:2023-06-23

    申请号:CN202310241996.4

    申请日:2023-03-14

    Abstract: 本发明公开了一种基于商品知识图谱和用户社交图谱的推荐系统和方法,包括初始嵌入模块、图注意力卷积模块和预测模块。初始嵌入模块是将商品知识图谱嵌入到用户‑商品交互图谱中,形成协同知识图谱,再将协同知识图谱中的节点嵌入到服从均值为0,方差为0.01正态分布的64维向量空间。再利用TransR模型捕获结点间的语义关系。图注意力卷积模块是将初始嵌入模块得到的向量表示作为输入,根据协同知识图谱和用户社交图谱的邻接矩阵,进行卷积操作。预测模块是系统的输出模块,根据图注意力卷积模块捕捉的用户和商品隐藏关系,借助点积操作,实现商品推荐。本发明提升了推荐性能如推荐准确率(Precision)、召回率(Recall)和归一化折损累计增益(NDCG),并且提高了模型可解释性。

    一种无人机搭载智能反射面增强安全通信与移动边缘计算方法

    公开(公告)号:CN119172808A

    公开(公告)日:2024-12-20

    申请号:CN202411179851.7

    申请日:2024-08-27

    Abstract: 本发明公开了一种无人机搭载智能反射面(IRS‑UAV)增强安全通信与移动边缘计算方法,其中中继无人机(Relay‑UAV)具有有限的数据存储能力,IRS‑UAV配备IRS以自适应地改善任务上传和任务卸载。为了最小化系统成本,UAV的轨迹、边缘服务器的配对、目标用户的配对、数据卸载比率和IRS的反射元件被联合优化。针对复杂的非凸优化问题,提出了一种基于深度决斗双Q网络(Deep Dueling Double Q‑Network,D3QN)算法和深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法的智能混合算法。仿真结果表明,本发明提出的智能方案可以有效地解决复杂无人机移动通信安全问题,并在短时间内取得良好的收敛性。此外,与基准方案相比,本发明提出的方案显着降低了系统开销。

    一种智能反射面辅助的智能语义通信系统资源分配方法

    公开(公告)号:CN116527178A

    公开(公告)日:2023-08-01

    申请号:CN202310379935.4

    申请日:2023-04-11

    Abstract: 本发明公开了一种智能反射面辅助的智能语义通信系统资源分配方法,该方法通过部署一个相移可调的IRS辅助基站对用户信息传输以达到所要求的语义相似度和语义频谱效率。通过建模一种联合子信道分配、语义通信网络选择、基站波束赋形和IRS反射阵列的相移矩阵优化设计问题,本发明得以实现系统有效频谱效率最大化。在资源分配方法中使用D3QN‑SAC混合算法,D3QN优化子信道分配和语义通信网络选择,SAC优化基站波束赋形和IRS反射阵元。仿真结果表明,与其他基准方法相比,本发明提出的智能反射面辅助智能β语义通信系统资源分配方法可以显著提高系统有效频谱效率,同时拥有很好的收敛效果。

    一种基于深度强化学习的多IRS辅助宽带CR系统资源优化方法

    公开(公告)号:CN116546507B

    公开(公告)日:2025-01-24

    申请号:CN202310380583.4

    申请日:2023-04-11

    Abstract: 本发明公开了一种基于深度强化学习的多IRS辅助宽带CR系统资源优化方法,该方法包括步骤1:宽带频谱感知。步骤2:次级网络信号传输。步骤3:建立次级网络可达速率最大化问题框架,列出需要优化的目标以及约束条件。步骤4:根据所提出的次级网络可达速率最大化问题框架建立马尔可夫过程。步骤5:采用SAC算法对模型进行优化,直至其模型收敛。步骤6:输出结果,得到次级网络的总可达速率。本发明克服了无线信号传播过程中产生的衰落和频谱闲置而造成资源浪费等问题,在宽带频谱感知性能、频谱利用率和次级网络的可达速率等方面都有显著的提升。相对于现有传统算法,本发明降低了计算复杂度、提高了收敛速度。

    一种智能反射面辅助的智能语义通信系统资源分配方法

    公开(公告)号:CN116527178B

    公开(公告)日:2024-08-16

    申请号:CN202310379935.4

    申请日:2023-04-11

    Abstract: 本发明公开了一种智能反射面辅助的智能语义通信系统资源分配方法,该方法通过部署一个相移可调的IRS辅助基站对用户信息传输以达到所要求的语义相似度和语义频谱效率。通过建模一种联合子信道分配、语义通信网络选择、基站波束赋形和IRS反射阵列的相移矩阵优化设计问题,本发明得以实现系统有效频谱效率最大化。在资源分配方法中使用D3QN‑SAC混合算法,D3QN优化子信道分配和语义通信网络选择,SAC优化基站波束赋形和IRS反射阵元。仿真结果表明,与其他基准方法相比,本发明提出的智能反射面辅助智能β语义通信系统资源分配方法可以显著提高系统有效频谱效率,同时拥有很好的收敛效果。

    一种基于深度强化学习的多IRS辅助宽带CR系统资源优化方法

    公开(公告)号:CN116546507A

    公开(公告)日:2023-08-04

    申请号:CN202310380583.4

    申请日:2023-04-11

    Abstract: 本发明公开了一种基于深度强化学习的多IRS辅助宽带CR系统资源优化方法,该方法包括步骤1:宽带频谱感知。步骤2:次级网络信号传输。步骤3:建立次级网络可达速率最大化问题框架,列出需要优化的目标以及约束条件。步骤4:根据所提出的次级网络可达速率最大化问题框架建立马尔可夫过程。步骤5:采用SAC算法对模型进行优化,直至其模型收敛。步骤6:输出结果,得到次级网络的总可达速率。本发明克服了无线信号传播过程中产生的衰落和频谱闲置而造成资源浪费等问题,在宽带频谱感知性能、频谱利用率和次级网络的可达速率等方面都有显著的提升。相对于现有传统算法,本发明降低了计算复杂度、提高了收敛速度。

Patent Agency Ranking