-
公开(公告)号：CN116311435A
公开(公告)日：2023-06-23
申请号：CN202310175022.0
申请日：2023-02-28
Applicant: 北京邮电大学
IPC: G06V40/16 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本申请提供一种基于对比学习的人脸识别模型训练方法、识别方法及装置，所述方法包括：将人脸图像编辑为人脸生成图像；根据骨干提取网络将人脸图像和人脸生成图像分别转换为人脸特征图和生成特征图；采用第一全连接层提取人脸特征图的人脸纠缠特征和和生成特征图的生成纠缠特征；根据投影器得到人脸纠缠特征和生成纠缠特征的人脸特征向量和生成特征向量；根据人脸特征向量和生成特征向量进行计算得到余弦相似度，并采用特征解耦算法对人脸特征图和生成特征图分别进行特征提取得到人脸特征图的人脸标识信息和生成特征图的人脸标识信息，进而生成用于提取人的脸部图像标识信息的人脸识别模型。本申请能够有效地将编辑后人脸的固有合成模态滤除。
-
公开(公告)号：CN116232425A
公开(公告)日：2023-06-06
申请号：CN202211728694.1
申请日：2022-12-30
Applicant: 北京邮电大学
IPC: H04B7/185
Abstract: 本申请提供卫星卫星通信技术领域中的一种分域星上路由决策与波长分配优化方法。在卫星通信路由与波长分配技术领域中，现有技术一般集中式路由与波长分配方法，这些集中式路由与波长分配方法虽然可以在理论上寻找到路由最优解，有效减小路由阻塞率并极大提高网络吞吐量，但实际上随着卫星网络规模逐渐扩大，卫星网络全局信息的获取也成为了难题，这些算法并不能实际应用于大规模卫星网络中。本方法创新地提出了分域星上路由决策与波长分配优化方法，以分域的形式对卫星网络分布式管控，提出了基于独立分层多智能体深度强化学习的路由决策优化，减小了网络状态信息获取难度，同时采用信息素机制维持相邻域的网络信息沟通，提高了卫星网络路由与波长分配成功率，有效提高网络链路利用率。
-
公开(公告)号：CN111753462B
公开(公告)日：2023-02-03
申请号：CN202010440080.8
申请日：2020-05-22
Applicant: 北京邮电大学
IPC: G06F30/27 , G06N3/04 , G06F111/10
Abstract: 本申请实施例提供了一种环境信号值确定方法及装置，该方法包括：获取目标区域内的监测点监测的环境信号值和监测点的位置信息；根据环境信号值、位置信息和预设插值算法，计算目标区域各个位置的第一环境信号值；将第一环境信号值输入目标生成对抗网络模型，得到目标区域内各个位置的第二环境信号值；根据第二数据曲面，确定目标区域内的非监测点的环境信号值。这样将第一环境信号输入目标生成对抗网络模型，可以得到更高准确度的、目标区域内各个位置的第二环境信号值，减小了空间插值计算的误差，从而能够获得较为准确的非监测点的环境信号值。
-
公开(公告)号：CN115473893A
公开(公告)日：2022-12-13
申请号：CN202211003403.2
申请日：2022-08-19
Applicant: 北京邮电大学
Abstract: 本发明公开了算力网络中的基于区块链的协作激励方法，属于算力网络领域；具体为：首先，搭建动态场景，针对请求节点m从协作节点m'侧为用户n购买渲染资源，通过分别计算请求/协作节点的成本和收益得到各自的效用函数；然后选举当前时隙t的区块生产者，计算区块链的维护成本；利用请求节点和协作节点的效用函数，结合区块链的维护成本，构建请求节点和协作节点的自身收益最大化目标函数；最后，采用凸优化理论和深度强化学习理论，分别对协作/请求节点的自身收益最大化目标函数进行求解，将求解结果构成博弈的纳什均衡，采用博弈理论分析节点之间的竞争关系。本发明分析了节点之间的竞争关系，激励协作者参与任务的协作计算，保障了节点的隐私性。
-
公开(公告)号：CN112994888B
公开(公告)日：2022-06-21
申请号：CN201911273831.5
申请日：2019-12-12
Applicant: 北京邮电大学
IPC: H04L9/30 , H04L9/08 , H04L9/40 , H04L45/745 , H04L61/30
Abstract: 本发明公开了命名数据网络的隐私保护方法、系统和密钥传输方法，隐私保护方法应用于数据请求端包括如下：发送携带有原始命名m的兴趣包命名请求；当所述兴趣包命名请求被响应时，接收与原始命名m对应的兴趣包命名D，其中，兴趣包命名D以椭圆曲线上的基点P及椭圆曲线上的点O表示；获取原始命名m在椭圆曲线上的映射F；根据椭圆曲线上的映射F、基点P及点O，获得兴趣包的模糊命名I，并发送具有模糊命名I的兴趣包。本发明增加了兴趣包传输的安全性，保护了用户的隐私，此外，在同等安全需要下，还可降低数据生产端和数据请求端的操作时间以及降低数据返回时延。
-
Patent Agency Ranking
公开(公告)号：CN114629857A
公开(公告)日：2022-06-14
