公开(公告)号：CN119599143A

公开(公告)日：2025-03-11

申请号：CN202411644076.8

申请日：2024-11-18

Applicant: 重庆邮电大学

Inventor： 祝志远 ,  鲁长星 ,  吴大鹏 ,  王汝言

IPC: G06N20/00 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/084 ,  H04L41/16

Abstract: 本发明涉及一种面向异构环境的分层联邦学习方法，属于人工智能技术领域。该方法包括：构建云边端场景中的分层联邦学习框架；构建能够减小因节点间异构性导致的模型性能损失的分层联邦学习算法；构建边缘服务器增强算法中使用的虚拟数据集，以及边缘服务器的数据分配方式；在严格数学假设下，从理论上推导了平均全局梯度偏差的边界，以量化云边缘聚集区间、参与设备的数量和其他重要因素的影响，分析在异构环境影响下分层联邦学习算法的理论收敛边界。

公开(公告)号：CN119383362A

公开(公告)日：2025-01-28

申请号：CN202411644122.4

申请日：2024-11-18

Applicant: 重庆邮电大学

Inventor： 祝志远 ,  丁世航 ,  魏传锋 ,  邹虹 ,  王汝言 ,  吴大鹏

IPC: H04N19/70 ,  H04N19/124 ,  H04N19/91 ,  H04N19/147 ,  H04N19/44 ,  G06T9/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/214

Abstract: 本发明涉及一种基于重要性尺度和高斯混合模型的深度学习图像压缩方法，属于图像处理技术领域。构建一个重要性尺度网络，将经主编码器得到的潜在表示通过重要性尺度网络进行处理，实现自适应内容的比特分配，确保关键特征信息的有效提取，从而获取重要性增强的潜在表示。在内容流和模型流中均引入高斯混合模型，其包含多种高斯分布，可得到更为准确的概率分布用于指导熵编码和解码以获取更为准确的重构潜在表示或神经语法信息。对潜在表示进行内容自适应优化，并通过使用高斯混合分布预测得到更合理且灵活的概率分布模型，减少潜在表示或神经语法中的冗余信息，在获得视觉效果更好的重建图像同时，也提升深度学习图像压缩模型的率失真性能。

公开(公告)号：CN118433129A

公开(公告)日：2024-08-02

申请号：CN202410498381.4

申请日：2024-04-24

Applicant: 重庆邮电大学

Inventor： 吴大鹏 ,  李佳伦 ,  唐桐 ,  祝志远 ,  王汝言 ,  张鸿

IPC: H04L47/38 ,  G06N3/08

Abstract: 本发明涉及一种语义通信码率控制方法，属于通信技术领域。该方法包括：构建在动态通信环境中用户差异化语义通信性能和效率的优化场景；通过码率来构建关于语义通信效率优化问题，即在满足用户对于语义通信质量最低需求下，最大化语义编码对于通信带宽的利用率；针对环境动态变化的特性，设计一种基于经验数据训练的模拟网络，其根据当前信噪比和码率输出对应的语义性能和语义效率；基于DQN的码率控制算法得出控制策略；定义DQN算法相应的组成部分，令语义编码器同时在环境中探索与训练，并更新码率控制决策的模型参数。本发明根据当前通信环境自适应地选择能够最大化语义效率的码率，从而减轻传输带宽的压力。

公开(公告)号：CN118394512A

公开(公告)日：2024-07-26

申请号：CN202410498416.4

申请日：2024-04-24

Applicant: 重庆邮电大学

Inventor： 魏传锋 ,  曹佳 ,  杨静 ,  唐桐 ,  祝志远 ,  吴大鹏 ,  王汝言 ,  张鸿

IPC: G06F9/50 ,  G06F9/54 ,  G06N3/092 ,  G06N5/043

Abstract: 本发明涉及一种边端协同智能卸载方法，属于无线通信领域。该方法包括：构建在卫星边缘计算网络中多任务并行部分卸载优化场景；通过任务队列、任务处理与任务卸载模型构建系统能耗的长期平均值优化问题，其在相关约束条件下以最小化系统能耗的长期平均值；采用李雅普诺夫优化框架将长期多时隙优化问题解耦为能够在每个时隙中求解的确定性问题；将系统能耗的长期平均值优化问题拆分为在线任务卸载子问题和在线资源分配优化子问题，并基于MADRL的在线任务卸载策略求解卸载策略子问题；在输出卸载决策的前提下，引入李雅普诺夫辅助的DRL框架和多智能体近端策略优化MAPPO算法，基于凸优化的资源分配算法求解剩余的资源分配优化变量。

公开(公告)号：CN118215110A

公开(公告)日：2024-06-18

申请号：CN202410505553.6

申请日：2024-04-25

Applicant: 重庆邮电大学

Inventor： 甄岩 ,  陶李天一 ,  邹虹 ,  唐桐 ,  祝志远 ,  吴大鹏 ,  王汝言 ,  张鸿

IPC: H04W52/02 ,  H04W52/26 ,  H04W52/34

Abstract: 本发明涉及一种系统能耗自适应控制方法，属于通信技术领域。该方法包括：构建在超密集网络中集成MIMO技术的基站能耗优化场景；构建系统能耗和用户数据丢失加权优化问题，即通过调节基站休眠模式、天线数量以及用户连接策略，最小化系统能耗与用户数据丢失；将超密集网络环境建模为部分可观测马尔可夫决策过程，运用多智能体近端策略优化算法，并对比两个时隙间的网络相似度，辅助智能体的决策过程，减少基站休眠模式转换频率；通过迭代训练的方式，使模型根据当前网络状态和用户需求做出最优的自适应基站控制决策。本发明在保障用户QoS的同时，最大程度降低了系统能耗。