-
公开(公告)号：CN113407345A
公开(公告)日：2021-09-17
申请号：CN202110712564.8
申请日：2021-06-25
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开一种基于深度强化学习的目标驱动计算卸载方法，应用于5G/6G、物联网等无线通信领域，针对现有技术未区分任务类型，导致的计算卸载运行效率低下的问题；本发明采用MoE混合专家系统的任务信息增强模块显著提高了任务信息的特征表达能力，本发明的任务信息增强模块能显著提高任务时延敏感特征在计算卸载决策中的影响占比，从而加大不同类型计算任务的区分度；本发明的深度强化学习的奖励机制能够根据具体的无线网络场景加以定制，也可以根据网络特征自适应的进行调整，本发明采用分布式的计算卸载机制不仅保障了计算卸载策略的时效性，也降低了计算卸载决策的任务负担。
-
公开(公告)号：CN113242525A
公开(公告)日：2021-08-10
申请号：CN202110503887.6
申请日：2021-05-10
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开一种针对割点故障的移动传感器网络连通修复的方法，应用于无线传感器网络技术领域，针对移动传感器网络中网络割点故障导致的网络分裂的问题；本发明通过执行节点选择算法为潜在的网络割点故障引发的网络分裂选择执行修复任务的移动节点组合，在移动过程中通过移动节点淘汰算法减少不必要的移动，特殊情况下采取降速级联移动算法使修复时间和总移动距离达到均衡的效果，根据连通进度交互流程判断是否连通所有分区，从而最终达到修复网络分裂的目的。
-
公开(公告)号：CN112465151A
公开(公告)日：2021-03-09
申请号：CN202011490926.5
申请日：2020-12-17
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于深度强化学习的多智能体联邦协作方法，包括以下步骤：S1、对每个智能体建立深度强化学习模型；S2、为智能体建立对应的神经网络；S3、智能体与环境进行交互，将决策经验存储到经验池中，并且根据随机梯度下降法更新本地的神经网络模型；S4、将本地的神经网络模型参数传给协作平台；S5、对智能体上传的参数进行聚合处理，并将结果返回给各个智能体进行参数更新；S6、智能体进行软更新，得到最新的本地模型参数；S7、重复S3‑S6，直到完成目标任务。本发明的智能体在通过深度强化学习进行环境探索与决策的同时，利用联邦学习技术获取其他智能体学习经验，从而有效地提高智能体学习效率，且降低智能体之间的协作开销。
-
公开(公告)号：CN115441969B
公开(公告)日：2025-02-07
申请号：CN202211065104.1
申请日：2022-09-01
Applicant: 电子科技大学长三角研究院(衢州)
IPC: H04B17/382 , H04W16/14
Abstract: 本发明公开一种基于区块链的频谱感知与可信共享方法，应用于区块链与认知无线电领域，针对现有无线网络中基于认知无线电的频谱共享机制中，必须克服非诚实用户出于自身利益而干扰正常频谱感知与共享过程的问题，本发明设计了一种基于区块链的频谱感知与可信共享方法；能够在不可信环境下，通过准确频谱感知机制实现用户对信道忙闲状态的准确判断，通过基于感知准确度的共识机制保障用户对空闲信道使用中的可信性与高效性，从而实现频谱感知与共享的准确性、可信性与高效性。
-
公开(公告)号：CN115361710B
公开(公告)日：2025-01-10
申请号：CN202210985276.4
申请日：2022-08-17
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种边缘缓存中的内容放置方法，具体包括以下步骤：步骤1、建立区域用户兴趣模型；步骤2、预测内容在基站上的请求数；步骤3、计算内容在基站上的缓存收益；步骤4、建立缓存策略执行缓存；步骤5、更新内容的缓存收益。本发明基于用户的历史请求数、内容与区域内用户的兴趣匹配程度以及当前基站的缓存能力来计算内容的缓存收益，将内容放置在缓存收益最大的基站。相比于传统的缓存算法，该算法有效地降低了区域内内容传输的时延。并且该算法会自适应地将流行度较高的内容副本放置在区域内的多个基站，有效减轻了热点内容在区域内的传输压力并提高了用户的QoE。
-
Patent Agency Ranking
公开(公告)号：CN114021690B
公开(公告)日：2024-11-22
申请号：CN202111158377.6
申请日：2021-09-30
Applicant: 电子科技大学长三角研究院(衢州) , 电子科技大学 , 四川轻化工大学
