-
公开(公告)号：CN116167452A
公开(公告)日：2023-05-26
申请号：CN202211625268.5
申请日：2022-12-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于模型相似性的集群联邦学习的方法，属于联邦学习领域。该方法包括步骤：S1：设计本地训练调整策略，服务器发布联邦学习任务；客户端获取联邦学习任务后将包含身份信息和数据资源信息的加入联邦学习请求发送给服务器节点；S2：服务器节点验证客户端的身份和数据资源信息后，服务器广播全局模型；S3：根据每个客户的数据量调整其本地训练周期；所得到的局部模型用于计算模型权重距离矩阵；S4：设计客户机自适应聚类策略，从模型相似度矩阵中揭示客户端之间的聚类关系，在不指定聚类数量的情况下，将数据分布相似的客户端自适应划分到同一个集群中；S5：FedCluster在客户端和服务器之间的通信中获得稳定的客户机集群。
-
公开(公告)号：CN116055324A
公开(公告)日：2023-05-02
申请号：CN202211722211.7
申请日：2022-12-30
Applicant: 重庆邮电大学
IPC: H04L41/0823 , H04L41/0894 , H04L41/046 , H04L41/142 , H04L41/14 , H04L41/16 , H04L41/12
Abstract: 本发明涉及一种用于数据中心网络自优化的数字孪生方法，属于数字孪生领域，包括以下步骤：S1：构建孪生网络系统，包括物理数据中心网络层和数字孪生网络层，所述物理数据中心网络层由网元、服务器、链路组成；所述数字孪生网络层包括控制器、数据存储模块、强化学习模块、孪生网络模块、路径计算模块和流表管理模块；S2：数字孪生网络层采集物理数据中心网络层的数据，建立基础模型和功能模型，所述基础模型是由网元模型和链路模型连接组合构建拓扑模型，所述功能模型用于对基础模型作出网络优化策略；S3：对数字孪生网络层的强化学习算法进行训练；S4：部署训练好的数字孪生网络层，实现数据中心网络的自我优化。
-
公开(公告)号：CN116028639A
公开(公告)日：2023-04-28
申请号：CN202211602937.7
申请日：2022-12-13
Applicant: 重庆邮电大学
IPC: G06F16/36 , G06F16/33 , G06F40/295 , G06F40/30 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于多源聚合神经网络的知识图谱补全方法，属于自然语言处理领域，包括以下步骤：S1：对头实体和尾实体进行特征提取，利用卷积传播网络进行多次迭代，获取实体的上下文语义特征；S2：利用随机游走的方法构建从头实体到尾实体的关系路径，采用双向门口循环单元网络BiGRU，提取实体对之间的每个关系路径的语义特征；S3：利用注意力聚合方案，根据实体的上下文语义特征将给定实体对的不同关系路径语义向量进行有效聚合，得到实体对最终的关系路径特征；将上下文语义特征和最终的关系路径特征进行融合，利用softmax函数推断给定实体间可能存在的关系，完成知识图谱补全。本发明提高了特征学习能力。
-
公开(公告)号：CN113098707B
公开(公告)日：2022-05-03
申请号：CN202110279221.7
申请日：2021-03-16
Applicant: 重庆邮电大学
IPC: H04L41/147 , G06N3/08 , H04L41/149
Abstract: 本发明涉及边缘计算与物联网技术领域，具体涉及边缘网络中一种虚拟网络功能需求预测方法，包括：获取数据，并进行数据预处理，得到预处理后的数据；获取的数据包括不同区域内的电信活动数据集，主要包含短信服务数据、通话数据以及互联网数据，具体是指短信服务数据、通话服务数据以及互联网服务数据；将预处理后的数据输入到训练好的组合预测模型中，得到预测结果，预测结果为预测的网络服务请求数量；根据预测结果分析边缘节点资源足够和边缘资源不足时的VNF需求，确认VNF的数量。本发明将SVR和GRU两种模型结合以提高VNF需求预测准确率，实现边缘网络中VNF的提前放置。
-
公开(公告)号：CN114202550A
公开(公告)日：2022-03-18
申请号：CN202111403333.5
申请日：2021-11-24
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理领域，具体涉及一种基于RAPNet网络的脑肿瘤MRI图像三维分割方法，包括构建RAPNet网络并对其进行训练；将脑部MRI图像输入到训练好的RAPNet网络中进行图像识别分割，得到分割后的脑肿瘤MRI图像及其亚结构区域，RAPNet网络包括主干网络、特征金字塔以及辅助预测，主干网络由空洞卷积和多个ISE‑R2CU单元组成，用于提取输入图像的浅层特征和深层特征；本发明采用的由3D空洞卷积和跨模型注意力机制构成的特征金字塔与主干相结合以学习整个肿瘤及其亚结构的有效特征，从而具有拟合肿瘤内各种组织边界的优势。
