-
公开(公告)号：CN115545198A
公开(公告)日：2022-12-30
申请号：CN202211488786.7
申请日：2022-11-25
Applicant: 成都信息工程大学
Abstract: 本发明涉及边缘智能技术领域，公开了一种基于深度学习模型的边缘智能协同推断方法及系统，通过获取巡检设备和边缘设备的参数信息以及所述巡检设备采集的监控图像数据的处理需求分别构建适用于巡检设备和边缘设备的简单模型和复杂分支模型；简单模型较复杂分支模型的网络层数和神经元个数更少，神经网络计算会明显减少任务推断时间和自身消耗的能耗；巡检设备端输出结果置信度值判定器以输出结果的置信度最大值作为依据判断监控图像数据是否需要传输到边缘设备端进行处理，从而保证深度学习模型结果准确率的同时，最大程度的利用巡检设备、边缘设备的计算和存储能力，以及降低系统在单边执行任务时的所带来的高时延和高能耗。
-
公开(公告)号：CN119172828A
公开(公告)日：2024-12-20
申请号：CN202411228169.2
申请日：2024-09-03
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于自适应可变信标功率的车联网V2V2I路由方法，为了提高车辆连接RSU的链路稳定性，车辆首先收集邻居信标分析当前车辆所处的信号覆盖状态，自适应调整车辆当前的信标功率，然后通过改进的Q‑学习对可用邻居车辆节点进行分析，寻找最优邻居节点并选择作为下一跳路由，完成V2V2I数据路由。本发明不仅能够根据不同情况自适应调整信标功率，节省车辆能耗，并且信标功率变化范围在标准功率的±30％时，车辆自私性数量、车辆平均连接RSU时间、路由跳数和链路保持时间上均有良好的技术效果。
-
公开(公告)号：CN118761073A
公开(公告)日：2024-10-11
申请号：CN202410782213.8
申请日：2024-06-18
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于同态加密的本地差分隐私联邦学习方法，旨在解决传统联邦学习中存在的隐私泄露问题。本发明首先使用平均参数裁剪策略来减少客户端在每轮训练后需要传输的参数量，通过裁剪低于平均值的参数，有效降低了传输的数据量。随后，采用随机选择策略对裁剪后的参数随机执行加噪或加密操作，以确保在聚合过程中的参数安全，同时解决了传统差分隐私和同态加密方法在数据效用性和计算开销上不足的问题。实验结果表明，本发明方法在不同的隐私需求下表现出了良好的鲁棒性，并且在加密和解密效率上相较于现有方法有显著提升，同时还展现出能抵御梯度泄露攻击的强大隐私保护能力。
-
公开(公告)号：CN116633937A
公开(公告)日：2023-08-22
申请号：CN202310448527.X
申请日：2023-04-24
Applicant: 成都信息工程大学
IPC: H04L67/1001 , H04L47/125 , H04L41/40 , H04L67/12
Abstract: 本发明提供了基于SDN控制器的多MEC动态负载均衡方法，包括：S1.构建网络框架，并搭建SDN控制器的覆盖层；S2.当车辆连接到路测单元时，通过路测单元将卸载任务传送至MEC服务器；S3.将MEC服务器和卸载任务的特征信息上传到SDN控制器；S4.基于上传的MEC服务器和卸载任务的特征信息，进行卸载任务的分配比例计算；S5.分配比例计算完成后确定每个MEC服务器分配比例的决策结果；S6.基于决策结果控制每个MEC服务器进行卸载并计算；S7.在卸载并计算过程中，动态调整每个MEC服务器的分配比例，以使多MEC动态负载均衡。本发明解决了MEC服务器之间负载不均衡的问题。
-
公开(公告)号：CN119767358A
公开(公告)日：2025-04-04
申请号：CN202510024281.2
申请日：2025-01-07
Applicant: 成都信息工程大学
Abstract: 本发明属于车联网技术领域，具体涉及一种车辆边缘计算预测性任务卸载方法、系统和存储介质。本发明的数字孪生辅助车辆边缘计算预测性任务卸载方法包括如下步骤：感知域内所有任务卸载需求；从边缘车辆收到可用计算资源状态，并将其转发给数字孪生模块；通过数字孪生模块进行参数模拟，通过参数模拟结果及实际资源存量判断雾节点是否接受所述任务卸载需求，得到任务卸载决策；对被接受的任务卸载决策，边缘车辆将任务卸载到雾节点进行任务执行，之后将输出结果发送回边缘车辆。本发明还提供了实现上述方法的系统。本发明能够减少任务完成延迟、提升雾节点资源分配均衡性、适应虚实误差和提高VEC系统计算率，具有很好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN118368667A
公开(公告)日：2024-07-19
申请号：CN202410538088.6
申请日：2024-04-30
Applicant: 成都信息工程大学
IPC: H04W28/08 , H04W28/06 , G06N3/0442