Abstract: 本发明公开了一种基于群体智能的自然计算方法，该方法基于静态活体计算中的“弱者优先”进化策略，提出了“最优状态保留”运算机制，该机制通过在微纳机器人的追踪周期进行多次采样，分别计算每个采样点的智能体适应度，然后选择同一智能体在同一追踪周期中最大的适应度值作为该智能体在此追踪周期的最终适应度，利用该方法可以对一个追踪周期的微纳机器人适应度进行多次评估，进而提取最优评估状态，克服动态生物梯度场引起的智能体适应度计算的时变特性，提高适应度评估的相对准确性。因此，这个运算机制保证了在体内动态优化环境下多智能体协同搜索过程中所共享信息的精确性，从而提高自然计算中全局最优解的求解效率。
-
公开(公告)号：CN118741636A
公开(公告)日：2024-10-01
申请号：CN202410794092.9
申请日：2024-06-19
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开一种基于增强孪生的无人机(Unmanned Aerial Vehicle,UAV)网络自进化路由方法，应用于UAV网络领域，针对在动态性强和资源有限的UAV网络中，现有路由机制难以同时满足灵活性需求与低开销要求的问题。本发明具体设计了一种基于增强孪生的UAV网络自进化路由技术，减轻UAV网络物理空间和增强孪生空间之间的同步误差给路由决策带来的偏差，并根据网络环境对路由池进行动态智能优化，实现路由机制对外界环境的智能自适应能力，保障了数据的高效传输和网络的稳定性。
-
公开(公告)号：CN118433883A
公开(公告)日：2024-08-02
申请号：CN202410672046.1
申请日：2024-05-28
Applicant: 电子科技大学长三角研究院(衢州)
IPC: H04W72/0446 , H04W72/30 , G06N3/0442 , G06N3/092
Abstract: 本发明公开一种基于动态提前量的拓扑预测TDMA时隙分配方法，应用于移动自组织网络领域，针对在复杂的动态网络环境下，网络拓扑的变化速度及其随机性不断增加，传统时分多址接入时隙分配机制无法适应拓扑快速变化导致通信效率低的问题。为此，本发明设计了一种基于动态提前量的拓扑预测TDMA时隙分配技术。该技术使用深度强化学习算法感知网络拓扑变化的幅度和频率，并智能调整拓扑预测的提前时间，有效平衡TDMA时隙分配的效率与预测准确度之间的关系。本发明能够在复杂的动态网络环境下自适应网络拓扑变化，并显著提升TDMA通信效率。
-
公开(公告)号：CN118433788A
公开(公告)日：2024-08-02
申请号：CN202410618662.9
申请日：2024-05-17
Applicant: 电子科技大学长三角研究院(衢州)
IPC: H04W28/084 , H04W28/082 , H04L67/10 , H04L67/12
Abstract: 本发明涉及一种通算资源联合分配优化时延的方法，包括：设定系统的能耗模型和时延模型，并在终端设备通过无线接入网络的集中单元池通用计算设备辅助计算；在无线接入网络中建立终端设备本地计算、卸载计算和通信的能耗模型以及时延模型；在满足终端设备时延敏感任务的需求下，构建能耗约束下无线接入网络辅助能耗受限设备时延优化问题；将优化问题转化为凸优化问题，通过二分法在约束范围内求解最优解，以使得总时延最小。本发明设计了在云无线接入网络中集中资源池的底层通用计算设备辅助下的终端设备通信资源和计算资源的联合调度方案，给出了本地设备是否进行任务卸载的处理方案，在保证本地设备功耗要求下，降低了总体时延。
-
公开(公告)号：CN113556819B
公开(公告)日：2023-10-24
申请号：CN202110831708.1
申请日：2021-07-22
Applicant: 电子科技大学长三角研究院(衢州)
IPC: H04W72/0446 , H04W72/50 , H04W84/18
Abstract: 本发明公开了信标模式下ZigBee无线传感器网络错峰时隙分配的方法，包括：基于无线传感器网络节点在环境监测应用中采样的相对周期大小和紧急性按延迟敏感度对数据类型进行划分，在终端的MAC层根据划分的数据类型设计新的时隙请求帧来负载数据类型信息；在协调器端采用改进后的背包算法对竞争期内到达的时隙请求帧完成分配，在保证异类数据相对传输延迟的情况下，充分的利用保证时隙，提升非竞争期时隙的最大传输价值，满足更多节点的传输请求。此外，对于未分配到时隙的节点，采用指数平滑预测算法来对数据进行补全，在一定层面上保证了数据的完整性。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.042 seconds)
