-
公开(公告)号：CN107682924B
公开(公告)日：2020-01-07
申请号：CN201710917120.1
申请日：2017-09-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种适用于长延迟SIC网络的链路调度方法和系统，包括：根据发送节点数目、环境噪声功率和SIC算法的信号干扰比阈值，生成各发送节点的传输信号所能被SIC算法解码的最小功率值，通过将最小功率值集合为K‑SIC功率阈向量以为各发送节点划分发送功率等级；根据各发送节点的发送数据量，判定长延迟网络的负载状态，并根据负载状态和发送功率等级执行最小帧长调度算法，生成长延迟网络的最小调度帧长；根据发送节点数目、最小调度帧长和接收节点的接收机制，执行最小功率调度算法，得到使得全网功耗最小的链路调度策略。由此可提升长延迟SIC网络内节点间的传输效率，并降低长延迟SIC网络的整体能耗。
-
公开(公告)号：CN107257261A
公开(公告)日：2017-10-17
申请号：CN201710350556.7
申请日：2017-05-18
Applicant: 中国科学院计算技术研究所
IPC: H04B17/309 , H04W72/12
CPC classification number: H04W72/1231 , H04B17/309 , H04W72/1221
Abstract: 本发明提供一种针对6TiSCH多跳无线网络的动态链路调度方法，包括：1)获得在当前环境下从源节点到潜在的目的节点的信道概率，所述信道概率为在干扰下数据传输正确的概率；2)若所述信道概率小于等于设定的阈值，则执行以下步骤：2‑1)确定所述源节点到潜在的目的节点的端到端平均时延fD以及能量消耗fE；2‑2)求解使得端到端平均时延fD最小、以及能量消耗fE最小的条件下的链路调度决策变量x，所述链路调度决策变量x决定某一个节点在时隙‑频率块中以何种概率对来自其它节点的数据包进行转发。
-
公开(公告)号：CN107257261B
公开(公告)日：2020-11-03
申请号：CN201710350556.7
申请日：2017-05-18
Applicant: 中国科学院计算技术研究所
IPC: H04B17/309 , H04W72/12
Abstract: 本发明提供一种针对6TiSCH多跳无线网络的动态链路调度方法，包括：1)获得在当前环境下从源节点到潜在的目的节点的信道概率，所述信道概率为在干扰下数据传输正确的概率；2)若所述信道概率小于等于设定的阈值，则执行以下步骤：2‑1)确定所述源节点到潜在的目的节点的端到端平均时延fD以及能量消耗fE；2‑2)求解使得端到端平均时延fD最小、以及能量消耗fE最小的条件下的链路调度决策变量x，所述链路调度决策变量x决定某一个节点在时隙‑频率块中以何种概率对来自其它节点的数据包进行转发。
-
公开(公告)号：CN107220285B
公开(公告)日：2020-01-21
申请号：CN201710270989.1
申请日：2017-04-24
Applicant: 中国科学院计算技术研究所
IPC: G06F16/22
Abstract: 本发明涉及一种面向海量轨迹点数据的并行时空索引构建方法，以轨迹点数据文件作为索引单元，降低了索引的存储消耗，使索引结构具有高度的可扩展性；同时使用了希尔伯特曲线对数据文件进行划分，相比其他的多维到一维映射的方式，希尔伯特曲线因其优秀的空间填充特性使得划分效果更良好，能够降低数据倾斜发生的概率。
-
公开(公告)号：CN109543818A
公开(公告)日：2019-03-29
申请号：CN201811221654.1
申请日：2018-10-19
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于深度学习模型的链路评估方法，包括：设置深度学习模型结构；采集网络中链路的流量数据和该链路的占用度数据为数据对；对所有该数据对进行划分以建立训练集和测试集；以该训练集对该深度学习模型进行训练，确定该深度学习模型的参数；以该测试集对该深度学习模型进行测试，若测试正确率小于测试阈值，则调整该参数并对该深度学习模型重新训练，反之则以该深度学习模型为链路评估模型；通过该链路评估模型以该链路的当前流量数据获取该链路的当前占用度，以对该链路进行评估。