Abstract: 本发明涉及一种基于MEC传输网络不可靠场景下的部分卸载优化方法，针对通信过程中复杂的无线环境导致计算任务在通过无线链路上传到MEC服务器时容易造成数据传输错误或丢包，无法保证更低的系统总能耗和更短的总时延的问题，设计一种在不可靠网络环境下的部分卸载优化算法，实现对丢失信息的自动补全，并通过优先级经验重放和预测系统状态加快模型的收敛速度。基于传输网络不可靠场景，能实现对丢失数据的自动补全，并通过优先级经验重放和预测系统状态加快模型的收敛速度。本发明方法具有良好的卸载性能，能有效应对信息缺失对决策带来的负面影响，相比于其它方法具有收敛速度更快，鲁棒性更强的优点，更适应复杂多变的动态MEC环境。
-
公开(公告)号：CN116938949A
公开(公告)日：2023-10-24
申请号：CN202310561083.0
申请日：2023-05-17
Applicant: 成都信息工程大学
IPC: H04L67/1023 , G06F9/50 , G06N3/006 , H04L67/1014
Abstract: 本发明涉及信息技术领域，公开了基于人工蜂群算法的移动边缘计算任务卸载方法和装置，通过采用反向学习法对人工蜂群算法的初始位置进行优化，利用贪婪策略从正向解和反向解中，择优确定蜜源的初始位置，以此扩大搜索范围，以找出问题的更优解，改善蜜源位置；然后在雇佣蜂的位置更新策略中引入正余弦算法，利用正余弦算法的全局最优解的引导信息来增强算法全局搜索能力，并利用正余弦算法的震荡特性来平衡全局探索与局部开发能力，以增强局部搜索能力，提高搜索精度，从而保证系统的计算任务卸载策略达到最优，以降低移动边缘计算任务卸载的时延和能耗。
-
公开(公告)号：CN119135590B
公开(公告)日：2025-01-24
申请号：CN202411619725.9
申请日：2024-11-13
Applicant: 成都信息工程大学
IPC: H04L45/03 , H04L45/28 , H04L45/247 , H04L45/745 , H04L45/76 , H04L49/111 , H04L49/60
Abstract: 本发明属于边缘计算技术领域，具体涉及一种软件定义边缘计算网络拓扑重构方法、系统和存储介质。本发明的方法的步骤主要包括：构造LLDP帧和信息绑定表；计算骨干交换机集合；构造LLDP报文；构造高、中、低三种优先级的流表；将构造好的流表安装到相应的交换机中；下发LLDP数据包到骨干交换机上；交换机完成对应LLDP数据包的转发处理；网络控制器接收并进行解析LLDP帧；更新端口的链路信息表和信息绑定表。本发明在保证实现SD‑ECN网络拓扑重构中解析链路容量和节点间的连接关系功能的同时，有效减少网络中数据包的数量和控制器的负载，提供对原生OFDP模式的有效兼容，具有很好的应用前景。
-
公开(公告)号：CN119135590A
公开(公告)日：2024-12-13
申请号：CN202411619725.9
申请日：2024-11-13
Applicant: 成都信息工程大学
IPC: H04L45/03 , H04L45/28 , H04L45/247 , H04L45/745 , H04L45/76 , H04L49/111 , H04L49/60
Abstract: 本发明属于边缘计算技术领域，具体涉及一种软件定义边缘计算网络拓扑重构方法、系统和存储介质。本发明的方法的步骤主要包括：构造LLDP帧和信息绑定表；计算骨干交换机集合；构造LLDP报文；构造高、中、低三种优先级的流表；将构造好的流表安装到相应的交换机中；下发LLDP数据包到骨干交换机上；交换机完成对应LLDP数据包的转发处理；网络控制器接收并进行解析LLDP帧；更新端口的链路信息表和信息绑定表。本发明在保证实现SD‑ECN网络拓扑重构中解析链路容量和节点间的连接关系功能的同时，有效减少网络中数据包的数量和控制器的负载，提供对原生OFDP模式的有效兼容，具有很好的应用前景。
-
公开(公告)号：CN116939710A
公开(公告)日：2023-10-24
申请号：CN202310889922.1
申请日：2023-07-19
Applicant: 成都信息工程大学
IPC: H04W28/08 , H04W28/084 , H04W84/06 , G06F18/23213 , H04L67/10
Abstract: 本发明涉及移动边缘计算技术领域，公开了基于用户公平性的无人机群基于用户公平性的无人机群辅助计算卸载方法及相关设备，所述方法包括步骤：获取若干个用户端和若干个无人机的模型构建信息；根据用户端模型构建信息和无人机模型构建信息构建优化数学模型；将优化数学模型转化为线性系统优化模型；将非凸多元优化问题模型通过两阶段联合优化算法为解耦如下五个子问题模型：无人机水平部署优化模型、用户匹配优化模型、无人机高度部署优化模型、计算资源分配优化模型和卸载因子优化模型；根据所述五个子问题模型的迭代求解结果数据调整无人机的部署位置并将目标计算任务卸载至对应的无人机边缘服务器MEC。本发明能够在最小化系统总时延的同时，保证用户公平性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
