-
公开(公告)号：CN101383682A
公开(公告)日：2009-03-11
申请号：CN200810231890.1
申请日：2008-10-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于星座旋转准正交空时分组码的协作分集方法，主要解决正交空时分组码协作方法传输速率低的问题。协作传输过程为：在广播阶段，由源节点向中继节点和目的节点发送广播信号，中继节点对接收到的信号进行译码和循环冗余校验，如果校验正确，则参与空时协作阶段的协作传输，否则不参与；在空时协作阶段，由源节点和校验正确的中继节点将发送信息分为两组进行星座映射，根据准正交空时分组码的编码矩阵生成各自的发送信号，同时向目的节点发送；目的节点将广播阶段和空时协作阶段的接收信号进行联合最大似然译码，并将译码结果分为两组进行解调。本发明在相同频谱效率和发射功率的条件下，比正交空时分组码协作分集方法具有更高的空间分集增益。
-
公开(公告)号：CN119967538A
公开(公告)日：2025-05-09
申请号：CN202510136753.3
申请日：2025-02-07
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于多智能体深度强化学习的智能跨域组播路由方法，利用多控制器通信机制和组播组管理模块分别实现SDWN不同控制域之间网络信息的传递和同步，以及对跨域组播组成员的发现和有效管理；根据分解得到的域间组播树和域内组播树问题的问题特点分别设计了相应的动作策略，以提高智能体的探索效率，并对智能体所采取的不同动作策略设计不同的奖励函数，以引导智能体构建出高效的域间和域内组播树；通过对多智能体的协同学习和策略协调来实现跨域组播树的构建和优化，采用完全去中心化的求解范式以提高多智能体协作的稳定性，同时设计了离线和在线相结合的训练方式，减少了与环境的交互频率和对实时环境的依赖，有效提升多智能体的收敛速度。
-
公开(公告)号：CN119966873A
公开(公告)日：2025-05-09
申请号：CN202510213322.2
申请日：2025-02-25
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种SDWN中基于多智能体图强化学习的多对多通信路由方法，首先设计了一种基于Q‑learning强化学习算法，优化部署智能体的网络节点数量，从而降低现有方法对所有网络节点部署智能体带来的计算和部署成本；然后在AC框架下的设计了一种集中式训练分布式执行的多智能体深度强化学习算法，为了减少模型训练的存储空间开销分别使用图卷积神经网络和图神经网络重新设计Actor和Critic的网络结构，解决了现有方法中卷积神经网络对拓扑结构数据适应能力比较弱的问题；最后提出动作空间局部观测方法来避免无效动作的生成，从而降低模型训练的时间开销并加快收敛速度，从而降低模型训练的时间开销并加快收敛速度。
-
公开(公告)号：CN119960698A
公开(公告)日：2025-05-09
申请号：CN202510125769.4
申请日：2025-01-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于P4网络遥测优化的Ceph存储系统数据迁移方法，通过引入P4网络遥测技术实现对网络状况和存储状态的实时监测，获取详尽关键性能指标，并依据这些信息进行细粒度至单个放置组级别的数据迁移决策，在数据迁移决策过程中，将复杂的网络和存储问题抽象为双目标优化问题，并据此提出一种基于时间触发的TOPSIS和KM的迁移控制算法，通过时隙的划分与控制将带有约束的非线性优化问题转换为多时隙控制的线性优化问题，每隔一段时间确定迁出集合与迁入集合之间的对应关系，OSD根据这个对应关系进行迁移，时隙结束之后再进行调整。本发明能够增强异构存储环境适应性，提高系统响应速度和决策能力。
-
公开(公告)号：CN119430096A
公开(公告)日：2025-02-14
申请号：CN202411576723.6
申请日：2024-11-06
Applicant: 西安电子科技大学
IPC: C01B21/082 , B82Y40/00 , H01F1/40 , H01F41/00
Abstract: 本发明公开了一种具有室温铁磁性的二维黑色氮化碳量子材料及其制备方法和应用，该氮化碳量子材料为二维层状的非晶态纳米片，在碳氮骨架中具有氮空位的类石墨相结构；该氮化碳量子材料的单层厚度为4‑15nm，长度或宽度为1‑10μm；该方法包括：以尿素为原料，在空气中进行煅烧，随后经过一次退火和边缘四重热处理，然后使用无水乙醇进行离心洗涤与低温干燥后得到黑色氮化碳量子材料；本发明的制备方法具有工艺简单，易于重复以及成本低的特点；通过本发明的制备方法所制备的黑色氮化碳具有高纯度、高磁化强度、高居里温度和强室温铁磁性的特点，可应用于自旋电子器件、拓扑量子器件和磁存储等领域。
-
Patent Agency Ranking
公开(公告)号：CN115062052B
公开(公告)日：2025-02-07
申请号：CN202210504754.5
申请日：2022-05-10
Applicant: 电子科技大学
