-
公开(公告)号：CN113242560A
公开(公告)日：2021-08-10
申请号：CN202110429703.6
申请日：2021-04-21
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
Abstract: 本发明公开了一种UPF部署与UE调度多阶段规划方法、装置及设备，其中多阶段规划方法包含以下步骤:步骤S0，建立5G核心网用户面UPF部署与UE调度多阶段规划模型；步骤S1，采用Benders分解算法对UPF部署与UE调度多阶段规划模型进行求解，将模型分解为一个UPF部署主问题和一系列UE调度子问题，将一系列UE调度子问题生成的对应Benders最优割全部添加至UPF部署主问题进行迭代求解直至满足收敛条件，从而得到UPF部署与UE调度多阶段规划方案。上述多阶段规划方法考虑了相邻时隙间部署决策相互耦合的问题，从而解决了现有技术分别对每一时隙进行优化，忽略了相邻时隙间决策相互耦合，造成了UPF部署成本高的问题。
-
公开(公告)号：CN120075792A
公开(公告)日：2025-05-30
申请号：CN202510296494.0
申请日：2025-03-12
Applicant: 南通大学
IPC: H04W12/03 , H04W12/122 , H04W40/22 , H04L9/40
Abstract: 本发明公开了一种基于人工噪声的窃听NOMA网络的安全通信方法，第一时隙，信源用户发送NOMA信号，根据最大最小中继选择方案所选的中继用户在接收信号的同时，发送人工噪声信号干扰窃听用户；第二时隙，所选中继用户把解码所得信号和第一时隙的人工噪声异或相加，再构建信号，并发送，信源用户发送人工噪声干扰窃听用户；各用户计算所需信噪比或信干噪比，并计算对应的中断概率和窃听概率。本发明将人工噪声、中继协作和一次一密技术相结合，构建安全通信方案，该方案令窃听用户只有一次机会直接截获合法用户信号，而传统安全通信方案中，窃听用户能两次直接获得信源用户信号，因而本发明有效增强了协作NOMA网络的物理层安全性。
-
公开(公告)号：CN120032291A
公开(公告)日：2025-05-23
申请号：CN202510067732.0
申请日：2025-01-16
Applicant: 南通大学
IPC: G06V20/40 , G06V20/54 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/092
Abstract: 本发明公开了一种基于深度时空记忆与交互网络的交通事件检测方法。首先，设计了时空信息感知网络，可以有效地从输入的视频帧中捕捉到小空间区域到大空间区域的核心语义，以及时间域上的短期特征，提升视频帧特征的提取能力，对交通事件进行更加准确的分类。其次，提出了时序特征学习网络，旨在解决时空信息感知网络在处理视频帧时未能充分捕捉长期时间信息的问题。该方法通过强化时间特征的学习，能够获得更加完整的上下文时间信息特征，提高对异常发生和结束时刻的准确定位。
-
公开(公告)号：CN119554289A
公开(公告)日：2025-03-04
申请号：CN202411678578.2
申请日：2024-11-22
Applicant: 南通大学
Abstract: 本发明提供了一种基于短记忆灰色模型的液压缸故障预测及诊断方法，属于故障预测及诊断技术领域。其技术方案为：包括以下步骤：步骤1：构建液压缸故障预测及诊断短记忆灰色模型；步骤2：将液压缸短记忆灰色模型转化为代数模型；步骤3：实时采集液压缸输入输出数据，结合深度学习算法实时辨识模型参数；步骤4：建立模型参数故障隶属度函数，根据参数隶属度对液压缸故障进行模糊预测及诊断。本发明的有益效果为：本发明从液压缸输入输出响应特性出发，建立系统响应模型，对响应模型截断，得到短记忆灰色模型，利用输入输出数据对灰色模型参数实时辨识，根据灰色模型参数对液压缸故障实时预测及诊断。
-
公开(公告)号：CN119131889A
公开(公告)日：2024-12-13
申请号：CN202411112171.3
申请日：2024-08-14
Applicant: 南通大学
IPC: G06V40/20 , G06V10/82 , G06V10/764 , G06N3/042 , G06N3/0464
Abstract: 本发明提供了一种基于动作响应式对比网络的骨架精细动作识别方法，属于计算机视觉和人工智能技术领域。解决了骨架数据中有限的外观信息、预定义单拓扑结构的限制，使得准确识别复杂、精细的骨架动作极其困难的技术问题。其技术方案为：对输入骨架数据进行多流预处理；数据传输到动作响应式对比网络ARCN，其中，通过动作响应式图卷积网络建立多通道跨时域的动态骨架关节注意力拓扑，通过精细动作对比器阶段性地对特征进行空间和时间维度上的对比与更新；最终，分类任务的交叉熵损失与基于特征对比的动作对比损失共同评估动作识别准确度。本发明的有益效果为：缓解了细粒度行为之间模糊边界的问题，有效地提高了区分细粒度骨骼行为的能力。
-
Patent Agency Ranking
公开(公告)号：CN118981161A
