-
公开(公告)号：CN109862585A
公开(公告)日：2019-06-07
申请号：CN201910097964.5
申请日：2019-01-31
Applicant: 湖北工业大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种基于深度时空神经网络的动态异构网络流量预测方法。针对现有移动数据流量预测方法覆盖区域小、预测精度低、预测时间短等问题，研究基于深度时空神经网络的动态异构网络流量预测方法。考虑用户移动性和流量数据时空相关性等特点，深入研究动态异构网络中广覆盖的长期移动数据流量预测数学模型描述方法；在此基础上，研究时空相关的卷积长短时记忆网络模型，以预测动态异构网络中移动流量的长期趋势；研究时空相关的三维卷积神经网络模型，以捕获动态异构网络中移动流量序列的微小波动；融合上述移动流量的长期趋势预测模型和短期变化模型，从而实现动态异构网络中广覆盖、高精度的长期移动流量预测。
-
公开(公告)号：CN108848561A
公开(公告)日：2018-11-20
申请号：CN201810318462.6
申请日：2018-04-11
Applicant: 湖北工业大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种基于深度强化学习的异构蜂窝网络联合优化方法。针对下行链路异构蜂窝网络中的用户关联，资源分配和功率控制的联合优化问题，在考虑到联合优化问题的非凸性和组合特性的前提下，在建立异构蜂窝网络系统模型基础上，通过提出多智能体深度强化学习优化策略，结合用户满意度和运营商追求利益的条件，利用深度强化学习方法，获得最优的资源分配、用户关联和功率控制联合策略，从而实现整个网络长期系统效用的最大化。
-
公开(公告)号：CN108521673A
公开(公告)日：2018-09-11
申请号：CN201810309020.5
申请日：2018-04-09
Applicant: 湖北工业大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种异构网络中基于强化学习的资源分配和功率控制联合优化方法。针对传输信道和传输功率等因素的动态和时变特性，在考虑异构网络中用户的自私性和运营商利益的前提下，在建立异构蜂窝网络系统模型基础上，通过建立多智能体强化学习框架，结合用户满意度和运营商追求利益的条件，利用分布式Q学习方法，获得最优的资源分配、用户关联和功率控制联合策略，从而实现整个网络的长期系统效用的最大化。
-
Patent Agency Ranking
公开(公告)号：CN108521673B
公开(公告)日：2022-11-01
申请号：CN201810309020.5
申请日：2018-04-09
Applicant: 湖北工业大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种异构网络中基于强化学习的资源分配和功率控制联合优化方法。针对传输信道和传输功率等因素的动态和时变特性，在考虑异构网络中用户的自私性和运营商利益的前提下，在建立异构蜂窝网络系统模型基础上，通过建立多智能体强化学习框架，结合用户满意度和运营商追求利益的条件，利用分布式Q学习方法，获得最优的资源分配、用户关联和功率控制联合策略，从而实现整个网络的长期系统效用的最大化。
-
公开(公告)号：CN109982328B
公开(公告)日：2022-09-13
申请号：CN201910097980.4
申请日：2019-01-31
Applicant: 湖北工业大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种基于深度神经网络的协作频谱共享智能契约设计方法。针对契约签订前后信息和行为隐匿性双重非对称动态网络信息问题，在研究小型基站多阶段流量卸载能力类型和流量卸载服务行为的数学模型描述方法的基础上，通过探索多阶段私有信息甄别机制，以规避动态逆向选择问题；通过设计多阶段私有行为激励策略，以规避动态道德风险行为；针对双重非对称动态网络信息场景下多阶段动态契约模型的非凸优化求解问题，利用小型基站的私有信息和声誉信息，通过建立多层神经网络结构框架，探索基于深度学习的多阶段智能契约模型，研究双重信息非对称场景下多阶段动态契约优化设计策略，从而保证多阶段协作频谱共享实现。
-
公开(公告)号：CN110798842B
公开(公告)日：2022-06-28
申请号：CN201911005686.2
申请日：2019-10-22
Applicant: 湖北工业大学
Abstract: 本发明属于无线通信技术领域，具体涉及一种基于多用户深度强化学习的异构蜂窝网络流量卸载方法。在考虑到多个小基站联合流量卸载优化问题的非凸性和组合特性的前提下，在建立异构蜂窝网络系统模型基础上，通过提出基于多智能体深度强化学习的网络流量卸载方法，采用分布执行与集中训练相结合的深度强化学习框架，通过小型基站相互之间消息传递以获得全局状态空间，结合宏蜂窝满意度和运营商追求利益的条件，以获得小型基站最优的服务热点区域和部署位置。
-
公开(公告)号：CN109818693B
公开(公告)日：2021-10-22
申请号：CN201910108947.7
申请日：2019-02-03
Applicant: 湖北工业大学
IPC: H04B17/382 , H04B17/391
Abstract: 本发明提出了一种动态非对称信息条件下多阶段协作频谱共享契约方法。本发明通过将协作通信网络映射成劳动力市场，将基于市场驱动的契约设计加入到无线协作频谱共享机制中，建立源节点模型和中继节点模型；考虑到无线协作通信网络中节点的自私性和网络信息的非对称性，针对中继节点位置和信道条件因素的动态特性，建立两阶段协作通信的动态契约模型；结合激励相容和个人理性的约束条件以及两阶段协作通信的动态契约模型，通过二次求导得到最优解。本发明方法易于实现，源节点和中继节点之间的信息交互较少，该方法所需的信令开销较少。
-
公开(公告)号：CN107846690B
公开(公告)日：2020-11-06
申请号：CN201710975781.X
申请日：2017-10-19
Applicant: 湖北工业大学
IPC: H04W16/22 , H04W40/22 , H04B17/382 , H04B17/391
Abstract: 本发明属于无线协作通信技术领域，具体涉及一种独立非对称信息下协作通信动态契约激励方法。所用方法为将无线协作通信网络映射成劳动力市场，将基于市场驱动的契约模型到应用到独立非对称协作通信激励机制中，建立源节点模型和中继节点模型；考虑到独立非对称协作通信网络中节点的自私性和网络信息的非对称性，针对无线节点位置和信道条件等因素的动态和时变特性，通过设计贯穿两阶段协作通信的动态契约模型，结合个人理性和激励相容的条件，实现对中继节点私有信息的甄别，以激励其积极参与数据的传输，从而达到无线频谱资源高效利用以及双方利益最大化的目的。最后通过建立独立非对称信息下协作通信动态契约激励机制优化模型，得到最优解。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.016 seconds)
