-
公开(公告)号：CN116560828A
公开(公告)日：2023-08-08
申请号：CN202310127379.1
申请日：2023-02-02
Applicant: 清华大学
Abstract: 本申请涉及一种任务处理方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取无人机群的待处理任务；将待处理任务输入至预设联邦学习模型中进行任务处理，生成任务处理结果；预设联邦学习模型为基于预设资源配置策略对初始联邦学习模型进行训练所得到的；预设资源配置策略为采用初始联邦学习模型进行任务处理时无人机群的最小处理时延对应的资源配置策略；输出无人机群的任务处理结果。使用预设联邦学习模型进行任务处理时无人机群的处理时间较短，从而，将获取的待处理任务输入至预设联邦学习模型中进行任务处理，能够较快地生成任务处理结果。因此，采用本方法能够提高采用联邦学习模型执行待处理任务的效率。
-
公开(公告)号：CN116170335A
公开(公告)日：2023-05-26
申请号：CN202310093335.1
申请日：2023-02-10
Applicant: 清华大学
IPC: H04L43/08 , H04L41/16 , H04B17/309 , H04B17/336 , G06N3/098
Abstract: 本申请涉及一种边缘设备质量信息计算方法、装置、设备、介质和程序产品。该方法应用于联邦学习系统中的边缘设备，联邦学习系统包括多个边缘设备以及与各边缘设备均建立有通信连接的边缘服务器，首先，计算用于表征边缘设备中部署的本地模型更新信息的重要性的数据状态信息，然后，计算用于表征边缘设备的信道条件的信道状态信息，接着，计算用于表征边缘设备的传输能量的传输能量信息，最后，根据数据状态信息、信道状态信息和传输能量信息，确定质量信息，其中，质量信息用于表征边缘设备中部署的本地模型的梯度信息对边缘服务器中部署的全局模型训练的贡献程度。采用本方法能够提高了边缘设备的质量信息的计算的准确性。
-
公开(公告)号：CN115622616B
公开(公告)日：2023-04-28
申请号：CN202211576626.8
申请日：2022-12-09
Applicant: 清华大学
IPC: H04B7/185 , H04K1/02 , G06N3/084 , G06N3/098 , G06F18/214
Abstract: 本申请涉及一种联邦学习模型训练过程中的资源控制方法和装置。所述方法包括：无人机发射噪声信号，噪声信号用于干扰网络设备获取用户设备与无人机交互的模型参数，通过在受到噪声信号干扰的情况下，向无人机发送用户设备的局部模型的第一模型参数，在受到噪声信号干扰的情况下，接收无人机发送的全局模型的第二模型参数，确定无人机得到第二模型参数所需的总时长模型以及总能耗模型，根据总时长模型和总能耗模型确定目标资源。采用本方法能够提高联邦学习模型的模型训练过程的安全性。
-
公开(公告)号：CN115460567A
公开(公告)日：2022-12-09
申请号：CN202211401496.4
申请日：2022-11-09
Applicant: 清华大学
Abstract: 本申请涉及一种数据处理方法、装置、计算机设备和存储介质。本申请涉及水下航行器技术领域。所述方法包括：控制水下航行器按照预设运动轨迹向多个目标设备群运动；目标设备群内包括多个水下物联网设备；针对目标设备群内的各水下物联网设备，获取与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略；根据与水下物联网设备对应的预设资源分配策略、预设数据处理策略及预设缓存策略，控制水面基站对水下物联网设备中的第一类数据进行数据处理；或根据与水下物联网设备对应的预设数据处理策略，控制水下物联网设备对水下物联网设备中的第二类数据进行本地处理。采用本方法能够提高数据处理效率。
-
公开(公告)号：CN117289725A
公开(公告)日：2023-12-26
申请号：CN202311590741.5
申请日：2023-11-27
Applicant: 清华大学
IPC: G05D1/10
Abstract: 本申请涉及一种无人机分布式通算一体资源调度方法、装置、计算机设备和存储介质。所述方法包括：向各跟随者无人机发送全局模型参数，并接收各跟随者无人机反馈的局部模型参数的欧几里得范数、总能耗和能量虚拟队列；针对每一跟随者无人机，基于跟随者无人机对应的局部模型参数的欧几里得范数、总能耗和能量虚拟队列，确定跟随者无人机的调度概率；根据各跟随者无人机的调度概率在各跟随者无人机中确定目标跟随者无人机，并基于各目标跟随者无人机训练预设的全局模型，得到训练后的全局模型；在训练后的全局模型满足预设的训练停止条件的情况下，将训练后的全局模型确定为无人机调度模型。采用本方法能够提高无人机调度效率。
