-
公开(公告)号：CN116047960A
公开(公告)日：2023-05-02
申请号：CN202211703996.3
申请日：2022-12-28
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G05B19/042
Abstract: 本发明提供一种基于类脑超维计算的智慧农业监控方法包括：利用传感器侧的设备应用层采集特征数据；把数据从传感器侧的设备应用层传输到边缘侧的设备应用层；利用边缘侧的设备应用层来检测其处于分析训练还是控制执行状态，相应把数据发往类脑智能层的类脑智能分析训练器或类脑智能执行器；边缘侧部署子系统基于超维向量计算方法来执行分析训练流程；边缘侧部署子系统基于超维向量计算方法得到设备控制指令并发送给控制侧部署子系统的设备应用层，由控制侧部署子系统的设备应用层执行设备控制指令。本发明的方法在监控的同时降低对硬件性能的要求和降低成本。
-
公开(公告)号：CN114528987A
公开(公告)日：2022-05-24
申请号：CN202210137345.6
申请日：2022-02-15
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种神经网络边缘‑云协同计算分割部署方法，包括：建立时延预测模型，每个时延预测模型用于预测在一个计算资源下的一种基本的神经网络层的计算时延；确定待部署的神经网络的最优分割点，即将整体时延最小所对应的分割点；利用最优分割点将训练好的待部署的神经网络分割成第一和第二子神经网络，将两者分别部署在边缘端的设备和云服务器上，以进行协同计算。本发明的方法通过将神经网络划分割为两个子神经网络，分别部署在边缘设备和云设备上，相比于纯边缘计算能够减小计算分担，提高计算效率，并且相比较于云计算能够降低网络传输负担，从而降低神经网络应用时延，提高响应速度；同时，没有对模型进行压缩，因此也不会损失精度。
-
公开(公告)号：CN114528986A
公开(公告)日：2022-05-24
申请号：CN202210136875.9
申请日：2022-02-15
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种神经网络在网状网络场景下的分割计算方法，包括：对网状网络划分设备层，得到设备层信息；根据设备层信息和神经网络的神经网络层信息来执行神经网络分割算法，得到满足时延需求的分割方案；根据设备层信息和满足时延需求的分割方案进行神经网络分割部署。本发明的方法使得同一子神经网络能够多台边缘设备所组成的同一设备层上协同计算，能够大幅减轻边缘设备的计算负载，并提高运算速度，从而加快神经网络应用在边缘端的响应速度。此外，本发明通过分割神经网络，让边缘设备所组成的每个设备层分别运算神经网络的一部分，通过多个设备层之间的协同计算，以缓解单个设备层的边缘设备的计算负载，提升边缘设备的计算效率。
-
公开(公告)号：CN115361330A
公开(公告)日：2022-11-18
申请号：CN202210803016.0
申请日：2022-07-09
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种用于分布式神经网络的边缘网络通信路径选择方法，包括：步骤(1)：获取边缘网络结构信息，其中，所述边缘网络结构信息包括云设备和若干边缘设备；步骤(2)：通过基于前向更新准则的蚁群算法从所述边缘网络结构信息中找出最优通信路径；所述最优通信路径通过多个依次相连的边缘设备连通至云设备构成；步骤(3)：在所述最优通信路径上部署分割后的神经网络，来实现神经网络的分布式计算。本发明能够选择出最优通信路径，并在最优通信路径上部署分割后的神经网络。
-
公开(公告)号：CN114528987B
公开(公告)日：2025-04-15
申请号：CN202210137345.6
申请日：2022-02-15
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06N3/063 , G06N3/0464 , G06N3/09
Abstract: 本发明提供一种神经网络边缘‑云协同计算分割部署方法，包括：建立时延预测模型，每个时延预测模型用于预测在一个计算资源下的一种基本的神经网络层的计算时延；确定待部署的神经网络的最优分割点，即将整体时延最小所对应的分割点；利用最优分割点将训练好的待部署的神经网络分割成第一和第二子神经网络，将两者分别部署在边缘端的设备和云服务器上，以进行协同计算。本发明的方法通过将神经网络划分割为两个子神经网络，分别部署在边缘设备和云设备上，相比于纯边缘计算能够减小计算分担，提高计算效率，并且相比较于云计算能够降低网络传输负担，从而降低神经网络应用时延，提高响应速度；同时，没有对模型进行压缩，因此也不会损失精度。
-
Patent Agency Ranking