IPC: G06F16/2452 , G06F16/242 , G06F16/36 , G06F40/30 , G06F40/253 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于图谱的从自然语言问题到SQL的翻译方法，包括：基于SQL数据库的元数据知识图谱，使用深度学习模型1获得数据库的表和列的表示；使用深度学习模型2对数据库的表和列进行编码，获得其包含图结构信息的表示；使用深度学习模型3获得自然语言问题的表示；使用深度学习模型4对自然语言问题的表示、表和列的表示进行联合编码，得到中间语义向量；将中间语义向量使用深度学习模型5进行解码，生成SQL语句。本发明基于数据库的元数据知识图谱获得数据库表和列的图表示，与自然语言问题的表示来共同编码，通过深度学习模型和概率模型结合进行解码，能充分利用知识图谱的丰富的数据语义信息，较好地生成SQL查询语句。
-
公开(公告)号：CN119005495A
公开(公告)日：2024-11-22
申请号：CN202411013055.6
申请日：2024-07-26
Applicant: 电子科技大学
IPC: G06Q10/063 , G06Q10/04 , G06Q50/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积和自注意力的交通流量预测方法，包括以下步骤：S1.数据采集；S2.对采集到的数据进行预处理；S3.建立卷积自注意力CTformer模型并训练；S4.对交通流量进行预测。本发明提出了一种基于卷积和自注意力的交通流量预测方法，在模型浅层使用卷积操作捕获交通流量数据中的短期依赖，在模型深层使用自注意力捕获交通流量数据中的长期依赖，有效地结合两种架构的优势，并在计算效率和精度上实现了更好的平衡。
-
公开(公告)号：CN119005298A
公开(公告)日：2024-11-22
申请号：CN202411013014.7
申请日：2024-07-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于关系学习的异构联邦子图学习方法，包括以下步骤：S1.每个参与方利用本地子图数据训练本地图神经网络；S2.关系学习，服务器生成随机图发送给每个参与方，参与方获取随机图的指定边集的预测概率并上传给服务器，服务器动态学习参与方的子图关系矩阵；S3.知识聚合，服务器平均聚合所有参与方上传的知识并通过子图关系矩阵对知识进行加权聚合，为每个参与方生成个性化知识；S4.更新本地图神经网络；S5.重复执行S1‑S4步骤。本发明实现了子图场景下拥有不同架构的参与方的本地模型的协作训练，并且通过关系学习解决了子图间的数据异质性问题。
-
公开(公告)号：CN118981658A
公开(公告)日：2024-11-19
申请号：CN202411013426.0
申请日：2024-07-26
Applicant: 电子科技大学
IPC: G06F18/23213 , H04L9/40 , G06F21/57 , G06F21/56 , G06N3/0455 , G06N3/042 , G06N3/0895
Abstract: 本发明公开了一种基于异构图自编码器的APT攻击者聚类方法，包括：情报获取与STIX情报映射、异构图自编码器训练和攻击者聚类几个基础步骤；本方案针对APT攻击者的聚类问题，使用异构图来表示全面、复杂的威胁知识；同时使用异构图自编码器来在标签数据不足时，从数据本身提取攻击者的特征，并用于攻击者聚类，在自编码的自监督学习过程中，以元路径重建作为学习目标，使该自编码器可以有效提取包含语义信息的APT攻击者特征，可将其用于APT攻击者聚类任务，提高攻击者特征提取的准确性，更好地完成了攻击者聚类任务。
-
公开(公告)号：CN118828664A
公开(公告)日：2024-10-22
申请号：CN202410789494.X
申请日：2024-06-19
Applicant: 西安电子科技大学
IPC: H04W24/08 , G06F18/2411 , G06F18/214 , G06F18/213 , G06F18/25 , G06F17/18 , H04W24/10 , H04W4/02 , H04W4/33 , H04W84/12
Abstract: 本发明公开了一种多域融合的Wi‑Fi人体动作智能感知识别方法，主要解决现有技术中感知模型复杂度高、在室内电磁噪声干扰和环境变化下识别准确度低的问题。其实现方案是：提取原始CSI数据信号的动态路径集合，并通过预处理去除室内环境的电磁噪声干扰；估计动态路径集合中人体最短反射路径所对应的路径参数，对动作的幅度、位置、速度、持续时间进行统计特征提取，得到多域统计特征向量获得动作数据集，并将其划分为训练集和测试集；利用训练集训练现有SVM分类模型，将测试集输入到训练好的分类模型，得到室内人体动作的识别结果。本发明的感知模型复杂度低、不易受室内电磁噪声干扰，在室内环境中均具有较高的识别准确度，可用于复杂室内场景的动作识别。
-
-
-
-
-
-
-
-
-
Search Results
891
records
(took 0.227 seconds)
