公开(公告)号：CN115297170A

公开(公告)日：2022-11-04

申请号：CN202210680654.8

申请日：2022-06-16

Applicant: 江南大学

Inventor： 吴琼 ,  赵宇

IPC: H04L67/568 ,  H04W4/44 ,  H04W24/02 ,  H04W28/14 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于异步联邦和深度强化学习的协作边缘缓存方法，该方法首先使用异步联邦学习框架进行边缘内容缓存，可以使车辆用户的数据都在本地训练从而降低车辆用户的隐私风险，降低通信成本，适应高度动态的车辆网络环境，其次，使用自动编码器模型预测内容流行度，每个车辆用户使用基于自动编码器的内容流行度预测算法从车辆用户历史请求内容和上下文信息学习数据中潜在的相关性，从而提高每个边缘设备的缓存性能，最后，使用dueling DQN强化学习算法来学习每个边缘设备中车辆用户的请求内容数据，基于自动编码器模型预测出来的内容流行度，dueling DQN可以做出最优的缓存决策，降低车辆平均请求时延和提高每个边缘设备的缓存性能。

公开(公告)号：CN113283177A

公开(公告)日：2021-08-20

申请号：CN202110668580.1

申请日：2021-06-16

Applicant: 江南大学

Inventor： 吴琼 ,  赵宇

IPC: G06F30/27 ,  G06F16/9535 ,  G06F21/62 ,  G06N3/04

Abstract: 本发明公开了一种基于异步联邦学习的移动感知缓存方法，该方法包括步骤：A、选择自动编码器作为异步联邦学习的模型框架，并创建全局模型；B、根据车辆在当前RSU覆盖范围内的停留时间选择与当前RSU进行异步联邦学习的车辆；C、被选中的车辆从当前RSU中下载全局模型参数；D、根据全局模型参数和最小化正则化损失函数对车辆本地模型进行训练；E、RSU接收训练后的车辆本地模型，并通过权重平均更新全局模型；F、根据更新后的全局模型对内容流行度进行预测，并根据预测结果制定RSU缓存策略。本发明基于异步联邦学习的移动感知缓存方法能够获得较高的缓存命中率、可提升缓存性能、有效保护客户隐私、降低通信成本。

公开(公告)号：CN105528637B

公开(公告)日：2018-06-22

申请号：CN201510836062.0

申请日：2015-11-26

Applicant: 江南大学

Inventor： 李可 ,  刘义亚 ,  赵宇 ,  陈鹏 ,  王华庆

IPC: G06N3/08

Abstract: 本发明涉及一种基于线性内插型模糊神经网络的诊断方法。具体包括以下步骤：采用可能性理论和Dempster & Shafer证据理论信息融合得出神经网络的学习知识来训练BP神经网络。将sigmoid激活函数线性化，预测设备故障状态的可能性来判断设备处于哪种故障状态。该方法有效解决了模糊特征参量与设备故障类型之间的关系。

公开(公告)号：CN105260582A

公开(公告)日：2016-01-20

申请号：CN201510835989.2

申请日：2015-11-26

Applicant: 江南大学

Inventor： 赵宇 ,  李可 ,  陈鹏 ,  王华庆

IPC: G06F17/50

Abstract: 本发明涉及一种基于最小二乘映射的机械故障特征参量优化方法，将用于机械设备在线监测和故障诊断领域。具体包括以下步骤：根据所要诊断的机械设备计算提取特征参量，并在特征空间构造特征矢量，再构造特征矢量由特征空间映射到判决空间的误差向量和总均方误差，根据总均方误差最小原则选择变换矩阵，最后用变换矩阵构造出新的特征参量。

公开(公告)号：CN116362345A

公开(公告)日：2023-06-30

申请号：CN202310134885.3

申请日：2023-02-20

Applicant: 江南大学

Inventor： 吴琼 ,  赵宇 ,  汪文华 ,  李正权

IPC: G06N20/00 ,  G06F9/50

Abstract: 本发明提供一种基于多智能体强化学习和联邦学习的边缘缓存方法及系统，该方法包括：构建包括状态、动作、奖励和策略的MADRL框架，采用联邦深度学习预测SBS覆盖范围内的流行的内容；基于所述MADRL框架，SBS根据本地状态和相邻SBSs的状态来调整SBS本地缓存的流行的内容。本发明SBS可以预测自己覆盖范围内的内容流行度；并可以有效的调整SBSs本地缓存的流行的内容，进而实现了有效利用分布式边缘缓存。

公开(公告)号：CN113283177B

公开(公告)日：2022-05-24

申请号：CN202110668580.1

申请日：2021-06-16

Applicant: 江南大学

Inventor： 吴琼 ,  赵宇

IPC: G06F30/27 ,  G06F16/9535 ,  G06F21/62 ,  G06N3/04

Abstract: 本发明公开了一种基于异步联邦学习的移动感知缓存方法，该方法包括步骤：A、选择自动编码器作为异步联邦学习的模型框架，并创建全局模型；B、根据车辆在当前RSU覆盖范围内的停留时间选择与当前RSU进行异步联邦学习的车辆；C、被选中的车辆从当前RSU中下载全局模型参数；D、根据全局模型参数和最小化正则化损失函数对车辆本地模型进行训练；E、RSU接收训练后的车辆本地模型，并通过权重平均更新全局模型；F、根据更新后的全局模型对内容流行度进行预测，并根据预测结果制定RSU缓存策略。本发明基于异步联邦学习的移动感知缓存方法能够获得较高的缓存命中率、可提升缓存性能、有效保护客户隐私、降低通信成本。

公开(公告)号：CN105528637A

公开(公告)日：2016-04-27

申请号：CN201510836062.0

申请日：2015-11-26

Applicant: 江南大学

Inventor： 赵宇 ,  李可 ,  陈鹏 ,  王华庆

IPC: G06N3/08

Abstract: 本发明涉及一种基于线性内插型模糊神经网络的诊断方法。具体包括以下步骤：采用可能性理论和Dempster & Shafer证据理论信息融合得出神经网络的学习知识来训练BP神经网络。将sigmoid激活函数线性化，预测设备故障状态的可能性来判断设备处于哪种故障状态。该方法有效解决了模糊特征参量与设备故障类型之间的关系。

公开(公告)号：CN222407479U

公开(公告)日：2025-01-28

申请号：CN202421169845.9

申请日：2024-05-27

Applicant: 江南大学

Inventor： 郭子瑞 ,  李荣龙 ,  牛健林 ,  杨阳 ,  赵宇

IPC: B31D5/00 ,  A47G25/80

Abstract: 一种鞋套机及其纸鞋套，包括壳体，其内设置有两个平行设置的腔室；储纸单元，位于其中一个腔室内，用于储存成卷装的纸鞋套筒；套鞋单元，位于另一个腔室内，其结构包括垂直升降的踏板以及沿踏板四周分布的多个压紧片，且多个压紧片通过电缸驱动向踏板的方向进行翻转；传送单元，分处于两个腔室内，用于将储纸单元上的纸鞋套传送至踏板的上方。本实用新型结构紧凑、合理，操作方便，利用纸质材料作为原材料制作鞋套，对环境保护有着积极的作用；同时通过使用的纸鞋套是经过特殊定制的，做到了材料的规格统一；而且纸质鞋套能完全包裹鞋面，但不会直接粘连在鞋面上，方便鞋套与鞋面的分离，使得结构更加完善，可靠性更高。