-
公开(公告)号：CN114281527A
公开(公告)日：2022-04-05
申请号：CN202111476111.6
申请日：2021-12-06
Applicant: 上海科技大学
IPC: G06F9/50 , H04W72/04 , H04L41/0894 , G06N3/08 , G06N3/04
Abstract: 本发明提供了一种用于在线移动边缘计算和资源分配策略的强化学习方法，其特征在于，包括以下步骤：建立网络模型，将优化联合策略的求解表示为非凸非线性优化问题的求解；对非凸非线性优化问题进行联合策略解耦；建立用于求解解耦后问题的深度强化学习框架。本发明提供的一种集成奖励和减少动作空间的快速深度强化学习算法可以减少网络结构中的参数数量，提高决策效率。快速深度学习框架降低了动作空间维数并设计了新的奖励值。此外，低复杂度的凸优化方法被用于补充和微调卸载决策，可以极大降低计算复杂度。实验表明本发明提出的快速深度学习框架的性能优于贪婪和其他深度强化学习方法，并且在执行时间方面极大降低。
-
公开(公告)号：CN112019245B
公开(公告)日：2021-11-16
申请号：CN202010870548.7
申请日：2020-08-26
Applicant: 上海科技大学
IPC: H04B7/0413 , H04B17/309 , H04B17/373
Abstract: 本申请提供的一种信道信息实时预测与测量方法、装置、设备和介质，通过对不同用户的原始信号利用经验模态分解算法进行分解，以得到若干个固有模态函数；依据所有不同用户对应的所述固有模态函数的个数计算平均值，并判断各所述用户对应的所述固有模态函数是否低于所述平均值；若是，则采用动态模式分解算法预测该用户的信道信息；若否，则采用改进的动态模式分解算法预测该用户的信道信息；其中，改进的动态模式分解算法针对所述动态模式分解算法所计算的系统模态特征值进行选择性归一化处理。本申请不仅可以在MIMO环境中有效预测不同移动速度场景下用户的信道信息，还能适应其他因素变化的场景下用户的信道信息。
-
公开(公告)号：CN113242064A
公开(公告)日：2021-08-10
申请号：CN202110516817.4
申请日：2021-05-12
Applicant: 上海科技大学
IPC: H04B7/0413 , H04W72/12 , H04W16/22 , H04W24/02
Abstract: 本发明提供了一种基于用户空域特征和信道预测的多小区调度方法，作用对象为多小区通信系统，在该多小区通信系统拓扑中，以每个基站为中心，周围共有3个不同小区，每个小区中含有数量不等的若干用户，其特征在于，每个基站在每个调度周期调度每个小区的N个用户，N≥1。在多输入多输出(MIMO)的5G环境下，本发明计算用户的空域特征以及进行信道预测，通过发明的算法提升各小区调度预测的准确性，降低算法的复杂性，保证调度的公平性以及提升系统总的吞吐量。
-
公开(公告)号：CN108924254A
公开(公告)日：2018-11-30
申请号：CN201810876655.3
申请日：2018-08-03
Applicant: 上海科技大学
IPC: H04L29/08
Abstract: 本发明提供了一种以用户为中心的分布式多用户计算任务卸载方法，其特征在于，包括以下步骤：将多个雾计算计算节点统一抽象为具有服务器的接入点，接入点兼具计算和通信能力，当任一用户产生计算任务时，综合考虑其他用户的卸载决定，依据当前时隙下的卸载决定选择在本地计算或者将计算任务卸载到其他计算节点中的一个从而最小化自身开销。本发明提出了一类以用户为中心的分布式多用户间计算任务卸载方法。此类方法可以以分布式执行的方式，实现多用户间稳定、高效的计算任务卸载。本发明不但可以达到用户满意的结果，而且可以保证较好的系统整体性能(相比于系统最优的策略)。
-
公开(公告)号：CN113011582B
公开(公告)日：2023-12-12
申请号：CN202110236817.9
申请日：2021-03-03
Applicant: 上海科技大学
IPC: G06N3/0455 , G06N3/044
Abstract: 本申请提供的一种基于自审视的多单元反馈网络模型、设备和存储介质，该反馈网络模型主要由三个智能体组成：编码单元、自审视单元、及解码智单元。自审视单元将编码智能体编码结果作为输入，对编码结果进行再处理，纠错后再输入到编码单元中进行编码，最后解码单元进行解码三个智能体紧密合作使得整个网络有着更强的反思纠错能力。
-
Patent Agency Ranking
公开(公告)号：CN113346970B
公开(公告)日：2022-10-18
