-
公开(公告)号:CN118158041A
公开(公告)日:2024-06-07
申请号:CN202410361857.X
申请日:2024-03-27
Applicant: 吉林大学
IPC: H04L27/00 , G06N3/098 , G06N3/0442 , G06N3/084 , G06N3/0464 , G06F18/241
Abstract: 本发明涉及一种基于联邦学习的无线电监测信号自动调制分类方法,属于无线通信领域。构建联邦学习的分布式机器学习框架,将采集到的无线电信号进行数据预处理,中央服务器选择改进的长短期记忆网络模型,各客户端接收到模型参数后,将参数上传到中央服务器,在中央服务器对收到的局部模型参数进行聚合,结果用于下一轮的本地模型更新,将训练好的模型用于调制分类。优点是在保证用户数据隐私安全的同时,解决了通信带宽不足的问题,采用联合增强策略避免过拟合,提高模型的鲁棒性,采用改进的长短期记忆网络提高了分类性能,在客户端局部训练时采用随机梯度下降的方法,在中央服务器中采用加权平均的聚合方式对参数进行聚合。
-
公开(公告)号:CN119012156A
公开(公告)日:2024-11-22
申请号:CN202410961247.3
申请日:2024-07-17
Applicant: 吉林大学
IPC: H04W4/40 , G06N3/006 , G06F9/48 , H04W28/08 , H04L41/0893
Abstract: 本发明涉及基于群体智能优化算法的车联网网络切片资源分配方法,属于车联网技术领域。构建多基站多车辆用户的车联网系统模型,及其通信模型、计算模型以及切片模型,车联网在有限通信资源和计算资源的约束下,基于网络切片建立用户关联决策、通信资源以及计算资源分配的联合优化问题模型,最小化系统的总成本,将联合优化问题分解为用户关联决策和资源分配两个子问题,采用基于群体智能的联合优化方法进行迭代求解。本发明增强了算法的搜索能力,避免种群陷入局部最优,平衡了探索与开发,增加了种群的多样性,能够兼顾用户的差异化服务质量需求与资源利用,实现车联网有限资源的合理分配。
-
公开(公告)号:CN118042468A
公开(公告)日:2024-05-14
申请号:CN202410100827.3
申请日:2024-01-24
Applicant: 吉林大学
IPC: H04W16/10 , H04W16/22 , H04L41/0893
Abstract: 本发明涉及信息传输速率约束下基于网络切片的车联网通信资源分配方法,属于车联网技术领域。包括构建由基站、多个车辆用户组成的车联网系统模型;建立多种切片下的用户通信模型;在条件约束下,建立通信资源分配优化问题模型,以最大化系统总速率;采用基于多策略改进的二进制海洋捕食者优化算法求解该优化问题。本发明是对传统海洋捕食者优化算法的改进,基于Cubic混沌映射改善了初始种群,并在最优个体确定阶段引入自适应t分布,增强了算法的搜索能力,避免种群陷入局部最优。本发明的基于网络切片的车联网资源分配方法能够在保证用户差异化性能需求的同时,实现车联网有限通信资源的合理分配,提高了资源利用效率。
-
-