-
Patent Agency Ranking
公开(公告)号：CN113095084A
公开(公告)日：2021-07-09
申请号：CN202110279367.1
申请日：2021-03-16
Applicant: 重庆邮电大学
Abstract: 本发明属于边缘计算与物联网领域，涉及一种物联网中语义服务匹配方法、装置及存储介质；所述方法包括从用户对智能对象的使用频率和平均使用时间中获取用户对智能对象的初始兴趣；利用初始兴趣对偏好强度的影响和偏好强度对智能对象使用事件的影响，建立出联合分布模型来提取用户的偏好强度；利用超平面时间感知知识图谱嵌入模型获取智能对象之间的动态关系，估计出智能对象之间的社会相似度；根据用户的偏好程度和智能对象之间的社会相似度，构建出语义服务匹配模型；接收来自用户或智能对象的服务请求，基于语义服务匹配模型进行相似度匹配，输出用户与智能对象之间的服务匹配结果；本发明保障服务发现的有效性、扩展性和服务匹配结果的精确性。
-
公开(公告)号：CN107071887B
公开(公告)日：2019-11-12
申请号：CN201710132038.8
申请日：2017-03-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种能量采集异构蜂窝网络中small cell的在线功率控制方法，属于异构网络功率控制领域，在考虑到环境中能量到达随机性和因果性，并满足小蜂窝电池容量约束的情况下，基站控制器通过能量判别选出满足开启条件的small cell，然后采用所选择的small cell更新发射功率，最大化系统在每个时隙的能效。该发明所得结果提高了small cell的能量效率，而small cell的功率更新不需要知道全局信道状态和能量状态信息，实用性和可行性强。
-
公开(公告)号：CN109446288A
公开(公告)日：2019-03-08
申请号：CN201811216505.6
申请日：2018-10-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于Spark的互联网涉密地图检测算法，属于大数据技术应用、自然语言处理领域。该方法首先通过数据预处理，对地图中文本数据进行中文分词，提取地图文件特征词；然后进行文本特征提取，主要提取特征词与敏感词汇相似度、特征词在文本中的权重、特征词在POI文本中的位置属性、特征词对应敏感词汇在敏感词库中的权值四种特征；最后，通过前面提取的特征，经过统计计算得到相应地图文件敏感度。本发明结合互联网地图文件数据爬取方法，能够实现互联网涉密地图自动检测，加快对互联网问题地图检测效率，减轻人工检测互联网地图压力。
-
公开(公告)号：CN109408911A
公开(公告)日：2019-03-01
申请号：CN201811168438.5
申请日：2018-10-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种在CPSS下基于ACP理论的群体演化方法，属于社会计算与通信信息技术领域。本发明所提技术方案包括如下步骤：首先对社交网络中的节点关系进行相关定义并量化出社会关系三个主要影响因素，包括个体间的亲密度、信任度以及个体坚持度，得到个体的从众程度。其次，建立群体演化博弈的模型，包括个体间博弈过程和个体博弈后内部的行为更新规则。最后，引入Q强化学习算法，指导智能体不断学习更新策略。本发明为研究未来智能环境中群体的疏散规律提供了一种可实现的动态模型研究方法。
-
公开(公告)号：CN106060887A
公开(公告)日：2016-10-26
申请号：CN201610353633.X
申请日：2016-05-25
Applicant: 重庆邮电大学
IPC: H04W40/02
Abstract: 本发明涉及一种面向时空特性变化认知的机会网络路由方法，属于机会网络，认知物联网和自组织网络技术领域。该方法包括以下步骤：S1：节点移动半马尔可夫模型建立阶段：用于预测未来时刻节点处于某一地理区域的概率和节点间在未来时间段内接触的效用值；S2：面向节点时空特性变化认知机制阶段：用于检测节点的时空特性变化与半马尔可夫模型是否相吻合；S3：路由方法自适应性的实现阶段：用于携带消息的节点与相遇节点进行接触效用值的比较，以决定是否要转发消息。本发明提供的方法能够克服现有技术中存在的问题，实现高效、智慧的认知自组织路由机制。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.1 seconds)
