一种无线供能边缘计算网络中最大化安全计算速率方法

    公开(公告)号:CN119629656A

    公开(公告)日:2025-03-14

    申请号:CN202510158541.5

    申请日:2025-02-13

    Abstract: 本发明公开了一种无线供能边缘计算网络中最大化安全计算速率方法,无线供能边缘计算网络包括一个基站、#imgabs0#个无线设备和一个窃听者,且基站向各无线设备发射无线射频能量为无线设备充电,基站发射人工噪声干扰窃听者对各无线设备的窃听。本无线供能边缘计算网络中最大化安全计算速率方法首先构建关于第一信道增益、第二信道增益、第三信道增益、预设的卸载决策、第一卸载时长比例、基站为无线设备充电的时长比例和基站发射人工噪声的功率矩阵的最大化安全计算速率的目标函数,并对目标函数中的卸载决策、第一卸载时长比例和基站为无线设备充电的时长比例进行求解,对目标函数进行计算得到最大化安全计算速率。

    一种边缘计算场景下面向VGG16模型的自适应划分方法

    公开(公告)号:CN118468035A

    公开(公告)日:2024-08-09

    申请号:CN202410648154.5

    申请日:2024-05-23

    Abstract: 本发明属于边缘计算领域,公开了一种边缘计算场景下面向VGG16模型的自适应划分方法,包括:加载VGG16模型的静态模型文件;生成分割点候选集;得到最优分割点;根据VGG16模型的计算时延和最优分割点对应的被选中的概率计算损失函数,并根据损失函数对深度强化学习模型的参数进行更新。本发明决策出完成推理任务所需的神经网络模型的分割点位置的划分方法,以达到延迟最小化。

    一种基于自监督学习的ADS-B异常检测方法

    公开(公告)号:CN117998363A

    公开(公告)日:2024-05-07

    申请号:CN202410093572.2

    申请日:2024-01-23

    Abstract: 本发明涉及广播式自动相关监视技术的报文安全领域,具体涉及一种基于自监督学习的ADS‑B异常检测方法。本发明包括:获取ADS‑B报文序列,对ADS‑B报文序列进行预处理,并按设定比例分成训练集和测试集;根据测试集生成重构数据测试集;构建条件扩散模型和损失函数,将训练集输入条件扩散模型进行训练;利用输入序列和条件扩散模型的输出序列求重构误差,得到判断异常的阈值;将重构数据测试集输入训练好的条件扩散模型,输出重构序列;对重构数据测试集中的和重构序列求重构误差,对于重构误差大于阈值的数据判定为异常数据。本发明利用条件扩散模型以实现报文的重构,最终通过重构误差来检测异常。

    一种移动多用户分子通信系统接收方检测间隔优化方法

    公开(公告)号:CN117240385A

    公开(公告)日:2023-12-15

    申请号:CN202311146076.0

    申请日:2023-09-06

    Abstract: 本发明公开了一种移动多用户分子通信系统接收方检测间隔优化方法,首先根据异常扩散下的移动多用户分子通信系统中的时变信道脉冲响应函数,推导异常扩散下的移动多用户分子通信系统的平均误码率;然后以接收方开始检测时间和结束检测时间为优化变量,以最小化每条通信链路上误码率为目标,建立接收方检测间隔的多变量优化模型;最后采用基于梯度投影和替代搜索的优化算法对接收方检测间隔的多变量优化模型进行求解,获得接收方的最优检测间隔。本发明以最小化误码率为目标建立优化模型,优化过程的运行时间极短,但优化效果接近或可等于穷举搜索。

    一种知识图谱增强的意图识别与槽填充方法

    公开(公告)号:CN116680371A

    公开(公告)日:2023-09-01

    申请号:CN202310454734.6

    申请日:2023-04-21

    Abstract: 本发明公开了一种知识图谱增强的意图识别与槽填充方法,经过知识图谱查询得到用户输入语句中实体对应的知识,生成句子树,根据句子树的结构生成嵌入矩阵和掩码矩阵;将嵌入矩阵和掩码矩阵一起输入到编码器中进行编码,得到意图语义表示向量和槽语义表示向量;最后对意图语义表示向量和槽语义表示向量进行分类解码,获得最后输出的意图标签和槽标签。本发明利用知识图谱来增强预训练语言模型,通过句子树产生掩码矩阵,以便在输入BERT进行自注意力计算时,仅有实体可以对其相关的知识进行注意力计算,从而减少无关知识对句子整体语义的影响,在提高系统预测的精确度上有着重要意义。

