-
公开(公告)号：CN110337113A
公开(公告)日：2019-10-15
申请号：CN201910459418.1
申请日：2019-05-29
Applicant: 西北农林科技大学
Abstract: 本发明属于移动通信技术领域，公开了一种密集DTDD网络中基于小区动态分簇的干扰管控方法，通过统计小区间的干扰强度与业务差异大小，对基站进行动态分簇，令同簇内的基站使用相同的子帧配置方案来消除交叉子帧干扰；对簇内的业务状况进行统计，选择使簇内吞吐量最大的TDD子帧配比作为簇内统一的子帧配置方案；对同簇内小区中的部分用户进行二次关联；确定小区动态分簇的算法开销与网络性能增益的折中关系，通过构建效用函数，确定算法开销与网络性能均衡的最佳分簇周期。本发明克服了现有技术在固定某个分簇周期对基站进行分簇，分簇频率过慢或过快的问题，造成网络性能较差或算法开销过大的问题，实现了算法开销与网络性能增益的均衡优化。
-
公开(公告)号：CN115150918B
公开(公告)日：2025-04-08
申请号：CN202210626888.4
申请日：2022-06-06
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种分簇网络架构下的可靠联邦学习方法、系统、设备及终端，系统根据分簇规则选出簇头用户，并将网络中所有参与联邦学习任务的用户与其最近的可信簇头进行关联，从而完成分簇过程；簇头用户根据接收的簇内用户的本地模型参数聚合生成簇内模型，并协助簇内用户完成本地信誉表的更新；基站根据接收的簇内模型参数聚合生成全局模型，并协助网络中所有用户完成本地模型参数以及信誉表的更新；重复上述过程，直至联邦学习任务完成或者用户设备能量耗尽。本发明克服了无线联邦学习在典型的客户‑服务器架构下扩展性有限和能耗过大的不足，保证无线联邦学习的安全性，延长整个网络的生命周期。
-
公开(公告)号：CN117610639A
公开(公告)日：2024-02-27
申请号：CN202311143860.6
申请日：2023-09-06
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种用于无人机轨迹优化的安全强化学习方法及系统，设计并明确网络场景、无人机的信道模型和能耗模型；构建优化目标，明确最小化平均信息年龄以及限制条件；根据场景及约束条件将问题转化为约束马尔科夫决策问题，进行状态空间、动作空间建模，并针对优化目标设计奖励函数；基于STD3算法构建无人机轨迹优化算法，对模型训练，并将训练好的模型在与不同用户参数下与基准算法对比进行性能验证。本发明能够有效地解决无人机飞行轨迹规划问题，提高数据收集的质量和速度，降低运行成本和风险。能够适应复杂和动态变化的环境，实现无人机的自主飞行和智能决策，提高无人机的安全性和可靠性。
-
公开(公告)号：CN116056033A
公开(公告)日：2023-05-02
申请号：CN202310097575.9
申请日：2023-02-10
Applicant: 西北农林科技大学
IPC: H04W4/38 , H04W24/02 , H04L41/14 , H04L41/142
Abstract: 本发明公开一种能量收集物联网中基于相关信息年龄的状态更新方法，包括以下步骤：建立能量收集物联网中的网络、能耗、相关信息年龄演化模型；基于建立的物联网模型，提出一个以最小化数据融合中心的平均相关信息年龄为目标的传感器状态更新优化问题；将状态更新优化问题建模为传感器电量不可知的部分可观测马尔科夫决策过程；结合柔性动作评论家算法和长短期记忆网络，并提出动作分解和映射机制，设计了一种深度强化学习算法求解建立的部分可观测马尔科夫决策过程。所设计的算法能够有效应对环境动态未知、传感器电量不可观测、大规模离散动作空间造成的问题，实现了数据融合中心的平均相关信息年龄的最小化。
-
公开(公告)号：CN111970709B
公开(公告)日：2022-09-16
申请号：CN202010662808.1
申请日：2020-07-10
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种基于粒子群优化算法的无人机中继部署方法及系统，设计并明确无人机中继的信道模型，计算其大尺度衰落路径损耗以及小尺度衰落，得到不同设备之间连接时的信道增益以及其信干噪比值；设计并明确无人机中继的能耗模型，明确悬停状态下无人机的功耗构成；构建优化目标，将有约束的混合01整数非线性规划问题转换为无约束的最优化问题；结合改进后的粒子群算法对终端设备发射功率，无人机中继候选部署位置，以及终端设备‑无人机中继‑信道关联关系进行优化，以实现系统总能耗最小化。本发明对标准粒子群算法进行了改进，更适用于该最优化问题的求解，提高了算法的执行效率。
-
Patent Agency Ranking
公开(公告)号：CN111177917B
公开(公告)日：2021-11-02
申请号：CN201911365426.6