公开(公告)日：2024-11-19
申请号：CN202411053939.4
申请日：2024-08-02
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本申请公开了一种基于短记忆灰色模型的机械臂控制暂态分析方法，包括以下步骤：构建机械臂的短记忆灰色模型；基于最小二乘法和深度学习算法，获取短记忆灰色模型的控制参数；基于机械臂事件触发机制，对机械臂的暂态过程进行分析，优化控制参数。本申请根据机械臂动态响应特性建模，综合考虑历史信息和当前控制输入研究机械臂事件触发暂态过程，更符合机械臂控制机理，分析更准确。本申请结合模型衰减特性，得到短记忆模型，降低了算法复杂度，提高了实时性。暂态分析既准确又不显著增加算法复杂性，满足控制实时性要求。
-
公开(公告)号：CN114973102B
公开(公告)日：2024-09-27
申请号：CN202210692871.9
申请日：2022-06-17
Applicant: 南通大学
IPC: G06V20/40 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/044 , G06N3/049 , G06N3/084
Abstract: 本发明属于计算机视觉技术领域，具体为一种基于多路径注意力时序的视频异常检测方法，包括步骤一、循环残差卷积单元；步骤二、跳跃注意力门；步骤三、规则性得分。本发明中每个RRCU的活动不仅会受到其相邻单元活动的调节，并且可以根据网络和任务的不同设置不同的时间步长，该属性增强了模型对上下文信息的整合能力；同时，考虑到编码阶段对图像压缩会造成信息损失，利用跳跃注意力门聚合来自多个特征尺度的信息，其可自动学习并关注不同形状和大小的目标对象，更好地突出显著性局部特征；作为一个端到端的学习框架，模型利用多尺度的时空特征可以捕获更多的正态分布信息。
-
公开(公告)号：CN118632303A
公开(公告)日：2024-09-10
申请号：CN202410706289.2
申请日：2024-06-03
Applicant: 南通大学
IPC: H04W28/084 , H04W28/08 , H04W84/06 , G06N7/01
Abstract: 本发明属于边缘计算技术领域，具体涉及一种基于分支D3QN的星地融合网络计算卸载方法。本发明方法包括以下步骤：步骤1：建立星地融合网络多级计算构架的通信模型和计算模型；步骤2：建立星地融合网络计算卸载优化模型；步骤3：构建星地融合网络计算卸载问题的马尔可夫决策过程模型；步骤4：利用分支D3QN算法求解星地融合网络计算卸载问题的MDP模型。该方法建立了星地融合网络计算卸载优化模型，旨在通过优化计算卸载和LEO卫星边缘计算资源分配，最小化系统时延和能耗的加权和。本发明的基于分支D3QN的星地融合网络计算卸载方法，对于实现星地融合网络多级协同计算，进而支持随时随地的计算密集型和延迟敏感型服务，具有重要意义。
-
公开(公告)号：CN117011753A
公开(公告)日：2023-11-07
申请号：CN202310633934.8
申请日：2023-05-31
Applicant: 南通大学
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于时空记忆网络的视频异常检测方法及设备。本发明方法包含：在训练阶段，将正常行为的视频帧输入视频异常检测模型中，通过自动编码器中的编码器输出多维特征序列输入记忆模块，记忆模块计算出时空关系信息并以记忆项为载体对时空关系信息进行读取和更新，优化记忆模块更新中涉及的损失函数的权重平衡；将时序强相关特征输入到自动编码器中的解码器；在测试阶段，将测试视频帧输入到训练好的视频异常检测模型中，计算异常分数。本发明利用记忆模块的引导，学习特征序列之间时序上和全局上的关联性，对记忆模块的存储和更新规则进行了优化，加速记忆模块的收敛，提高了模型的稳定性以及检测精度。
-
公开(公告)号：CN116612404A
公开(公告)日：2023-08-18
申请号：CN202310236462.2
申请日：2023-03-13
Applicant: 南通大学
IPC: G06V20/40 , G06N3/0455 , G06N3/08 , G06V10/82
Abstract: 本发明提出了一种基于信息驱动的双流叉网架构视频异常检测方法及设备，本发明方法包括：构建双流叉网架构模型，将待检测视频帧输入双流叉网架构模，其中双流叉网架构模型包含外观叉网和动态叉网；所述运动叉网包含运动自编码器和运动辅助编码器；所述外观叉网包含外观自动编码器、信息重校正网络和外观辅助编码器；计算双流叉网架构模型的总损失函数；将待测试视频输入双流叉网架构模型中，计算外观叉网和运动叉网的总损失函数，得到视频异常分数。本发明使用双流叉网架构来分离运动特征和外观特征，在外观叉网中使用信息重校正网络来减少信息丢失，添加辅助编码器来获得更深层的语义信息，提高视频异常检测性能。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.029 seconds)
