-
公开(公告)号：CN111404751B
公开(公告)日：2021-05-28
申请号：CN202010201945.5
申请日：2020-03-20
Applicant: 南京大学 , 成都云格致力科技有限公司
Abstract: 本发明公开了一种基于RNN神经网络的RTT预测方法。该方法的步骤为：首先测量得到RTT数据并按照时间先后排序；然后提取RTT数据的特征并转换为神经网络的输入数据与标签数据，对数据按照RTT数据特征进行分类，并平衡各分类中数据的个数；建立RNN神经网络模型，该模型利用历史时刻的RTT数据特征作为输入，其输出是未来时刻的RTT数据；接着对神经网络进行训练；最后利用训练后的神经网络将实时测量的RTT数据的特征转换得到预测的RTT数据。本发明提出了一种量化反映未来RTT变化的方法，在高测量间隔的条件下，弥补单纯测量RTT不足以反映未来RTT变化的缺陷，能有效指导互联网应用应对复杂网络变化。
-
公开(公告)号：CN111667016A
公开(公告)日：2020-09-15
申请号：CN202010539580.7
申请日：2020-06-12
Applicant: 中国电子科技集团公司第三十六研究所 , 南京大学
Abstract: 本发明提供了一种基于prototype的增量式信息分类方法，包括：步骤1，对当前已经训练好的模型生成一份副本，并固定副本模型参数；步骤2，为数据流新来的每个类初始化一个prototype向量，并按照新类的数量扩展当前模型的分类数目；步骤3,使用深度学习算法，计算新数据对应的损失；步骤4，根据新模型和模型副本对新数据的输出计算固化损失；步骤5，将两部分损失进行权重求和，使用梯度下降算法调整模型；步骤6，根据当前迭代次数选择继续训练或者退出。
-
公开(公告)号：CN111330520A
公开(公告)日：2020-06-26
申请号：CN202010159069.4
申请日：2020-03-09
Applicant: 南京大学深圳研究院
IPC: B01J13/00 , B01J20/22 , B01J20/28 , B01J20/30 , C01B32/184 , C02F1/28 , C02F101/30
Abstract: 本发明公开了一种石墨烯与UIO-66复合气凝胶的制备方法及其应用，属于功能材料制备技术领域。制备方法为依次加入氧化石墨烯分散液、UIO-66粉末，密封容器后进行震荡或搅拌，加热，促使氧化石墨烯自组装三维框架结构的形成以及UIO-66粉末与氧化石墨烯片均匀复合，获得石墨烯多孔复合材料水凝胶，最后经干燥获得复合气凝胶。本方法制得的复合气凝胶具有自支撑的多孔结构，且制备方法条件温和、操作简单，能够有效阻止氧化石墨烯片以及晶体的团聚。该复合气凝胶具有较大的比表面积，可见光下对1atm，298K下亚甲基蓝染料具有良好的吸附性能。制备的气凝胶材料为三维结构，有较好的机械性能，便于回收，重复利用。
-
公开(公告)号：CN111010341A
公开(公告)日：2020-04-14
申请号：CN201911320959.2
申请日：2019-12-19
Applicant: 南京大学
IPC: H04L12/721 , H04L12/727 , H04L12/751 , H04L29/06 , H04L29/08
Abstract: 本发明公开了一种基于深度学习的覆盖网络路由决策方法。其具体步骤如下：S1，部署覆盖网络路由节点，收集带宽时延变化数据集；S2，制作用于训练的数据集，包括预测网络数据集和覆盖路由节点选择的分类网络数据集，预测网络的标签为下一个时刻的时延和带宽数据，覆盖路由节点选择分类网络的标签计算方式采用最短路径算法在覆盖网络路由节点组成的覆盖网络拓扑上计算得到；S3，构建基于循环神经网络LSTM的带宽时延预测网络以及用于覆盖路由节点选择的覆盖路由节点选择分类网络；S4，训练和优化深度学习模型；S5，通过模型进行决策。本方法在保证路由决策效果的同时，能大大提升决策响应速度，特别是当覆盖网络节点规模巨大的时候。
-
公开(公告)号：CN111667016B
公开(公告)日：2023-01-06
申请号：CN202010539580.7
申请日：2020-06-12
Applicant: 中国电子科技集团公司第三十六研究所 , 南京大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明提供了一种基于prototype的增量式信息分类方法，包括：步骤1，对当前已经训练好的模型生成一份副本，并固定副本模型参数；步骤2，为数据流新来的每个类初始化一个prototype向量，并按照新类的数量扩展当前模型的分类数目；步骤3,使用深度学习算法，计算新数据对应的损失；步骤4，根据新模型和模型副本对新数据的输出计算固化损失；步骤5，将两部分损失进行权重求和，使用梯度下降算法调整模型；步骤6，根据当前迭代次数选择继续训练或者退出。
-
Patent Agency Ranking