申请号：CN202110607589.1
申请日：2021-06-01
Applicant: 上海科技大学
IPC: H04B17/391 , H04B7/0413 , G06N3/04 , G06N3/08
Abstract: 本发明的一个技术方案是提供了一种面向无线三维信道的用户级信道空域特征建模方法，其特征在于：构建双向变换框架以实现信道空域特征和信道频域特征的互相转换。本发明的另一个技术方案是提供了一种利用用户的空间特征来粗略计算小区间干扰的方法。本发明设计了新的空间特征和频率特征，并且通过两个离线训练神经网络(NN)建立了空间域与频域双向信号变换的新框架。本发明提供的方法能以较低的代价连续获得基站与用户之间的信道状态和用户接收射线的离开角与到达角等空域信息，获得用户之间的干扰特征，很大程度上降低这二者获取时所需要的开销，以减少系统的处理开销和复杂度。
-
公开(公告)号：CN114828095A
公开(公告)日：2022-07-29
申请号：CN202210293352.5
申请日：2022-03-24
Applicant: 上海科技大学
IPC: H04W28/08
Abstract: 本发明的技术方案是提供了一种基于任务卸载的高效数据感知分层联邦学习方法。本发明首次考虑了成本函数中的数据分布，可以在降低系统成本的同时提高边缘数据集的质量。此外，本发明设计了一种基于减少动作空间的多智体深度确定性策略梯度模型的TO和RA方法。大量的实验证明，本发明提出的算法可以有效提高聚合模型的准确性的同时，有效降低卸载成本，提高轻量级数据感知HFEL算法的训练精度，降低系统成本。
-
公开(公告)号：CN113346970A
公开(公告)日：2021-09-03
申请号：CN202110607589.1
申请日：2021-06-01
Applicant: 上海科技大学
IPC: H04B17/391 , H04B7/0413 , G06N3/04 , G06N3/08
Abstract: 本发明的一个技术方案是提供了一种面向无线三维信道的用户级信道空域特征建模方法，其特征在于：构建双向变换框架以实现信道空域特征和信道频域特征的互相转换。本发明的另一个技术方案是提供了一种利用用户的空间特征来粗略计算小区间干扰的方法。本发明设计了新的空间特征和频率特征，并且通过两个离线训练神经网络(NN)建立了空间域与频域双向信号变换的新框架。本发明提供的方法能以较低的代价连续获得基站与用户之间的信道状态和用户接收射线的离开角与到达角等空域信息，获得用户之间的干扰特征，很大程度上降低这二者获取时所需要的开销，以减少系统的处理开销和复杂度。
-
公开(公告)号：CN111431950A
公开(公告)日：2020-07-17
申请号：CN201910017119.2
申请日：2019-01-08
Applicant: 上海科技大学
Abstract: 本申请提供了一种任务卸载方法、装置、移动终端、雾节点和存储介质，通过发送任务至雾节点，获取预测的最短处理时延，并判断所述最短处理时延是否满足所述任务的时延要求；若满足，则获取预测所述任务处理完成后所述移动终端是否还在所述雾节点的服务范围内的预测信息；若否，则令所述雾节点将所述任务广播至服务范围覆盖到所述移动终端预出现的区域的雾节点上以供其响应所述任务；若是，则令所述雾节点将所述任务卸载至所述最短处理时延对应的网络路径中的各雾节点。本申请使得移动终端可以更快速地接入网络，更快速、灵活地获取雾计算层的计算、存储等资源，从而降低了服务时延，节约了带宽资源，提升了移动性支持。
-
公开(公告)号：CN109756578A
公开(公告)日：2019-05-14
申请号：CN201910141575.8
申请日：2019-02-26
Applicant: 上海科技大学
IPC: H04L29/08
Abstract: 本发明提供了一种面向动态雾计算网络的低时延任务调度方法，网络中的帮助节点不会实时广播自己的节点状态信息，如任务队列信息与可共享计算资源信息，或者说帮助节点并不会实时响应对这些信息的请求。在每次有任务卸载需求时，任务节点需要实时做出卸载决策，从当前的候选帮助帮助节点中选择一个卸载任务。由于任务节点对帮助节点状态未知，任务自身也有时延需求，任务节点则需要良好地从自己过往的任务卸载经验进行学习，为当前决策提供判断。本发明为非动态与动态变化的雾计算或者边缘计算网络提出了一种基于在线学习方法的单对多任务卸载算法，该方法可以大大减少网络中由于信息传播带来的能量开销，延长任务节点和帮助节点的使用时长。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.075 seconds)