-
Patent Agency Ranking
公开(公告)号：CN117093010A
公开(公告)日：2023-11-21
申请号：CN202311360750.5
申请日：2023-10-20
Applicant: 清华大学
IPC: G05D1/02
Abstract: 本申请涉及一种水下多智能体路径规划方法、装置、计算机设备和介质。所述方法包括：将水下机器人当前时刻的状态空间输入预设模型，得到所述水下机器人下一时刻的速度；所述预设模型是基于预设多智能体强化学习模型及人工势场模型训练得到的；控制所述水下机器人按照所述下一时刻的速度进行移动；根据所述水下机器人当前的总移动步数、预设步数，控制所述水下机器人的移动路径。采用本方法能够提高水下多智能体路径规划的准确性。
-
公开(公告)号：CN116300985B
公开(公告)日：2023-09-05
申请号：CN202310589074.2
申请日：2023-05-24
Applicant: 清华大学
IPC: G05D1/06
Abstract: 本申请涉及一种控制方法、装置、计算机设备和存储介质，所述控制方法根据协同一致性原则，确定航行器集群的第一控制参量和目标的第二控制参量，其中协同一致性原则用于指示航行器集群中每个航行器在围捕目标的过程中均转向目标，然后将第一控制参量输入至航行器集群对应的运动模型进行轨迹预测，以及将第二控制参量输入至目标对应的运动模型中进行轨迹预测，进而得到航行器集群围捕目标的目标轨迹，最终根据目标轨迹控制航行器集群中各航行器进行移动。在该方法中，控制设备基于协同一致性原则，实时获取的第一控制参量和第二控制参量较为准确，因此进行目标围捕时，提高了围捕的准确性。
-
公开(公告)号：CN116187483A
公开(公告)日：2023-05-30
申请号：CN202310093404.9
申请日：2023-02-10
Applicant: 清华大学
IPC: G06N20/20 , G06F18/214 , G06F18/21
Abstract: 本申请涉及一种模型训练方法、装置、设备、介质和程序产品。所述方法应用于联邦学习系统中，该联邦学习系统包括边缘服务器和与边缘服务器建立有通信连接的多个边缘设备，所述方法包括对部署于边缘服务器中的全局模型进行训练的过程中，首先，接收各边缘设备发送的用于表征边缘设备中部署的本地模型的梯度信息对全局模型训练的贡献程度的质量信息，然后，根据各边缘设备发送的质量信息从多个边缘设备中确定目标边缘设备，并指示目标边缘设备上传目标边缘设备部署的本地模型的梯度信息；最后，基于目标边缘设备上传的梯度信息对全局模型进行训练。采用本方法能够提高了全局模型训练的效率和准确性，性能更高。
-
公开(公告)号：CN116166034A
公开(公告)日：2023-05-26
申请号：CN202310452378.4
申请日：2023-04-25
Applicant: 清华大学
IPC: G05D1/02
Abstract: 本申请涉及一种跨域协同围捕方法、装置及系统，所述方法包括：基于预先建立的水上无人机与水面无人艇之间的水上通信，以及水面无人艇与各潜航器之间的水下通信，获取水上无人机、水面无人艇、多个潜航器和待围捕对象的状态信息；基于水上无人机、水面无人艇、多个潜航器和待围捕对象的状态信息确定围捕路径；根据围捕路径对待围捕对象进行围捕。采用本申请可以保证系统连通性，潜航器无需升上水面即可实现通信，因此提高了通信效率。
-
公开(公告)号：CN114039675A
公开(公告)日：2022-02-11
申请号：CN202111404479.1
申请日：2021-11-24
Applicant: 清华大学
Abstract: 本申请涉及一种水下曲线声道传输路由计算方法和装置。所述方法包括：获取水下的各传感器节点的曲线传播时延；根据AFSA算法，确定并记录第一最优时延路线；根据目标节点和ACOA算法，确定第二最优时延路线；目标节点为各传感器节点中除第一最优时延路线包含的传感器节点以外的节点；根据ACOA算法，在传感器节点集中确定第三最优时延路线，并根据第一最优时延路线、第二最优时延路线和第三最优时延路线，确定目标最优时延路线；传感器节点集由第一最优时延路线的传感器节点和第二最优时延路线的传感器节点构成；在不满足预设迭代停止条件的情况下，根据AFSA算法，确定并记录第一最优时延路线。采用本方法能够有效的提高最优传输时延路线的运算精度。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.05 seconds)