公开(公告)号：CN115733515A
公开(公告)日：2023-03-03
申请号：CN202211325367.1
申请日：2022-10-27
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种智能电网厂站侧的满足无线多业务通信QoS的方法，包括以下步骤：建立智能电网厂站侧通信平台；构建多元业务终端接入的微功率无线通信方案；所述微功率无线通信方案为采用Wi‑SUN/ZigBee技术构建的含有微功率网络节点和覆盖增强节点的自组网，并以网络总体的吞吐量最小为目标函数，利用预设算法对所述目标函数进行求解，确定微功率网络节点和覆盖增强节点的位置；通过所述自组网采用自适应跳频算法进行数据传输，通过所述智能电网厂站侧通信平台进行数据共享与更新，并在调度周期结束前，更新各项参数准备进入下一个调度周期。本发明能够满足电网厂站侧各业务QoS要求。
-
公开(公告)号：CN114528986B
公开(公告)日：2025-04-15
申请号：CN202210136875.9
申请日：2022-02-15
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种神经网络在网状网络场景下的分割计算方法，包括：对网状网络划分设备层，得到设备层信息；根据设备层信息和神经网络的神经网络层信息来执行神经网络分割算法，得到满足时延需求的分割方案；根据设备层信息和满足时延需求的分割方案进行神经网络分割部署。本发明的方法使得同一子神经网络能够多台边缘设备所组成的同一设备层上协同计算，能够大幅减轻边缘设备的计算负载，并提高运算速度，从而加快神经网络应用在边缘端的响应速度。此外，本发明通过分割神经网络，让边缘设备所组成的每个设备层分别运算神经网络的一部分，通过多个设备层之间的协同计算，以缓解单个设备层的边缘设备的计算负载，提升边缘设备的计算效率。
-
公开(公告)号：CN116047960B
公开(公告)日：2024-11-15
申请号：CN202211703996.3
申请日：2022-12-28
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G05B19/042
Abstract: 本发明提供一种基于类脑超维计算的智慧农业监控方法包括：利用传感器侧的设备应用层采集特征数据；把数据从传感器侧的设备应用层传输到边缘侧的设备应用层；利用边缘侧的设备应用层来检测其处于分析训练还是控制执行状态，相应把数据发往类脑智能层的类脑智能分析训练器或类脑智能执行器；边缘侧部署子系统基于超维向量计算方法来执行分析训练流程；边缘侧部署子系统基于超维向量计算方法得到设备控制指令并发送给控制侧部署子系统的设备应用层，由控制侧部署子系统的设备应用层执行设备控制指令。本发明的方法在监控的同时降低对硬件性能的要求和降低成本。
-
公开(公告)号：CN117793202A
公开(公告)日：2024-03-29
申请号：CN202311740196.3
申请日：2023-12-18
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种雾计算网络的资源调度方法，包括以下步骤：确定需要卸载辅助计算任务的卸载雾节点；遍历所述卸载雾节点的辅助雾节点，获取所述辅助雾节点的计算资源信息和通信效率信息；根据所述计算资源信息和通信效率信息对所述辅助雾节点进行综合评价，并根据所述综合评价结果确定最优辅助雾节点；令所述最优辅助雾节点执行所述辅助计算任务并将任务处理结果发送给所述卸载雾节点。本发明能够优化雾计算网络在雾节点通信能力受限的使用场景下的资源调度。
-
公开(公告)号：CN117728921A
公开(公告)日：2024-03-19
申请号：CN202311746786.7
申请日：2023-12-18
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: H04L1/00 , G06F18/20 , G06N3/0464 , G06N3/092 , H04B17/336
Abstract: 本发明涉及一种基于深度学习的调制编码方法及系统。所述方法包括以下步骤：获取无线通信网络在连续多个传输时刻的SINR值和MCS值作为学习数据集；利用深度学习算法对所述学习数据集进行分析获得所述SINR值对应的最优MCS，并构建SINR‑MCS映射关系表；获取当前时刻SINR值；根据所述SINR‑MCS映射关系表，利用所述当前时刻SINR值查表获得所述最优MCS；终端用户执行所述最优MCS来进行调制映射。本发明能够根据当前网络信噪比实时匹配最优MCS，进而保证了无线通信网络下行链路的传输质量。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.064 seconds)
