-
公开(公告)号：CN117492856A
公开(公告)日：2024-02-02
申请号：CN202311343668.1
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
Abstract: 本申请提供一种金融物联网中信任评估的低延迟边缘计算卸载方法，该方法包括：响应于接收到评估请求信号，向用户端发送预评估模型；用户端根据接收到的预评估模型，采集用户信息；将采集的用户信息输入预评估模型中进行预评估，获得用户预评估结果，并根据用户预评估结果，为用户的评估任务匹配相应的评估模型；根据评估模型，对用户端的评估任务进行计算；其中，对用户端的评估任务进行计算的方法包括：判断评估任务是否需要卸载到不同的边缘计算节点进行计算，若是，则执行低延迟边缘计算卸载方法，否则，在用户端计算评估任务。本申请避免个人信用评估时用户个人隐私泄露，并为金融物联网的信任评估提供有效计算卸载方案以确保低延迟。
-
公开(公告)号：CN118170035A
公开(公告)日：2024-06-11
申请号：CN202410607166.3
申请日：2024-05-16
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G05B13/04
Abstract: 本发明提供一种基于深度学习的自平衡机器人设计方法及系统，方法包括：根据自平衡机器人的三维数据进行数学建模；根据欧拉拉格朗日运动方程以对三个方向的欧拉拉格朗日运动方程进行线性化，并结合机器人自身物理属性得到空间平衡点，互补滤波器对传感器单元获得的信号数据进行滤波得到倾斜角；根据平衡点获得自平衡机器人的状态方程，根据状态方程并结合加权矩阵和倾斜角，通过深度学习网络对线性二次型调节器进行模型训练以获得训练后的线性二次型调节器；根据目标倾斜角与训练后的线性二次型调节器获得自平衡机器人的目标姿态调整数据以控制自平衡机器人。本申请解决了现有技术中的两轮自平衡机器人控制效果不好，鲁棒性较差的技术问题。
-
公开(公告)号：CN117492856B
公开(公告)日：2024-07-23
申请号：CN202311343668.1
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
Abstract: 本申请提供一种金融物联网中信任评估的低延迟边缘计算卸载方法，该方法包括：响应于接收到评估请求信号，向用户端发送预评估模型；用户端根据接收到的预评估模型，采集用户信息；将采集的用户信息输入预评估模型中进行预评估，获得用户预评估结果，并根据用户预评估结果，为用户的评估任务匹配相应的评估模型；根据评估模型，对用户端的评估任务进行计算；其中，对用户端的评估任务进行计算的方法包括：判断评估任务是否需要卸载到不同的边缘计算节点进行计算，若是，则执行低延迟边缘计算卸载方法，否则，在用户端计算评估任务。本申请避免个人信用评估时用户个人隐私泄露，并为金融物联网的信任评估提供有效计算卸载方案以确保低延迟。
-
Patent Agency Ranking
公开(公告)号：CN118170035B
公开(公告)日：2024-07-19
申请号：CN202410607166.3
申请日：2024-05-16
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G05B13/04
Abstract: 本发明提供一种基于深度学习的自平衡机器人设计方法及系统，方法包括：根据自平衡机器人的三维数据进行数学建模；根据欧拉拉格朗日运动方程以对三个方向的欧拉拉格朗日运动方程进行线性化，并结合机器人自身物理属性得到空间平衡点，互补滤波器对传感器单元获得的信号数据进行滤波得到倾斜角；根据平衡点获得自平衡机器人的状态方程，根据状态方程并结合加权矩阵和倾斜角，通过深度学习网络对线性二次型调节器进行模型训练以获得训练后的线性二次型调节器；根据目标倾斜角与训练后的线性二次型调节器获得自平衡机器人的目标姿态调整数据以控制自平衡机器人。本申请解决了现有技术中的两轮自平衡机器人控制效果不好，鲁棒性较差的技术问题。
-
公开(公告)号：CN118113484B
公开(公告)日：2024-07-23
申请号：CN202410527254.2
