一种基于多生物启发的无线传感网络自适应路由决策方法

    公开(公告)号:CN103826278A

    公开(公告)日:2014-05-28

    申请号:CN201410040846.8

    申请日:2014-01-28

    CPC classification number: Y02D70/30

    Abstract: 一种基于多生物启发的无线传感网络自适应路由决策方法,由信任评价机制、路由决策和路由自适应调节方法三部分组成,信任评价机制对每个节点的邻居进行可信度评价,并存储到节点本身的信任评价表中,作为路由决策的决定因素之一,节点需要向汇聚节点发送数据时,路由决策为其选择一条合适路由,不存在合适路由时,路由发现寻找通向汇聚节点的路由,节点需要向汇聚节点转发数据时,路由转发为其选择一个合适的下一跳节点转发,有2条或以上路由可供选择时,路由选择根据绒泡菌算发选择最优一条路由;本发明能能够实现传感器节点的可信性评价、路由决策,并能够根据网络状态调节路由决策参数,实现路由决策的自适应调节。

    基于动态耦合图结构的无人艇航行状态多分类检测方法

    公开(公告)号:CN119992474A

    公开(公告)日:2025-05-13

    申请号:CN202510071121.3

    申请日:2025-01-16

    Abstract: 本发明公开了一种基于动态耦合图结构的无人艇航行状态多分类检测方法,属于无人艇航行异常检测领域,该方法包括基于SMOTE过采样技术对无人艇航行数据进行样本平衡,得到无人艇航行训练数据集;对无人艇航行训练数据集进行时序处理,得到无人艇航行时序数据集;在DyGCN动态图卷积网络中引入耦合注意力机制和门控单元,得到用于诊断和分类无人艇异常的动态耦合图结构模型;根据无人艇航行时序数据集,训练动态耦合图结构模型,得到训练完成的动态耦合图结构模型;采集无人艇的实时航行数据,利用训练完成的动态耦合图结构模型,得到无人艇的三轴姿态角异常结果。本发明解决了传统方法数据处理复杂、实时性差且异常检测效果不佳的问题。

    一种基于深度强化学习的柔性作业车间调度方法

    公开(公告)号:CN119809262A

    公开(公告)日:2025-04-11

    申请号:CN202411984521.5

    申请日:2024-12-31

    Abstract: 本发明公开一种基于深度强化学习的柔性作业车间调度方法,属于智能制造与智能调度领域,首先以作业最大完成时间最小化和平均机器利用率最大化为优化目标,得到目标模型;之后利用析取图模型对柔性作业车间调度问题进行表示,得到调度状态;根据调度状态和目标模型,构建端到端学习框架,该框架结合用于深度特征提取的多重注意力网络和可扩展决策的决策网络,利用马尔可夫决策过程,得到作业调度模型;最后多重注意力网络利用操作、AGV和机器之间的复杂关系构建生产适应性操作‑AGV‑机器方案,以支持决策网络的决策,利用作业调度模型,得到调度计划表,完成柔性作业车间调度。本发明能够更好地捕获数据中复杂模式和关系,提高模型的性能和泛化能力。

    一种基于智能反射面辅助的语义通信方法

    公开(公告)号:CN119675714A

    公开(公告)日:2025-03-21

    申请号:CN202411842022.2

    申请日:2024-12-13

    Abstract: 本发明公开了一种基于智能反射面辅助的语义通信方法,通过基站将语义信号以多播的方式发送给STAR‑RIS和合法用户,STAR‑RIS再将接收到的信号反射和透射给合法用户;存在窃听者窃听合法用户的信号;利用双语评估分数衡量原始文本信息和语义信息的相似性,得到语义提取率下界;在考虑功耗的基础上建立优化问题;将优化问题分解为四个子问题,利用交替优化迭代算法迭代求解,以最优解下获得的最优保密率进行语义信息的保密传输。本发明研究了在存在硬件设备损伤的条件下,利用STAR‑RIS技术辅助语义通信系统安全传输的性能优化问题,通过利用交替优化的迭代算法来最大化语义保密率,能够有效提高语义通信安全传输的安全性能,具有广阔的应用前景。

    一种基于自适应多核聚类的对比纵向联邦图学习方法

    公开(公告)号:CN119358029A

    公开(公告)日:2025-01-24

    申请号:CN202411765804.0

    申请日:2024-12-03

    Abstract: 本发明涉及一种基于自适应多核聚类的对比纵向联邦图学习方法,包括以下步骤:S1:全局模型初始化:服务器初始化一个全局模型gG,并将其分发给所有K个客户端;S2:本地训练:每个客户端使用自己所持有的图数据,对图学习模型进行本地训练,生成模型更新;S3:参数上传:K个客户端将本地的图学习模型更新θk发送到服务器。S4:模型聚合:服务器将聚合后的模型更新θglobal发送回客户端,服务器通过加权平均聚合K个客户端的模型参数更新,以构建全局模型。本申请不仅能在隐私保护的纵向联邦环境中整合多源的图知识,而且基于对比学习机制,实现在无标签情况下训练模型。并且整合自适应的多核图聚类,提高模型的性能。

    一种在GNLS场景下接入清洁能源的云边协同调度策略

    公开(公告)号:CN117996824A

    公开(公告)日:2024-05-07

    申请号:CN202311606424.8

    申请日:2023-11-29

    Abstract: 本发明涉及智能电网技术领域的一种在GNLS场景下接入清洁能源的云边协同调度策略,构建系统模型、构建负荷侧边缘计算网络服务模型、构建动态优先级的负荷侧调度模型、构建云边协同调度电力任务的机制模型和负荷请求处理策略,将可再生能源发电集群设为I;将储能集群设为J;将传统发电集群设为G;针对K1优先级任务,源‑储端消纳优先级为G>J>I;针对K2、K3和K4优先级任务,源‑储端消纳优先级为,I>J>G;本发明以可再生能源接入下的源网荷储一体化为场景,先根据负荷请求的固定优先级、紧迫程度和荷端用电量约束生成负荷侧动态优先级,以优先消纳可再生能源为目标,负荷请求优先由可再生能源发电端处理,从而引发队列机制,提高可再生能源的消纳率。

Patent Agency Ranking