-
公开(公告)号：CN113805142B
公开(公告)日：2023-11-07
申请号：CN202111088881.3
申请日：2021-09-16
Applicant: 北京交通大学
IPC: G01S5/02 , G06N3/0464 , G06N3/0455 , G06N3/098
Abstract: 本发明提供的一种基于联邦学习的建筑物楼层室内定位方法，利用由一个边缘服务器以及多个移动客户端共同参与的分布式深度学习技术来构建射频指纹定位模型。服务器首先进行模型初始化并利用其少量指纹数据进行集中式预训练，各个客户端使用其本地指纹数据进行进一步的模型训练，随后将训练好的本地模型传输至服务器，服务器对从各个客户端收集来的本地模型进行聚合，得到用于射频指纹定位的全局模型。本发明采用了含预训练的联邦学习训练方法结合基于卷积神经网络的射频指纹定位方法，将数据采集和模型训练任务分配至各个客户端，分散了模型训练开销、降低了数据采集及存储成本、并保护了客户端的位置数据隐私，同时还保证了训练效率和定位效果。
-
公开(公告)号：CN113055910A
公开(公告)日：2021-06-29
申请号：CN202110251427.9
申请日：2021-03-08
Applicant: 国网能源研究院有限公司 , 北京交通大学
IPC: H04W24/02
Abstract: 本发明公开了一种平均信息年龄最小化的射频能量传输驱动网络优化方法、系统及装置，其特征在于，包括如下步骤：建立通用非线性α‑βAoI惩罚函数，其中，通用非线性α‑βAoI惩罚函数用于表征不同形式非线性AoI惩罚；计算通用非线性α‑βAoI惩罚函数曲线与时间轴t所围成图形面积，建立平均α‑βAoI惩罚公式；根据平均α‑βAoI惩罚公式建立平均α‑βAoI惩罚最小化的网络优化模型；根据平均α‑βAoI惩罚最小化的网络优化模型计算得到传感器的最佳能量阈值B，通过最佳能量阈值B进行射频能量传输驱动网络的优化，本发明通过配置α和β不同值来描述任何指数形状和对数形状的AoI惩罚，从而减少了系统实现的复杂性。
-
公开(公告)号：CN109286408A
公开(公告)日：2019-01-29
申请号：CN201811198330.0
申请日：2018-10-15
Applicant: 北京交通大学
IPC: H04B1/16 , H04B17/382
Abstract: 本发明提供一种能量收集的方法和能量接收机。所述能量收集的方法应用于能量收集系统中的接收机，所述方法包括:接收所述能量收集系统的发送机发送的信号；获取所述信号的第一功率的分配比例，其中，所述第一功率表征所述信号经过所述发送机和所述接收机之间的信道后的功率，所述分配比例表征所述第一功率分配到所述接收机中多个能量收集电路的比例；将所述信号按照所述分配比例进行分配并输入到与每个所述分配比例对应的能量收集电路；将所述多个能量收集电路输出的能量合并后输出到与所述接收机匹配的能量接收端。所述方法避免了能量收集电路出现饱和，减少了能量消耗，提高了能量转化效率。
-
公开(公告)号：CN101707563B
公开(公告)日：2012-01-04
申请号：CN200910241619.0
申请日：2009-11-27
Applicant: 北京交通大学
Abstract: 本发明涉及基于效用最优的网络分层映射的实现算法，本发明为请求服务的源端用户选择可用路径，并最优地分配路径带宽；所述算法如下：各个源端s得到其可用的多条路径P(s)、需要满足的效用Us，初始化自己的传输速率ysp[t]和支付给它所使用的各条路径的代价λs[t]；各个源端s调整自己在各条路径的传输速率ysp[t]各个源端s调整自己支付给各条路径的代价λs[t]；各个源端用户在路径上获得最优带宽分配；源端根据得到的最优带宽分配完成数据传输；如果有新的服务请求，上述迭代过程重新进行。该算法能够收敛到映射模型的最优点，即请求服务的源端用户所获得的全局最优带宽分配。
-
公开(公告)号：CN101136866B
公开(公告)日：2011-03-02
申请号：CN200710175875.5
申请日：2007-10-15
Applicant: 北京交通大学
Abstract: 本发明涉及一体化网络网通层服务质量保证结构及构成和运行方法，本发明包括：向网络申请QoS服务并向网络发送数据流的接入终端；与接入终端通过网络连接的接入交换路由器ASR；与ASR连接并组成交换路由层面的广义交换路由器GSR；与ASR、GSR通过网络连接的服务质量管理器UQoSM。本发明采用了接纳控制策略能够有效保证已接入业务流的服务质量。采用了域内全局流标签的方法，比现有的区分服务能够更细的区分同一服务质量等级的分组包所属的流。采用了域内全局流标签的方法，大大节省了路由查找时间。采用了域内全局流标签的方法，不需要复杂协议的支持不需要为分组包添加额外的字段，不会增加分组包开销。
-
Patent Agency Ranking
公开(公告)号：CN114943308B
公开(公告)日：2025-04-11
申请号：CN202210779520.1
申请日：2022-07-04
Applicant: 北京交通大学
IPC: G06F18/2431 , G06F18/15 , G06F18/213 , G06N3/0464 , G06N3/045 , G06N3/0455 , G06N3/098 , G16H50/70
