-
公开(公告)号：CN114327889B
公开(公告)日：2024-10-22
申请号：CN202111612764.2
申请日：2021-12-27
Applicant: 吉林大学
Abstract: 本发明提供了一种面向分层联邦边缘学习的模型训练节点选择方法，云端服务器向信誉区块链提出训练所需的信誉阈值等条件，信誉区块链选择符合条件的边缘服务器及终端设备并将选择结果传输到云端服务器；根据选择结果进行模型训练，云端服务器及边缘服务器分别对边缘模型及局部模型进行质量评估并剔除不可靠边缘服务器和终端设备；对历史信誉及通过模型训练获得的信誉加权计算得到最新信誉，并更新到联盟区块链。本方法通过引入信誉、时延及能耗三种指标以协同增强模型训练的可靠性，通过设计一种历史信誉与当前信誉加权更新的计算方法以提高分层联邦边缘学习系统对终端设备及边缘服务器信誉评估的准确性。
-
公开(公告)号：CN109819047B
公开(公告)日：2021-04-30
申请号：CN201910139645.6
申请日：2019-02-26
Applicant: 吉林大学
IPC: H04L29/08
Abstract: 本发明涉及一种基于激励机制的移动边缘计算资源分配方法，该方法如下：将当前时隙内没有剩余计算资源的移动设备定义为买家，有剩余计算资源的移动设备和边缘服务器作为卖家；将买家计算任务优先级按激励值由大到小排序，卖家优先级按剩余计算资源由大到小排序；将满足计算资源条件和价格条件的卖家与买家计算任务进行匹配并分配计算资源；更新买家计算任务和卖家计算资源信息和定价信息，并对买家计算任务的优先级和卖家的优先级进行重新排序；如果计算资源分配失败则在下一个时隙将失败的计算任务卸载给边缘服务器。本发明充分利用移动设备的计算资源，减轻边缘服务器的计算负担，降低了边缘服务器的计算成本，提高了网络内计算资源的利用率。
-
公开(公告)号：CN114327889A
公开(公告)日：2022-04-12
申请号：CN202111612764.2
申请日：2021-12-27
Applicant: 吉林大学
Abstract: 本发明提供了一种面向分层联邦边缘学习的模型训练节点选择方法，云端服务器向信誉区块链提出训练所需的信誉阈值等条件，信誉区块链选择符合条件的边缘服务器及终端设备并将选择结果传输到云端服务器；根据选择结果进行模型训练，云端服务器及边缘服务器分别对边缘模型及局部模型进行质量评估并剔除不可靠边缘服务器和终端设备；对历史信誉及通过模型训练获得的信誉加权计算得到最新信誉，并更新到联盟区块链。本方法通过引入信誉、时延及能耗三种指标以协同增强模型训练的可靠性，通过设计一种历史信誉与当前信誉加权更新的计算方法以提高分层联邦边缘学习系统对终端设备及边缘服务器信誉评估的准确性。
-
Patent Agency Ranking
公开(公告)号：CN110072266B
公开(公告)日：2022-09-09
申请号：CN201910348124.1
申请日：2019-04-28
Applicant: 吉林大学
IPC: H04W40/16 , H04W40/22 , H04W72/04 , H04W72/08 , H04L12/733 , H04L12/753 , H04L12/761
Abstract: 本发明涉及一种考虑干扰功率的无线Mesh网络多播路由信道分配方法，该方法如下：通过获取节点位置信息，计算干扰功率以及每个节点受到的干扰和负载；利用广度优先搜索算法遍历整个网络，为节点分级；构建多播树，即多播路由过程，按照节点等级的升序排列，依次为每个等级的多播接收端和中继节点绑定唯一的父节点，直至遍历到节点等级为0的节点；根据构建完成的多播树，确定节点优先级；按照优先级的降序排列，依次为每个节点分配总干扰与信道负载最小的信道，直至所有的节点均被分配信道。本发明可以利用干扰功率更准确的衡量干扰，构建有效的多播树，并为节点分配总干扰和信道负载最小的信道，有效地减少干扰，提高网络性能。
-
-
公开(公告)号：CN110072266A
公开(公告)日：2019-07-30
申请号：CN201910348124.1
申请日：2019-04-28
Applicant: 吉林大学
IPC: H04W40/16 , H04W40/22 , H04W72/04 , H04W72/08 , H04L12/733 , H04L12/753 , H04L12/761
Abstract: 本发明涉及一种考虑干扰功率的无线Mesh网络多播路由信道分配方法，该方法如下：通过获取节点位置信息，计算干扰功率以及每个节点受到的干扰和负载；利用广度优先搜索算法遍历整个网络，为节点分级；构建多播树，即多播路由过程，按照节点等级的升序排列，依次为每个等级的多播接收端和中继节点绑定唯一的父节点，直至遍历到节点等级为0的节点；根据构建完成的多播树，确定节点优先级；按照优先级的降序排列，依次为每个节点分配总干扰与信道负载最小的信道，直至所有的节点均被分配信道。本发明可以利用干扰功率更准确的衡量干扰，构建有效的多播树，并为节点分配总干扰和信道负载最小的信道，有效地减少干扰，提高网络性能。
-
公开(公告)号：CN109819047A
公开(公告)日：2019-05-28
申请号：CN201910139645.6
申请日：2019-02-26
Applicant: 吉林大学
IPC: H04L29/08
Abstract: 本发明涉及一种基于激励机制的移动边缘计算资源分配方法，该方法如下：将当前时隙内没有剩余计算资源的移动设备定义为买家，有剩余计算资源的移动设备和边缘服务器作为卖家；将买家计算任务优先级按激励值由大到小排序，卖家优先级按剩余计算资源由大到小排序；将满足计算资源条件和价格条件的卖家与买家计算任务进行匹配并分配计算资源；更新买家计算任务和卖家计算资源信息和定价信息，并对买家计算任务的优先级和卖家的优先级进行重新排序；如果计算资源分配失败则在下一个时隙将失败的计算任务卸载给边缘服务器。本发明充分利用移动设备的计算资源，减轻边缘服务器的计算负担，降低了边缘服务器的计算成本，提高了网络内计算资源的利用率。
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
