-
公开(公告)号：CN103974448A
公开(公告)日：2014-08-06
申请号：CN201410152856.0
申请日：2014-04-16
Applicant: 浙江工业大学
IPC: H04W74/08
Abstract: 一种基于周期倍增的无线纳米传感器网络接入方法，通过接入节点与中继节点的低复杂度互动步骤以及中继节点上的简单计算来完成接入节点的接入控制。包括步骤：计算确定所有接入节点每次连续发送的比特个数；当有接入节点通过发送一个接入请求控制包来通知中继节点有新的数据流需要中继时，中继节点计算接入节点的发送周期和开始发送时间点并通过回复一个控制包来通知该接入节点。其中，中继节点通过周期倍增方式确定接入节点的发送周期及开始发送时间点是本发明的核心。本发明非常适用于处理能力较低的纳米传感器节点，可以避免无线纳米传感器网络中节点的发送冲突。
-
公开(公告)号：CN103269503A
公开(公告)日：2013-08-28
申请号：CN201310187407.5
申请日：2013-05-17
Applicant: 浙江工业大学
Abstract: 一种无线纳米传感器网络低冲突速率区分多址接入方法，通过接入节点与中继节点的低复杂度互动步骤以及中继节点上的简单计算来完成接入节点的接入控制。接入节点通过发送一个接入请求控制包来通知中继节点有新的数据流需要中继，并等待中继节点告知所要使用的符号速率；中继节点一但收到接入请求控制包，计算出最小化冲突概率的符号速率，并通过回复一个控制包来通知接入节点使用该符号速率来发送数据包。其中，中继节点用来计算得出最小化冲突概率的符号速率的式子（1）是本发明的核心。本发明非常适用于处理能力较低的纳米传感器节点，可以降低无线纳米传感器网络中节点发送冲突的概率。
-
公开(公告)号：CN115062624B
公开(公告)日：2025-05-02
申请号：CN202210672522.0
申请日：2022-06-14
Applicant: 浙江工业大学
IPC: G06F40/30 , G06F40/289 , G06N3/045
Abstract: 本发明公开了一种意图槽值双向交互的自然语言理解方法，采用BERT语义编码模块对用户输入的话语进行文本预处理，并进行语义编码，然后将意图表示向量输入到意图注意力模块，生成语义增强的意图表示向量，并通过自注意语义交互模块，双向交互语义增强的意图语义表示向量和槽语义表示向量，获得最终的意图语义表示向量和槽语义表示向量，然后将最终的意图表示向量和槽语义表示向量输入到CRF语义解码模块，获得最后话语的意图和槽值。本发明使用预训练知识显著提高意图识别和槽填充的识别效果，使得系统可以应用在高精度的NLU场景上，提高了系统的预测精度。
-
公开(公告)号：CN114896039B
公开(公告)日：2025-04-29
申请号：CN202210505923.7
申请日：2022-05-10
Applicant: 浙江工业大学
IPC: G06F9/48 , G06F9/50 , H04W28/084
Abstract: 本发明公开了一种高能效的边缘计算卸载决策及资源分配方法，包括步骤：建立边缘计算网络；基于二进制初始化N个无线节点的卸载决策，并获取对应的最大能效值和计算资源分配结果；根据卸载决策Ml产生N个候选卸载决策；获取各候选卸载决策的最大能效值和计算资源分配结果；获取最佳候选卸载决策Ml(j*)；判断Ml(j*)对应的最大能效值θl(j*)是否大于Ml对应的最大能效值θl，若是，将Ml(j*)和θl(j*)分别作为Ml+1及其对应最大能效值，返回执行下一次迭代，否则，将Ml及对应的计算资源分配结果作为最终决策分配结果。该方法保证计算任务不可拆分性并避免节点间通讯干扰，能可快速求解出最佳决策分配结果，从而提高了无线节点的能量效率。
-
公开(公告)号：CN119653428A
公开(公告)日：2025-03-18
申请号：CN202510158533.0
申请日：2025-02-13
Applicant: 浙江工业大学
Abstract: 本发明公开了一种边缘计算结合协同智能交通系统最大化计算速率方法，边缘计算结合协同智能交通系统包括一个基站、#imgabs0#个路基单元和#imgabs1#个无线设备。本边缘计算结合协同智能交通系统最大化计算速率方法通过构建每个无线设备关于卸载决策和各无线设备到路基单元带宽分配的计算速率表达式，并对卸载决策和各无线设备到路基单元带宽分配进行求解，得到每个无线设备的计算速率，且得到各无线设备的计算速率即为各无线设备的最大化计算速率，并且所有无线设备的最大化计算速率之和即为边缘计算结合协同智能交通系统的最大化计算速率，进而显著降低了系统延迟，提高了计算效率。
-
Patent Agency Ranking
公开(公告)号：CN118450437A
公开(公告)日：2024-08-06
申请号：CN202410532653.8
申请日：2024-04-30
Applicant: 浙江工业大学