Abstract: 本发明提供了一种基于联邦学习的数据分类方法及装置。方法包括：获取集中管理的患者数据集并建立卷积神经网络模型，根据数据集对卷积神经网络模型进行预训练；将训练的卷积神经网络模型发送至客户端，以使客户端对卷积神经网络模型进行端侧训练，得到各个客户端各自对应的局部模型；接收各个客户端上传的各自对应的局部模型，基于集中数据集计算各个局部模型的准确率，根据准确率计算出各个客户端各自对应的局部模型的贡献度；根据各个客户端各自对应的局部模型的贡献度，计算出联邦聚合时的聚合权值，根据聚合权值对各个局部模型进行联邦聚合，直至各个局部模型收敛得到全局模型。本发明能够提高数据分类的准确率同时降低漏报率。
-
公开(公告)号：CN111988791B
公开(公告)日：2023-06-20
申请号：CN201910429333.9
申请日：2019-05-22
Applicant: 国网能源研究院有限公司 , 北京交通大学
Abstract: 本发明公开了一种基于雾计算的无线充电网络节点计算能力提升方法，包括步骤输入计算所需数据；根据输入计算数据，确定无线充电网络节点收获的能量、无线充电网络节点计算能耗与向雾服务器卸载任务的能耗；建立关于功率发射器能量波束成形向量，无线充电网络节点时间分配、计算频率和功率分配的优化问题模型；求解并输出最大化系统计算速率；本发明结合考虑无线充电网络节点与功率发射器及多个雾服务器之间的能量因果关系、无线充电网络节点及多个雾服务器系统计算能力，联合优化功率发射器能量波束成形向量，无线充电网络节点时间分配、计算频率和功率分配，确定最大化系统计算速率的目标。
-
公开(公告)号：CN113268077B
公开(公告)日：2023-06-09
申请号：CN202110397120.X
申请日：2021-04-13
Applicant: 国网能源研究院有限公司 , 北京交通大学
Inventor： 张煜 , 熊轲 , 吴鹏 , 单葆国 , 谭显东 , 唐伟 , 王成洁 , 谭清坤 , 刘小聪 , 贾跃龙 , 马捷 , 张玉琢 , 吴姗姗 , 张成龙 , 王向 , 张莉莉 , 刘青 , 姚力 , 汲国强
IPC: G05D1/10
Abstract: 本发明公开了一种无人机能耗最小化设计方法及装置，所述方法包括：计算无人机与传感器节点的信道增益；根据所述无人机与传感器节点的信道增益，计算传感器节点通信消耗的能量；根据所述无人机与传感器节点的信道增益，计算传感器节点收集的能量；计算无人机消耗的能量；根据传感器节点通信消耗的能量和传感器节点电池剩余电量情况，计算传感器信息年龄AoI；通过联合优化无人机的飞行轨迹，飞行时间以及信息采集和能量收集的策略以最小化无人机能耗，建立优化问题模型；建立基于DQN的无人机控制框架；根据所述基于DQN的无人机控制框架，基于DQN规划无人机飞行策略。
-
公开(公告)号：CN115103352A
公开(公告)日：2022-09-23
申请号：CN202210506464.4
申请日：2022-05-10
Applicant: 国网能源研究院有限公司 , 北京交通大学
Inventor： 张煜 , 熊轲 , 刘园 , 皇甫昱慧 , 郑海峰 , 吴鹏 , 谭显东 , 王成洁 , 唐伟 , 谭清坤 , 霍沫霖 , 刘小聪 , 贾跃龙 , 马捷 , 张玉琢 , 吴姗姗 , 李江涛 , 张成龙
IPC: H04W12/03 , H04W12/122 , H04W12/00 , H04W12/63 , H04B7/185 , H04W52/26 , H04W52/28 , H04W72/04 , H04W72/08
Abstract: 本发明公开了一种无人机群的通信处理方法、装置以及计算机设备。其中，该方法包括：确定无人机群，其中，无人机群包括：多个信息无人机和一个干扰无人机；获取对多个信息无人机进行调度的调度策略，多个信息无人机的第一飞行轨迹，干扰无人机的第二飞行轨迹，多个信息无人机的第一功率分配，干扰无人机的第二功率分配；基于上述信息，确定多个信息无人机的最小平均保密通信速率的速率表征形式；基于速率表征形式，以多个信息无人机的最小平均保密通信速率最大化为目标，联合调整调度策略，第一飞行轨迹，第二飞行轨迹，第一功率分配和第二功率分配，得到目标调度策略，目标第一飞行轨迹，目标第二飞行轨迹，目标第一功率分配和目标第二功率分配。
-
公开(公告)号：CN114943308A
公开(公告)日：2022-08-26
申请号：CN202210779520.1
申请日：2022-07-04
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于联邦学习的数据分类方法及装置。方法包括：获取集中管理的患者数据集并建立卷积神经网络模型，根据数据集对卷积神经网络模型进行预训练；将训练的卷积神经网络模型发送至客户端，以使客户端对卷积神经网络模型进行端侧训练，得到各个客户端各自对应的局部模型；接收各个客户端上传的各自对应的局部模型，基于集中数据集计算各个局部模型的准确率，根据准确率计算出各个客户端各自对应的局部模型的贡献度；根据各个客户端各自对应的局部模型的贡献度，计算出联邦聚合时的聚合权值，根据聚合权值对各个局部模型进行联邦聚合，直至各个局部模型收敛得到全局模型。本发明能够提高数据分类的准确率同时降低漏报率。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.027 seconds)