申请日：2024-04-29
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06F9/50
Abstract: 本发明公开了一种资源调度方法、系统、存储介质及车辆，该方法包括：建立车辆与移动边缘服务器、闲置车辆、云服务器的网络通信模型，以使得车辆与移动边缘服务器、闲置车辆、云服务器之间建立通信连接；获取计算平台的成本模型以及移动边缘服务器的负载平衡模型，根据成本模型和负载平衡模型以及相关调度信息确定资源调度模型；获取车辆上的待计算密集型任务的相关信息，根据相关信息利用资源调度模型确定待计算密集型任务的卸载策略；将卸载策略分发至对应的计算平台，并利用计算平台根据卸载策略对待计算密集型任务进行卸载。本发明解决了现有技术中，在进行车辆上的计算任务的卸载时计算资源受限而导致卸载任务效果不佳的问题。
-
公开(公告)号：CN118113484A
公开(公告)日：2024-05-31
申请号：CN202410527254.2
申请日：2024-04-29
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06F9/50
Abstract: 本发明公开了一种资源调度方法、系统、存储介质及车辆，该方法包括：建立车辆与移动边缘服务器、闲置车辆、云服务器的网络通信模型，以使得车辆与移动边缘服务器、闲置车辆、云服务器之间建立通信连接；获取计算平台的成本模型以及移动边缘服务器的负载平衡模型，根据成本模型和负载平衡模型以及相关调度信息确定资源调度模型；获取车辆上的待计算密集型任务的相关信息，根据相关信息利用资源调度模型确定待计算密集型任务的卸载策略；将卸载策略分发至对应的计算平台，并利用计算平台根据卸载策略对待计算密集型任务进行卸载。本发明解决了现有技术中，在进行车辆上的计算任务的卸载时计算资源受限而导致卸载任务效果不佳的问题。
-
公开(公告)号：CN115796242B
公开(公告)日：2023-05-16
申请号：CN202310097831.4
申请日：2023-02-10
Applicant: 南昌大学
IPC: G06N3/0475 , G06N3/0464 , G06N3/094 , G06F18/241 , G06N3/084
Abstract: 本发明公开一种电子数字信息反取证方法。所述方法包括：GAN模型包括分类网络D1、判别器D2和D3，以及生成网络G，预先为D1、D2和D3分配相同的权重，构建第一损失函数；将未处理信息输入D1进行训练，由G根据未处理信息和随机噪声生成合成信息，部署第二损失函数提高网络性能；将未处理信息输入D2进行训练，由D2对G的输出进行分类，并通过反向传播，将学习到的权重转移回G；将未处理信息输入D3进行训练，将未处理信息和合成信息进行区分，构建最终损失函数。本发明在对原有的GAN模型基础上，修改了生成器和构造器的结构和网络的框架，建立了额外的监督系统和相应的损失函数，提高了网络模型反取证的性能。
-
公开(公告)号：CN115796242A
公开(公告)日：2023-03-14
申请号：CN202310097831.4
申请日：2023-02-10
Applicant: 南昌大学
IPC: G06N3/0475 , G06N3/0464 , G06N3/094 , G06F18/241 , G06N3/084
Abstract: 本发明公开一种电子数字信息反取证方法。所述方法包括：GAN模型包括分类网络D1、判别器D2和D3，以及生成网络G，预先为D1、D2和D3分配相同的权重，构建第一损失函数；将未处理信息输入D1进行训练，由G根据未处理信息和随机噪声生成合成信息，部署第二损失函数提高网络性能；将未处理信息输入D2进行训练，由D2对G的输出进行分类，并通过反向传播，将学习到的权重转移回G；将未处理信息输入D3进行训练，将未处理信息和合成信息进行区分，构建最终损失函数。本发明在对原有的GAN模型基础上，修改了生成器和构造器的结构和网络的框架，建立了额外的监督系统和相应的损失函数，提高了网络模型反取证的性能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.052 seconds)