公开(公告)号：CN114528596A
公开(公告)日：2022-05-24
申请号：CN202011316471.5
申请日：2020-11-21
Applicant: 南京大学
Abstract: 本发明公开了一种基于深度学习的有向无环图区块链可扩展性增强方法。该方法的具体步骤如下：(1)在生成新的交易区块时，提取之前有向无环图的拓扑特征和交易信息特征；(2)将提取出的特征，如交易发起人，拓扑结构特征，节点权重等输入神经网络，输出该节点是恶意区块节点概率；(3)根据该节点是恶意的概率来降低当前节点的投票权重，投票权重与概率呈负相关。利用本发明的方法可以在保留有向无环图的高带宽、算力利用率的前提下，有效应对恶意攻击带来的挑战，提升安全性。
-
公开(公告)号：CN110944200B
公开(公告)日：2022-03-15
申请号：CN201911257216.5
申请日：2019-12-10
Applicant: 南京大学
IPC: H04N19/40 , H04N19/136 , H04N19/103 , H04N19/85 , H04N19/154 , H04N19/597 , H04N21/81
Abstract: 本发明公开了一种有效的评估沉浸式视频转码方案的方法。具体步骤如下：(1)对完整的360°全景视频进行分割切片为多个规则矩形；(2)对分块后的视频中每一帧的各分块进行sobel滤波提取边缘特征信息，在梯度信息域计算连续帧的残差，对残差结果取均值和方差；(3)根据用户的视场位置，结合分块特征，对视场内容进行特征换算和模型参数计算；(4)输入将要应用于当前视频压缩编码的参数，包括分辨率、帧率和量化步长，输出该编码方案对比原始未转码视频的主观感知质量变化。利用本方法能够针对沉浸式观看的用户行为特点进行快速准确的质量预测，预测结果贴近真实用户主观的质量感知数据。
-
公开(公告)号：CN113014968A
公开(公告)日：2021-06-22
申请号：CN202110205013.2
申请日：2021-02-24
Applicant: 南京大学
IPC: H04N21/2662 , G06F9/50 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于强化学习的多用户动态码率视频传输方法及系统。其方法包括：用户与服务器协商，确定各用户各自的角色及分组；各用户请求服务器上的媒体描述文件，以及Actor神经网络模型文件；各用户根据历史缓存信息，输入Actor网络，选择合适码率的音视频块；各用户间隔一定时间上传最近一段时间内的记录，并下载服务器最新的Actor网络模型文件；服务器上存储用户提供的记录以及服务器资源状态记录，在获取一定数量样本后在服务器上集中训练神经网络。本发明的方法更好地考虑了视频内容之间以及用户之间的关系，能优化服务器资源使用，提高传输效率，保证用户之间的公平性，同时也大大提高了用户视频体验质量。
-
公开(公告)号：CN111404751A
公开(公告)日：2020-07-10
申请号：CN202010201945.5
申请日：2020-03-20
Applicant: 南京大学 , 成都云格致力科技有限公司
Abstract: 本发明公开了一种基于RNN神经网络的RTT预测方法。该方法的步骤为：首先测量得到RTT数据并按照时间先后排序；然后提取RTT数据的特征并转换为神经网络的输入数据与标签数据，对数据按照RTT数据特征进行分类，并平衡各分类中数据的个数；建立RNN神经网络模型，该模型利用历史时刻的RTT数据特征作为输入，其输出是未来时刻的RTT数据；接着对神经网络进行训练；最后利用训练后的神经网络将实时测量的RTT数据的特征转换得到预测的RTT数据。本发明提出了一种量化反映未来RTT变化的方法，在高测量间隔的条件下，弥补单纯测量RTT不足以反映未来RTT变化的缺陷，能有效指导互联网应用应对复杂网络变化。
-
公开(公告)号：CN111371626A
公开(公告)日：2020-07-03
申请号：CN202010204155.2
申请日：2020-03-20
Applicant: 南京大学 , 成都云格致力科技有限公司
Abstract: 本发明公开了一种基于神经网络的带宽预测方法。该方法的步骤为：(1)建立神经网络模型并进行训练，神经网络模型的输入为历史时刻的带宽变化特征，输出为未来时刻的带宽预测值；(2)记录用户的实时带宽数据并按照时间排序；将实时带宽数据按照设定的采样间隔进行采样；(3)提取带宽的时序特征；(4)将带宽的时序特征输入训练好的神经网络模型，计算未来时刻的带宽量化因子；(5)将计算得到的带宽量化因子转换为预测的未来时刻带宽。本发明提出了一种量化反映未来网络状态变化的方法，在带宽测量的基础上预测未来的带宽，弥补带宽测量耗时长的缺陷，能有效指导互联网应用应对网络变化。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.058 seconds)
