-
公开(公告)号：CN114219160B
公开(公告)日：2024-07-09
申请号：CN202111564052.8
申请日：2021-12-20
Applicant: 湖南大学
IPC: G06Q10/063 , G06Q10/087 , G06Q50/04 , G06N20/00 , G06N3/0442 , G06N3/08 , G06F21/60
Abstract: 本发明公开了一种基于联邦学习的生产链协同调度方法，包括参与生产链的供应方和需求方对本地数据进行预处理，并设置训练集和验证集，并进行数据增强；供应方和需求方通过样本对齐获得中间样本；通过长短期记忆网络对供应方和需求方分别建立本地数据模型，并通过增强数据集进行训练；将供应方、需求方和第三方服务器进行同态加密交互；第三方服务器收集修正后的加权计算数据并整合后将差值发送到供应方或需求方；构建供应方和需求方的图结构，并输出生产链序列，进行协同调度。本发明在加密的情况下进行，极大地保护了参与双方的数据安全。本方法通过双方共同的评估结果，协同地选择出最优供应链，实现随产随供，降低了运营成本，提高了利润。
-
公开(公告)号：CN117395288A
公开(公告)日：2024-01-12
申请号：CN202311389115.X
申请日：2023-10-25
Applicant: 湖南大学
IPC: H04L67/125 , H04L69/08 , H04L69/22 , H04W4/38 , H04W4/18 , H04W12/033 , G08B21/18
Abstract: 本发明公开了一种多传感器边缘计算系统和应用该系统的风机监控方法，包括传感器组、传感器交互模块、边缘计算模块、云端交互模块和云端服务器；所述传感器组、传感器交互模块、边缘计算模块、云端交互模块和云端服务器依次连接；所述传感器交互模块用于接收和存储传感器数据，并将不同的传感器数据解析成统一的预处理数据；所述边缘计算模块用于接收预处理数据，并通过数据运算方法将预处理数据转化为运算结果；所述云端交互模块用于接收运算结果并将运算结果传输到云端服务器。优点是，本发明通过多传感器采集多种传感器数据，实现对风机的全方位监控，为风机的安全监控提供量化的衡量指标，减少事故的发生。
-
公开(公告)号：CN116974751A
公开(公告)日：2023-10-31
申请号：CN202310704103.5
申请日：2023-06-14
Applicant: 湖南大学
IPC: G06F9/50 , H04L67/1001 , H04L67/12 , H04L41/083 , G06N3/092 , G06N3/045 , G06N7/01 , G06Q10/047 , G06Q50/30
Abstract: 本发明公开了一种基于多智能体辅助边缘云服务器的任务调度方法，包括描述多智能体辅助MEC系统场景，构造用户、服务器、与多智能体的任务调度问题；建立多智能体马尔可夫模型，重新构造任务调度问题；通过TD3算法进行集中训练处理，同时采用Attention机制，构造改进的多智能体TD3算法；采用改进的多智能体TD3算法、处理后的多智能体进行重新训练，使得每个智能体得到一个全局最优策略模型；通过每个智能体独立的执行最优策略，完成系统的调度任务；本发明方法有效的减少用户任务的计算时延，减轻边缘云服务器的负担，大大提高用户的体验质量，并且能够更有效的处理用户移动的问题。
-
公开(公告)号：CN116645130A
公开(公告)日：2023-08-25
申请号：CN202310421463.4
申请日：2023-04-19
Applicant: 湖南大学
IPC: G06Q30/0202 , G06N3/0442 , G06N3/098 , G06N3/096
Abstract: 本发明公开了一种基于联邦学习与GRU结合的汽车订单需求量预测方法，包括获取历史汽车订单数据并处理得到训练数据集和验证数据集；采用构建的训练数据集训练GRU模型构建GRU预测模型；针对GRU预测模型进行处理构建最终的GRU预测模型；采用基于联邦学习的方法针对最终的GRU预测模型进行训练处理，构建若干客户端本地模型；采用知识蒸馏的方法针对构建的若干个客户端本地模型进行迁移处理，构建联邦学习全局预测模型；采用构建的联邦学习全局预测模型，完成对汽车订单需求量的预测处理；本发明充分考虑预测信息，有效保障数据的隐私安全；而且本发明的预测精度高、通信成本低、模型稳定性强。
-
Patent Agency Ranking
公开(公告)号：CN116596032A
公开(公告)日：2023-08-15
申请号：CN202310562332.8
申请日：2023-05-18
Applicant: 湖南大学深圳研究院
IPC: G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/0895 , G06N3/096 , G06F16/29 , G06F16/2458
