-
公开(公告)号：CN109743727B
公开(公告)日：2022-06-10
申请号：CN201811596901.6
申请日：2018-12-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于雾计算的高效隐私保护感知大数据收集方法，通过设计了分层的雾计算辅助数据收集架构，使得计算任务可以在本地设备或者网络边缘设备上处理，从而避免与云中心的长距离通信，为探索感知数据的空时相关性提供了有效支持。同时，通过采样扰动加密方法，保护了数据隐私免受窃听者和主动攻击者的侵害，这种加密方法不会破坏数据的相关性，并且简化了对加密采样数据的解密和重建操作。同时，设计的雾节点数据处理模式与观测矩阵优化的模型，大大减少了冗余数据传输量，有效探索了空间相关性，还保证了数据能够被高精度地重建。
-
公开(公告)号：CN110535936B
公开(公告)日：2022-04-26
申请号：CN201910797799.4
申请日：2019-08-27
Applicant: 南京邮电大学
IPC: H04L67/1004 , H04L67/12 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的能量高效雾计算迁移方法，首先构建了任务完成时间最小化雾计算迁移优化问题，提出了一个基于深度学习的雾计算迁移决策算法用于解决上述优化问题，该算法具有较快的收敛性能，并且能够最大程度地降低复杂网络场景下的任务完成时间；其次，为了进一步优化雾计算迁移的能耗，构建了终端用户能耗最小化雾计算迁移优化问题，基于上述迁移决策算法求解的最优迁移决策，提出了最优传输功率分配求解算法用于解决上述优化问题，该求解算法对传输功率进行了动态分配，从而获得最优传输功率即最小能耗；最后，本发明方法的具体实施验证了所提雾计算迁移方法在降低任务完成时间和用户能量消耗上的优势。
-
Patent Agency Ranking
公开(公告)号：CN113835894A
公开(公告)日：2021-12-24
申请号：CN202111145230.3
申请日：2021-09-28
Applicant: 南京邮电大学
Abstract: 一种基于双延迟深度确定性策略梯度的智能计算迁移方法，基于迁移决策、带宽资源分配及传输功率调节的联合考量，构建了一个最小化所有计算任务总能耗的优化问题，能够综合考虑差异化最大容忍延迟和终端电压动态可调，进一步提升系统节能效果，更加贴合动态变化的复杂网络场景；基于Actor‑Critic架构，引入连续变量离散化运算，从而求得计算迁移决策这一离散动作集合，保障变量生成的随机性，达到良好的覆盖面。同时，构造了两个初始化参数相异的Critic网络，分别对输入动作进行评估，以更好地生成全局最优计算迁移策略；融合了伯努利分布的思想，引入随机二元组，能够克服连续‑离散动作空间输出受限的问题，并保障策略网络对离散动作探索的随机性。
-
公开(公告)号：CN113835894B
公开(公告)日：2024-03-26
申请号：CN202111145230.3
申请日：2021-09-28
Applicant: 南京邮电大学
IPC: G06F9/50 , G06N3/0464 , G06N3/084
Abstract: 一种基于双延迟深度确定性策略梯度的智能计算迁移方法，基于迁移决策、带宽资源分配及传输功率调节的联合考量，构建了一个最小化所有计算任务总能耗的优化问题，能够综合考虑差异化最大容忍延迟和终端电压动态可调，进一步提升系统节能效果，更加贴合动态变化的复杂网络场景；基于Actor‑Critic架构，引入连续变量离散化运算，从而求得计算迁移决策这一离散动作集合，保障变量生成的随机性，达到良好的覆盖面。同时，构造了两个初始化参数相异的Critic网络，分别对输入动作进行评估，以更好地生成全局最优计算迁移策略；融合了伯努利分布的思想，引入随机二元组，能够克服连续‑离散动作空间输出受限的问题，并保障策略网络对离散动作探索的随机性。
-
公开(公告)号：CN110535936A
公开(公告)日：2019-12-03
申请号：CN201910797799.4
申请日：2019-08-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的能量高效雾计算迁移方法，首先构建了任务完成时间最小化雾计算迁移优化问题，提出了一个基于深度学习的雾计算迁移决策算法用于解决上述优化问题，该算法具有较快的收敛性能，并且能够最大程度地降低复杂网络场景下的任务完成时间；其次，为了进一步优化雾计算迁移的能耗，构建了终端用户能耗最小化雾计算迁移优化问题，基于上述迁移决策算法求解的最优迁移决策，提出了最优传输功率分配求解算法用于解决上述优化问题，该求解算法对传输功率进行了动态分配，从而获得最优传输功率即最小能耗；最后，本发明方法的具体实施验证了所提雾计算迁移方法在降低任务完成时间和用户能量消耗上的优势。
-
公开(公告)号：CN115633033A
公开(公告)日：2023-01-20
申请号：CN202211220355.2
申请日：2022-10-08
Applicant: 南京邮电大学
Abstract: 本发明属于无线通信网络技术领域，公开了一种融合射频能量采集的协同节能计算迁移方法，通过设计了分层的雾计算辅助数据收集架构，基于对计算迁移决策、上行带宽资源分配、下行带宽资源分配及基站功率分割的联合优化考量，构建了一个最小化系统总能耗的优化问题。为有效求解该优化问题，融合惩罚函数的概念设计了新的评价指标，并提出了一种基于自适应粒子群的协同节能计算迁移算法。该算法构造了动态变化的惯性权重和线性调节的惩罚因子，可在迭代搜索过程中实时变更粒子群落的空间分布密度，以生成可容忍惩罚下的最优计算迁移策略；进一步地，为避免粒子越过探索范围，引入了速度边界限制，可降低无效解的产生概率，提升搜索有效性。
-
公开(公告)号：CN109743727A
公开(公告)日：2019-05-10
申请号：CN201811596901.6
申请日：2018-12-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于雾计算的高效隐私保护感知大数据收集方法，通过设计了分层的雾计算辅助数据收集架构，使得计算任务可以在本地设备或者网络边缘设备上处理，从而避免与云中心的长距离通信，为探索感知数据的空时相关性提供了有效支持。同时，通过采样扰动加密方法，保护了数据隐私免受窃听者和主动攻击者的侵害，这种加密方法不会破坏数据的相关性，并且简化了对加密采样数据的解密和重建操作。同时，设计的雾节点数据处理模式与观测矩阵优化的模型，大大减少了冗余数据传输量，有效探索了空间相关性，还保证了数据能够被高精度地重建。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
