-
公开(公告)号：CN104991974A
公开(公告)日：2015-10-21
申请号：CN201510464344.2
申请日：2015-07-31
Applicant: 中国地质大学(武汉)
IPC: G06F17/30
CPC classification number: G06F16/35
Abstract: 本发明提供了一种基于粒子群算法的多标签分类方法包括优化阶段和分类阶段。优化阶段是采用粒子群算法优化特征加权KNN算法的特征权值；分类阶段是将优化阶段得出的特征权值应用到特征加权KNN算法中给测试样本X进行分类，最终输出测试集中所有样本的标签，即分类完成。本发明能够找到最优的特征权值来消除数据集中的特征(计算距离时是指属性值)的冗余或是不相关，从而减少了距离偏差，提高了分类的准确度。
-
公开(公告)号：CN117992227A
公开(公告)日：2024-05-07
申请号：CN202410145622.7
申请日：2024-02-01
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种面向搭载TrustZone边缘云的DNN的分区和卸载系统，终端设备模块、神经网络决策模块和启用TrustZone的边缘服务器模块，神经网络决策模块分别单向连接于终端设备模块和启用TrustZone的边缘服务器模块，终端设备模块和启用TrustZone的边缘服务器模块双向连接；本发明的有益效果是：针对TrustZone不可避免地涉及数据的加密和解密操作以及单一处理器垄断特性，导致了传统的分割学习方法不再适用并且增加了任务卸载和推断的复杂性。聚焦于应对边缘计算中的数据传输挑战和安全隐私问题，本发明通过引入TrustZone和开发新的算法，通过决策将对应的部分分别调度到终端设备模块和启用TrustZone的边缘服务器模块，实现在边缘云环境中更高效、更安全的任务卸载和分割学习。
-
公开(公告)号：CN117914708A
公开(公告)日：2024-04-19
申请号：CN202410093876.9
申请日：2024-01-23
Applicant: 中国地质大学(武汉)
IPC: H04L41/0896 , H04L41/14 , H04L67/10 , G06N20/00
Abstract: 本发明提出了一种用于分层联邦学习的设备选择和带宽分配系统及方法，涉及分层联邦学习领域，系统包括配置云服务器、边缘服务器、终端设备的设备选择模块和带宽分配模块；设备选择模块用于选择终端设备；带宽分配模块为被选择的终端设备分配带宽；将总训练时间分为本地训练时间、本地更新传输时间、预聚合结果上传时间，在总训练时间最小化和数据多样性的约束下进行设备选择和带宽分配。有效地解决了原有的分层联邦学习中设备选择和带宽分配问题，为提高训练性能和保证数据多样性和模型准确性提供了一个创新方案。
-
公开(公告)号：CN116582407A
公开(公告)日：2023-08-11
申请号：CN202310387279.2
申请日：2023-04-11
Applicant: 之江实验室 , 中国地质大学(武汉)
IPC: H04L41/0273 , H04L41/14 , H04L41/0894
Abstract: 本发明提供了一种基于深度强化学习的容器化微服务编排系统及方法，基于本发明提出的“延迟奖励策略”和“延迟奖励匹配深度Q学习算法”构建的，一共包含五个模块，系统信息获取模块，奖励生成模块，延迟奖励匹配模块，强化学习训练模块，决策模块和两个缓存，临时经验缓存和全局经验缓存。系统信息获取模块用于获取边缘节点环境的状态信息，奖励生成模块用于计算延迟奖励，延迟奖励匹配模块用于解决经验的配对问题，强化学习训练模块用于训练Deep Q‑NetWork，决策模块用于控制智能体做出决策。本发明的有益效果是：有效地解决了传统微服务编排平台对于高动态性微服务编排的局限性。
-
公开(公告)号：CN115426257A
公开(公告)日：2022-12-02
申请号：CN202210912040.8
申请日：2022-07-29
Applicant: 之江实验室 , 中国地质大学(武汉)
IPC: H04L41/0803 , H04L41/0823
Abstract: 本发明属于云原生和边缘原生计算领域，公开了一种面向服务网格的多控制器架构与部署方法，包括多个控制器，多个控制器分布在不同的服务器上，每个控制器管理部分微服务，所述微服务通过在同一平面的sidecar进行通信；每个控制器同构，服务器异构，所述控制器之间通过同步通信来实现多控制器的透明，使得用户仍然感受到的是一个控制器。本发明将多个控制器分别部署在不同的服务器上，每个控制器连接若干个微服务，管理着微服务的执行和通信。根据边缘服务器的资源情况和微服务的部署情况确定需要部署的控制器数量、位置以及连接哪些微服务。能够将传统的服务网格应用于边缘环境中，且保证微服务的正常运行和通信。