    一种二阶提示学习的命名实体识别方法

    公开(公告)号:CN116468040A

    公开(公告)日:2023-07-21

    申请号:CN202310391109.1

    申请日:2023-04-12

    Abstract: 本发明公开了一种二阶提示学习的命名实体识别方法,通过收集远程标签来匹配输入序列的潜在实体,以获得输入序列对应的远程标签序列,构建用于训练实体定位模型的数据集,并训练实体定位模型。采用训练好的实体定位模型预测输入序列中的实体位置,在输入序列中标识实体构建实体识别模型的输入数据,采用所构建的输入数据,训练实体识别模型,最终利用训练好的实体识别模型对待识别输入数据进行识别。本发明将NER任务分解为两个子任务,解决了过度时间消耗和与预先训练的训练目标不一致的问题,在准确性和推理速度之间取得了平衡。

    一种联合意图识别和槽填充的快速交互方法

    公开(公告)号:CN115238048A

    公开(公告)日:2022-10-25

    申请号:CN202210554791.7

    申请日:2022-05-20

    Abstract: 本发明公开了一种联合意图识别和槽填充的快速交互方法,采用语义编码器对用户输入的话语进行进行语义编码,获得意图语义表示向量和槽语义表示向量。然后分别采用意图注意力模块和槽注意力模块对意图语义表示向量和槽语义表示向量进行语义增强,采用多头注意力模块对语义增强的意图语义表示向量和槽语义表示向量进行深度的语义交互,将最终的意图语义表示向量和槽语义表示向量分别通过意图分类器模块和槽分类器模块进行分类解码,获得最后输出的意图标签和槽标签。本发明对意图识别和槽填充任务进行联合建模,避免了两个任务间错误信息的传播,设计了多个注意力模块使得意图和槽之间的信息得到充分交互,显著提升了系统预测的准确度。

    一种基于FDMA接入的无线供能边缘计算网络卸载决策方法

    公开(公告)号:CN114915627A

    公开(公告)日:2022-08-16

    申请号:CN202210399537.4

    申请日:2022-04-15

    Abstract: 本发明公开了一种基于FDMA接入的无线供能边缘计算网络卸载决策方法,包括:建立无线供能边缘计算网络,包括边缘服务器和N个边缘设备,各边缘设备基于FDMA与边缘服务器通信形成对应节点;根据预设步长确定当前时间帧下能量捕获时长的取值范围;遍历能量捕获时长的取值,获取对应的无线供能边缘计算网络的速率;将获取的最大的速率对应的能量捕获时长、卸载能量分配比例和带宽资源分配比例视为当前时间帧下的最优解;各节点基于最优解进行本地计算和通信。该方法可快速决策出无线供能边缘计算网络的无线供能时长和计算任务卸载的分配方案,具有更低的延时,以使网络达到较高的计算速率和更持久的续航,尤其适用于时延敏感型的边缘计算。

    基于神经网络的无线供能边缘计算网络的任务卸载方法

    公开(公告)号:CN114615261A

    公开(公告)日:2022-06-10

    申请号:CN202210087830.7

    申请日:2022-01-25

    Abstract: 本发明公开了一种基于神经网络的无线供能边缘计算网络的任务卸载方法,构建以无线设备信道增益为输入、供能时长比例为输出的全连接神经网络模型,将当前无线设备信道增益输入到训练好的所述全连接神经网络模型,得到供能时长比例,进而确定供能时长。然后在确定的供能时长情况下,通过最大化所有无线设备的总计算速率,得到每个无线设备任务卸载通信时长和所占用的能量分配比例,进而配置无线供能边缘计算网络按照所得到的任务卸载通信时长和任务卸载通信所占用的能量分配比例进行工作。本发明决策出部分卸载的能量分配和时间分配方案,同时也得到较高的网络计算速率。

    一种基于联邦元学习的移动边缘计算智能卸载方法及装置

    公开(公告)号:CN114265631A

    公开(公告)日:2022-04-01

    申请号:CN202111497448.5

    申请日:2021-12-09

    Abstract: 本发明公开了一种基于联邦元学习的移动边缘计算智能卸载方法及装置,云端服务器和边缘服务器具有结构相同的神经网络模型,边缘服务器从云端服务器下载所述神经网络模型的初始网络参数用于更新本地神经网络模型的网络参数,边缘服务器训练本地的神经网络模型,计算出损失值上传给云端服务器,云端服务器聚合所有接收到的损失值进行网络参数的更新,完成网络模型的训练,边缘服务器采用训练好的神经网络模型决定最优卸载策略。本发明在不泄露用户数据隐私的前提下,联合多个边缘服务器共同训练学习,得到泛化能力更强的神经网络模型,并实现边缘服务器个性化计算卸载应用。

Patent Agency Ranking