Abstract: 本发明公开了一种基于自监督学习的POI位置预测方法、设备和介质，方法：获取用户历史POI位置轨迹数据，提取各时间步轨迹特征，并使用嵌入层表示得到用户嵌入和轨迹特征嵌入矩阵，输入至transformer网络提取长期依赖特征向量，并与用户嵌入聚合；将聚合向量输入预测网络，基于预测输出和真实值构建预测损失函数；基于POI‑User向量计算每个用户各天气条件下的虚拟同伴，将各用户与其虚拟同伴和非虚拟同伴的聚合向量分别视为正对和负对，构建对比学习损失函数；结合两种损失函数训练整体模型参数；利用训练好的整体模型预测提取聚合向量和预测用户下一时间步的POI位置。本发明提高用户POI位置预测的准确度。
-
公开(公告)号：CN116208669A
公开(公告)日：2023-06-02
申请号：CN202310472858.7
申请日：2023-04-28
Applicant: 湖南大学
IPC: H04L67/5682 , H04L67/10 , H04L67/12 , H04W28/084 , H04W28/14 , H04W4/44 , G06F9/50
Abstract: 本发明公开了一种基于智慧灯杆的车载异构网络协同任务卸载方法，包括如下步骤：针对车辆端，计算车辆从智慧灯杆请求缓存的通信时延，将全部缓存中最大的通信时延作为车辆的与智慧灯杆网络的通信时延，判断其是否小于车辆向云中心发送请求的时间，若是，则向智慧灯杆网络卸载任务，反之，则向云中心卸载任务；针对智慧灯杆端，以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆组成进行优化，输出最优的联盟组合。本申请还提供一种基于智慧灯杆的车载异构网络协同任务卸载系统。本申请可以提高车辆端的服务体验及智慧灯杆网络的整体收益。
-
公开(公告)号：CN101706737B
公开(公告)日：2012-10-03
申请号：CN200910226667.2
申请日：2009-12-18
Applicant: 湖南大学
Inventor： 李仁发 , 陈宇 , 徐成 , 吴强 , 刘彦 , 朱海 , 袁虎 , 钟俊 , 刘滔 , 邝继顺 , 李蕊 , 李肯立 , 罗娟 , 赵欢 , 杨科华 , 任小西 , 杨书凡 , 彭日光 , 李春江 , 黄瑜臣 , 张维 , 李浪
IPC: G06F9/46
Abstract: 本发明提供了一种软硬件协同函数库的构造方法，其特征在于，包括以下步骤：首先为软硬件协同函数声明一个对外接口；软硬件协同函数是对同一功能的不同方式实现：软件函数的实现是以软件编码方式实现，硬件的实现则是由硬件接口代码和函数功能实现的硬件配置文件构成；将软件函数和硬件接口代码封装在一起，并与硬件实现方式的配置文件一起构成软硬件协同函数，由多个软硬件协同函数，形成一个抽象的软硬件协同函数库；形成的函数库可以在其他程序中调用。采用该方法构造的软硬件系统函数库便于软件人员开发嵌入式系统时忽略软硬件函数的差异、提高编程效率。
-
公开(公告)号：CN101799770A
公开(公告)日：2010-08-11
申请号：CN201010022083.6
申请日：2010-01-19
Applicant: 湖南大学
Inventor： 李仁发 , 陈宇 , 徐成 , 吴强 , 刘彦 , 朱海 , 袁虎 , 钟俊 , 刘滔 , 邝继顺 , 李蕊 , 李肯立 , 罗娟 , 赵欢 , 杨科华 , 任小西 , 杨书凡 , 彭日光 , 李春江 , 黄瑜臣 , 张维 , 李浪
IPC: G06F9/46
Abstract: 本发明提供了一种基于单位面积加速比的可重构资源管理方法，该可重构资源管理方法应用在可重构资源二维模型上，第一步，将任务就绪队列Qr按最迟执行时间d升序排列，并保存到L1中；然后将Qr按单位面积加速比降序排列，保存到L2中；第二步，检查L2，如果为空则调度结束，否则进入下一步；第三步：扫描任务就绪队列，若该任务为关键任务，进入第四步，否则该任务为非关键任务，进入第五步；第四步：调度关键任务；第五步：调度非关键任务；采用该方法，较之现有的可重构资源管理的调度算法的复杂度低，且任务平均响应时间方面的性能明显优于其他的现有的调度算法。
-
公开(公告)号：CN101763288A
公开(公告)日：2010-06-30
申请号：CN201010022085.5
申请日：2010-01-19
Applicant: 湖南大学
Inventor： 李仁发 , 陈宇 , 徐成 , 吴强 , 刘彦 , 朱海 , 袁虎 , 钟俊 , 刘滔 , 邝继顺 , 李蕊 , 李肯立 , 罗娟 , 赵欢 , 杨科华 , 任小西 , 杨书凡 , 彭日光 , 李春江 , 黄瑜臣 , 张维 , 李浪
IPC: G06F9/50
Abstract: 本发明提供了一种考虑硬件预配置因素的动态软硬件划分方法，其特征在于，在程序运行过程中，进行动态的软硬件划分，在可重构硬件资源上进行一个或多个函数的配置，对待划分函数维护一个待划分函数列表list(f1，…，fm)，其中fk为定义硬件加速比，k为待划分的一个函数；k＝1，…，m，m为待划分函数个数，基于硬件加速比对函数配置，并且考虑到硬件预配置因素。本发明基于硬件加速比对函数进行动态软硬件配置，充分利用了系统的硬件资源，从而显著提高整个系统的任务处理效率。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.024 seconds)