申请号：CN202210278232.8
申请日：2022-03-21
Applicant: 北京邮电大学
IPC: H04L47/724 , H04L45/302 , H04B7/185
Abstract: 本申请提供一种卫星网络中带宽资源预留方法、装置及系统，方法包括：根据目标业务对应的资源预留参数、基于Diff‑Serv服务模型的卫星网络的拓扑数据以及预设的各链路对应的可用带宽资源数据，确定目标业务在卫星网络中的目标路径；将目标路径以分段路由SR标签栈的形式发送至卫星网络的入口节点，以使接收到目标业务的数据包的入口节点，根据为目标业务预留的带宽对数据包进行限速并在卫星网络中优先转发数据包。本申请能够在卫星网络全网范围内为有资源预留需求的业务进行资源预留并保证服务质量，在无需频繁进行资源预留配置的同时，能够对高优先级业务或需要资源预留的业务能进行资源预留和单独维护。
-
公开(公告)号：CN114202678A
公开(公告)日：2022-03-18
申请号：CN202111397376.7
申请日：2021-11-23
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种车牌文字识别中的对抗攻击方法、系统及存储介质，所述方法包括：获取待攻击车牌图像；将所述待攻击车牌图像输入至CRNN模型，获取待攻击车牌图像对应的N*T后验概率矩阵；确定需修改字符置信度的目标序列；修改目标序列下的第一字符和第二字符对应的置信度，以生成攻击目标矩阵；其中，第一字符为目标序列下的最大置信度值所对应的字符，所述第二字符为目标序列下的第二大置信度值所对应的字符；基于后验概率矩阵及攻击目标矩阵判断对所述待攻击车牌的攻击是否成功；在攻击成功的情况下，根据攻击目标矩阵生成攻击样本图像。该对抗攻击方法降低了车牌图像的攻击难度，减少了迭代次数，提高了对抗攻击速率。
-
公开(公告)号：CN114025431A
公开(公告)日：2022-02-08
申请号：CN202111248808.8
申请日：2021-10-26
Applicant: 北京邮电大学
IPC: H04W72/08
Abstract: 本发明提供一种浮动LoRa网络的动态传输控制方法及系统，该方法包括步骤：LoRa网络中预设错误概率阈值，根据错误概率阈值计算最小信噪比；根据最小信噪比计算第一边界角，得出第一角度区间；计算不同拓频因子和极化角对应数据包交付率和数据速率，计算吞吐量最大值，根据吞吐量最大值提取最优极化角参数和最优拓频因子参数，最优极化角参数作为第二边界角，计算第二角度区间；根据第二角度区间计算传输周期，计算在传输周期传输数据包有效载荷。本申请根据数据包交付率和数据速率计算吞吐量最大值，找出第二角度区间，使在第二角度区间传输，提高传输效率，根据第二角度区间计算数据包有效载荷大小，数据在第二角度区间传输，防止天线姿态影响传输。
-
公开(公告)号：CN114025378A
公开(公告)日：2022-02-08
申请号：CN202111194501.4
申请日：2021-10-13
Applicant: 北京邮电大学
IPC: H04W24/08 , H04B17/318
Abstract: 本发明提供一种基于跨信道扫描的LoRa信道占用检测方法及系统，该方法包括以下步骤：对所述初级子信道进行多次信道占用检测，接收所述信道占用检测产生的正向信号个数；根据信道占用检测次数和产生的正向信号个数输出第一对照表；根据预设的本次信道占用检测的次数在所述第一对照表中提取对应的部分，构建第二对照表；根据本次检测产生所述正向信号的个数在所述第二对照表中匹配对应部分，输出被占用的子信道。本申请能够根据对初级子信道的检测，对子信道是否被占用，以及其他子信道的被占用情况进行判断，仅仅对初级子信道的检测即可实现对其他子信道的被占用情况进行判断，实现跨信道检测，提高检测效率。
-
公开(公告)号：CN113591398A
公开(公告)日：2021-11-02
申请号：CN202110965400.6
申请日：2021-08-23
Applicant: 北京邮电大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06N7/00 , G06F111/04 , G06F111/08
Abstract: 本发明公开了一种基于深度强化学习的智能作业分批方法、装置及电子设备，涉及工业互联网技术领域。本发明实例包括以下步骤：获取每个作业的静态特征和动态特征，所述作业的静态特征包括作业交货期、作业的规格和工艺要求，所述作业的动态特征包括接收时刻；将所述各作业的静态特征和动态特征输入作业分批模块，作业分批模块利用马尔可夫决策过程将待组批作业集合中具有相似特征的作业组合为同一个批次，使最终组成的批次总数尽量少，且每个批次中的作业特征差异值尽量小。本发明可以充分利用工业互联网中大量的未标记数据学习稳定分批策略，并能处理有多维度特征的输入数据，给出稳定的、高效的作业分批解决方案，适用于作业量较大的应用场景中。
-
-
-
-
-
-
-
-
-
Search Results
131
records
(took 0.034 seconds)