IPC: H04W28/08 , H04W28/086 , H04W28/082 , H04L67/12 , H04L67/10
Abstract: 一种边缘计算网络的多混合接入点供能与计算卸载方法，在每个时隙开始时多个混合接入点输入全网混合接入点状态、全网无线设备状态、计算任务需求约束，输出并广播供能策略和可发起卸载的无线设备集合策略，并执行供能策略；多个无线设备输入供能策略、可发起卸载的无线设备集合策略、可观察到的混合接入点状态、自身的无线设备状态，输出二进制卸载策略，可发起卸载的无线设备集合策略中的无线设备在每个时隙开始时执行本地计算至结束，或在每个时隙开始时捕获射频信号能量，结束后执行边缘卸载。本发明实现边缘计算网络满足计算任务需求约束的长期能耗最小化，联合地优化了供能策略、可发起卸载的无线设备集合策略、二进制卸载策略。
-
公开(公告)号：CN117911765A
公开(公告)日：2024-04-19
申请号：CN202410045453.X
申请日：2024-01-11
Applicant: 浙江工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/42 , G06V10/80
Abstract: 一种基于GAF‑深度学习的输电线覆冰厚度智能识别分类方法，包括以下步骤：1)获取输电线路周围的微气象数据和输电线覆冰厚度数据，得到一维覆冰序列信息；2)通过格拉姆角场(Gramian Augular Fields,GAF)将所述一维覆冰序列信息转化成二维图像；3)将所述一维覆冰序列信息数据输入已训练好的卷积神经网络模型CNN1中，输出四维特征向量一；4)将所述转化后的二维图像输入已训练好的卷积神经网络模型CNN2中，输出四维特征向量二；5)将所述四维特征向量一与四维特征向量二进行融合，并将融合后的特征输入主干分类网络，判断待预测日期的覆冰厚度。本发明准确、高效地预测覆冰输电线的覆冰厚度。
-
公开(公告)号：CN114915627B
公开(公告)日：2024-04-02
申请号：CN202210399537.4
申请日：2022-04-15
Applicant: 浙江工业大学
IPC: H04L67/10 , H04L41/0896 , H04L41/0894
Abstract: 本发明公开了一种基于FDMA接入的无线供能边缘计算网络卸载决策方法，包括：建立无线供能边缘计算网络，包括边缘服务器和N个边缘设备，各边缘设备基于FDMA与边缘服务器通信形成对应节点；根据预设步长确定当前时间帧下能量捕获时长的取值范围；遍历能量捕获时长的取值，获取对应的无线供能边缘计算网络的速率；将获取的最大的速率对应的能量捕获时长、卸载能量分配比例和带宽资源分配比例视为当前时间帧下的最优解；各节点基于最优解进行本地计算和通信。该方法可快速决策出无线供能边缘计算网络的无线供能时长和计算任务卸载的分配方案，具有更低的延时，以使网络达到较高的计算速率和更持久的续航，尤其适用于时延敏感型的边缘计算。
-
公开(公告)号：CN114339935B
公开(公告)日：2024-03-26
申请号：CN202111480110.9
申请日：2021-12-06
Applicant: 浙江工业大学
IPC: H04W40/10 , H04W40/32 , H04W52/02 , G06F18/23213
Abstract: 本发明公开了一种基于K‑Means的无线供能通信网络数据传输方法，在控制阶段，根据数据接收点接收范围内的节点具有的能量值及数据接收点和能量源的距离，确定数据接收点和能量源的状态，节点向数据接收点发送包含自身能量值的控制信息，数据接收点进行分簇处理，初始化每个簇的簇心值，在数据接收点接收范围内且节点算自身能量值与所有簇心值的差值，并加入差值绝对值最小的簇，从簇心值最高的簇中随机选择一个节点，数据接收点向所选择的节点发送控制反馈信息。在数据传输阶段，收到控制反馈信息的节点与数据接收点进行数据传输。本发明减小了控制阶段用时，达到节能并提高无线供能通信网络鲁棒性的目的。
-
公开(公告)号：CN114071482B
公开(公告)日：2024-03-26
申请号：CN202111334459.1
申请日：2021-11-11
Applicant: 浙江工业大学
Abstract: 本发明公开了一种认知无线电网络中AoI约束下的网络吞吐量优化方法，将训练好的神经网络模型部署在次级接收器上，初始化训练好的神经网络模型，将认知无线电网络的当前状态空间输入到所述神经网络模型，获得神经网络模型输出的动作空间。然后据当前时刻信道状态是否繁忙，对神经网络模型输出的动作空间进行剪切，得到符合当前信道状态的动作，将获得的动作信息广播给次级发射器，次级发射器执行相应的动作，并将吞吐量结果反馈给次级接收器。本发明引入了AoI指标来测量接收器所需的数据新鲜度，时间复杂度极低，不仅优化了长期的吞吐量，也保证了接收数据的新鲜度，避免次级接收器掌握的数据过于陈旧。
-
-
-
-
-
-
-
-
-
Search Results
180
records
(took 0.023 seconds)