-
Patent Agency Ranking
公开(公告)号：CN108985367A
公开(公告)日：2018-12-11
申请号：CN201810734031.8
申请日：2018-07-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种计算引擎选择方法和基于该方法的多计算引擎平台。该方法包括：将待计算任务对应的任务特征数据输入到多个计算引擎中的每一个计算引擎的任务执行时间预测模型，获得待计算任务在每一个计算引擎上的任务执行时间预测结果，其中，所述任务执行时间预测模型是基于训练样本集通过训练获得，所述训练样本集包括多条任务特征数据和对应的任务执行时间；根据所述任务执行时间预测结果从所述多个计算引擎中选择执行待计算任务的计算引擎。本发明的方法能够自动选择效率高的计算引擎，降低了任务执行时间。
-
公开(公告)号：CN103313246B
公开(公告)日：2016-02-03
申请号：CN201310221333.2
申请日：2013-06-05
Applicant: 中国科学院计算技术研究所 , 宁波中科集成电路设计中心有限公司
Abstract: 一种无线传感网双因子认证方法和装置及其网络，该装置包括互相通信连接的网关节点、智能终端和感知节点，还包括双因子认证模块，所述双因子认证模块采用基于Merkle哈希树的无线传感网双因子认证方法，该方法包括如下步骤：网关预认证步骤，基于Merkle哈希树的可抵御DoS攻击的网关预认证；网关感知节点间双向认证步骤，在感知节点完成了对网关节点访问请求的认证之后，网关节点对感知节点进行认证，双向认证过程中通过同感知节点ID连接后做单向哈希，从而形成感知节点个性化的安全参数，以抵御由于安全参数泄漏所引发的网关假冒和数据伪造攻击。本发明还提供了一种具有上述无线传感网双因子认证装置的互联计算机网络。
-
公开(公告)号：CN103369325A
公开(公告)日：2013-10-23
申请号：CN201310280691.0
申请日：2013-07-05
Applicant: 中国人民解放军总参谋部第六十一研究所 , 中国科学院计算技术研究所
IPC: H04N7/26
Abstract: 本发明提出一种适用于无线视频传感网的低复杂度视频压缩传输方法，其特征在于，在视频传输时对每帧高h宽l的图像转换为高h宽l/3的图像数据进行压缩传输，播放时对接收到的图像数据还原成为高h，宽l的图像进行播放。
-
公开(公告)号：CN115661712A
公开(公告)日：2023-01-31
申请号：CN202211348871.3
申请日：2022-10-31
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种轻量级多任务视频流实时推理方法及系统，采用推理效率更高的目标检测模型作为检测基准模型，在其基础上增加可行驶区域分割头网络和多物体跟踪头网络来分别完成可行驶区域分割任务和多物体跟踪任务，通过共享主干网络和特征金字塔网络的方式减少参数量和计算量的冗余，通过级联知识蒸馏的端到端结构化迭代剪枝算法，进一步降低模型的计算量，有效提高了模型在边缘芯片硬件上的加速比，最终模型能够保证精度的同时在边缘端做到实时推理。
-
公开(公告)号：CN111770152B
公开(公告)日：2021-07-20
申请号：CN202010588987.9
申请日：2020-06-24
Applicant: 中国科学院计算技术研究所
IPC: H04L29/08
Abstract: 本发明实施例提供了一种边缘数据管理方法、介质、边缘服务器和系统，该系统中，各边缘服务器各自确定其存储的各副本的最优存储位置，边缘服务器以副本所属的数据表格对应的协同网络内的所有边缘服务器以及该协同网络外访问过该副本的边缘服务器组成的局部边缘服务网络作为副本迁移的计算范围，基于累计时延计算其中每个边缘服务器访问该副本的访问权重，其中，最大访问权重对应的边缘服务器为该副本在局部边缘服务网络中的最优存储位置，将每个副本存储到其对应的最优存储位置，进而有效降低用户数据访问时延；同时，该方法计算复杂度低，可减少对边缘服务器的宝贵计算资源的占用，提高用户体验。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.025 seconds)