-
Patent Agency Ranking
公开(公告)号：CN113905606B
公开(公告)日：2022-09-30
申请号：CN202111070340.8
申请日：2021-09-13
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及贴装控制领域，提供一种基于深度强化学习的贴片机贴装调度模型训练方法，包括：S1：设置贴装循环方案，计算获取贴装循环方案的贴装时间；S2：构建贴片机贴装调度模型，贴片机贴装调度模型包括：DQN1网络和DQN2网络；S3：获取贴装训练数据，将贴装训练数据和贴装时间输入DQN1网络进行循环计算，计算结束后获得取料方案；S4：将取料方案和贴装时间输入DQN2网络进行循环计算，计算结束后获得训练好的贴片机贴装调度模型。本发明构建的两阶段训练模型，所求解的取料方案和贴装方案相比实际生产使用的贪心算法更精确，也即新方案的贴装耗时更少；两阶段训练模型可以在复杂动态环境下，不需要重新训练，直接生成比较优的取料和贴装方案。
-
公开(公告)号：CN113905606A
公开(公告)日：2022-01-07
申请号：CN202111070340.8
申请日：2021-09-13
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及贴装控制领域，提供一种基于深度强化学习的贴片机贴装调度模型训练方法，包括：S1：设置贴装循环方案，计算获取贴装循环方案的贴装时间；S2：构建贴片机贴装调度模型，贴片机贴装调度模型包括：DQN1网络和DQN2网络；S3：获取贴装训练数据，将贴装训练数据和贴装时间输入DQN1网络进行循环计算，计算结束后获得取料方案；S4：将取料方案和贴装时间输入DQN2网络进行循环计算，计算结束后获得训练好的贴片机贴装调度模型。本发明构建的两阶段训练模型，所求解的取料方案和贴装方案相比实际生产使用的贪心算法更精确，也即新方案的贴装耗时更少；两阶段训练模型可以在复杂动态环境下，不需要重新训练，直接生成比较优的取料和贴装方案。
-
公开(公告)号：CN113723790A
公开(公告)日：2021-11-30
申请号：CN202110971348.5
申请日：2021-08-23
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于代理模型的供水系统调度策略优化方法和存储介质，其中方法包括：采用集群并行采样方法采样，对供水系统的管网的所有节点产生对应数量的污染事件，将污染事件平均分配到Spark集群，通过EPANET计算每个污染事件的第一适应度值，并将第一适应度值保存到历史数据集，得到样本数据集，利用样本数据集构建代理模型，利用差分优化算法对供水系统调度策略进行优化，从而得到最佳调度策略。
-
公开(公告)号：CN110149277A
公开(公告)日：2019-08-20
申请号：CN201910362446.1
申请日：2019-04-30
Applicant: 中国地质大学(武汉)
IPC: H04L12/801 , H04L12/24
Abstract: 本发明公开了基于链路拥塞强度分布的网络拥塞链路诊断方法及系统，针对IP网络路由的动态特性，根据多路端到端探测获取的路径性能及拓扑结构的探测结果，对IP网络拥塞链路进行推断，建立EM算法模型得到待测IP网络的各链路的拥塞强度概率分布，在此基础上基于该模型对IP网络拥塞链路进行推断，实现了动态路由下IP网络拥塞链路的推断。通过对不同类型及规模IP网络进行模拟实验和仿真实验，在相同场景下，分别利用传统CLINK和SCFS算法及本发明的方法进行拥塞链路推断，实验证明了本发明的方法较现有传统算法有更高的推断准确性。
-
公开(公告)号：CN105426984A
公开(公告)日：2016-03-23
申请号：CN201510704752.0
申请日：2015-10-26
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于多粒子群优化算法的给水管网传感器布置优化方法，包括：建立给水管网的管网拓扑结构，获取给水管网中每个管网节点的复杂度，并对所述管网拓扑结构进行水力模拟和水质模拟，得到每个管网节点的可达度和污染物浓度；在主计算节点进行多粒子群优化算法的种群初始化，在MAP阶段进行全局搜索；在Reduce阶段进行局部搜索，得到最新全局最优个体；判断最新全局最优个体的适应度是否满足预设收敛条件，如果不满足预设收敛条件，则转入任务分发步骤继续进行迭代演化。有效解决了现有技术中给水管网传感器布置优化时间长的技术问题最大化监测效果(比如最快的时间检测污染事件)，防范饮用水因污染而引发的安全风险。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.026 seconds)