申请日：2019-12-26
Applicant: 西北农林科技大学
IPC: G06F30/20
Abstract: 本发明提出了一种基于SRTM的坡长提取方法，通过建立地理坐标下栅格模型，从该模型中直接推导出SRTM栅格边长的计算方式。计算坡长时考虑坡度截断、河网截断影响，使结果尽可能符合实际情况，最后使用正反遍历计算SRTM的累计坡长。与传统方法相比，本方法不再经过投影坐标变换，从而提高坡长的提取效率；同时也能保证原始数据的精度不下降，坡长提取结果相对精确，坡长结果与现有的DEM计算结果对比显示，坡长差值范围集中，具有规律性。
-
公开(公告)号：CN112437131A
公开(公告)日：2021-03-02
申请号：CN202011250319.1
申请日：2020-11-10
Applicant: 西北农林科技大学
Abstract: 本发明公开一种物联网中考虑数据相关性的数据动态采集与传输方法，通过多个能量收集传感器组成了物联网网络，适当激活能量收集传感器来更新状态来提高信息的时效性；具体采用关联信息年龄的概念来表示能量收集传感器的信息时效性，然后引出一个动态更新优化的问题来使得观测到的长期平均信息相关年龄最小，该问题综合考虑了资源传输约束和能量因果约束关系；然后采用马尔可夫决策过程来描述状态更新过程，并通过在标准的Q‑network中进行动作剔除以解决该问题，本发明设计的一种基于深度强化学习的状态更新算法，该算法可以同时解决环境动态未知、维数灾难以及有效动作与状态之间的耦合问题。
-
公开(公告)号：CN110990780A
公开(公告)日：2020-04-10
申请号：CN201911036530.0
申请日：2019-10-29
Applicant: 西北农林科技大学
Abstract: 本发明提供了一种基于SRTM数据的坡度提取方法，该方法按照以下步骤进行：步骤一，读取数据；步骤二，无值点和洼地填充；步骤三，遍历二维数组，计算坡度值：对经过无值点和洼地填充的SRTM高程数据遍历二维数组，根据最陡坡降法确定坡度值：周围某个栅格与当前栅格所成角度angle＝deg·arctan((DC-DO)/CellStep)；将周围8个栅格计算出的angle最大值确定为当前栅格的坡度值。本发明的方法直接对原始的SRTM数据进行分析，计算出坡度值，这样提取坡度的效率更高。将计算得到的坡度结果进行投影转换，与平面坐标下的DEM数据得到的坡度结果99％以上误差在0.5°以内，本算法计算结果可接受。
-
公开(公告)号：CN119167226A
公开(公告)日：2024-12-20
申请号：CN202411181396.4
申请日：2024-08-27
Applicant: 西北农林科技大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/15 , G06F21/55 , G06F21/57 , G06N3/0475 , G06N3/094 , G06N3/098
Abstract: 本发明属于无线通信技术领域，公开了一种基于AC‑GAN和动态概率调度的可靠联邦学习方法及系统，可以抵御标签噪声、非独立同分布数据和中毒攻击对全局模型性能的消极影响，包括两个阶段：数据预处理阶段，服务器在小基准数据集上训练一个AC‑GAN模型并部署在用户端，用户借助AC‑GAN模型实施数据清洗和数据增强，从而实现噪声标签矫正同时缓解非独立同分布数据的影响；攻击检测阶段，参数服务器构建用户选择概率模型，基于动态概率调度策略过滤恶意用户。为防止用户模型信息泄露和半诚实的服务器推测用户信息，利用CKKS同态加密方案对模型参数进行加密，并采用双服务器架构。本发明克服了标签噪声、非独立同分布数据和中毒攻击对模型性能的影响。
-
公开(公告)号：CN119150283A
公开(公告)日：2024-12-17
申请号：CN202411000149.X
申请日：2024-07-24
Applicant: 西北农林科技大学
IPC: G06F21/56 , G06Q10/0635 , G06Q10/0639 , G06Q30/0201
Abstract: 本发明属于人工智能技术领域，公开了一种非独立同分布场景下应对恶意攻击的联邦学习方法及系统，设计了一个基于边际贡献的用户贡献度模型和一个基于秩和比的用户可信度模型。本发明采用进化聚类的概念，利用本轮各用户的贡献度和前一轮计算的用户可信度来计算本轮所有用户的评分，并在此基础上利用贪心算法的思想选择参与聚合的用户逐个加入用户聚合模型的集合。同时，本发明将在服务器端维护一个根数据集，并将利用根数据集训练的服务器模型作为每轮的初始聚合模型。在非独立同分布场景下，本发明在两个具有不同比例恶意用户的公共数据集上评估了本算法的性能。大量的实验结果表明，本发明的算法在测试集上的准确度优于各种基线算法。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.028 seconds)
