-
公开(公告)号:CN118350443A
公开(公告)日:2024-07-16
申请号:CN202410579338.0
申请日:2024-05-11
Applicant: 北京邮电大学
IPC: G06N3/0895 , G06N3/0464 , G06F18/24 , G06F18/214
Abstract: 一种面向自监督训练的轻量化本地神经网络结构搜索方法,属于边缘计算相关领域,包括:构建序列搜索空间;构建Memory‑FLOPs对应表;构建训练质量预测器;多目标贝叶斯优化;通过搜索得到目标设备的最优模型结构之后,构建最优模型并将预训练模型中的权重加载到最优模型中。本发明在边端设备上只需要300秒到3000秒就能生成一个定制模型,比前部署NAS技术快18.8倍。与最先进的后部署NAS技术相比,本发明拥有相当的搜索时间,并且本发明在进行后续的数据环境适配时不需要将设备本地的数据上传到云端,保护了数据隐私并减小了数据传输成本。
-
公开(公告)号:CN114037480B
公开(公告)日:2024-06-25
申请号:CN202111390832.5
申请日:2021-11-23
Applicant: 北京邮电大学
IPC: G06Q30/0202 , G06Q30/0204 , G06Q50/06 , G06N3/0464 , G06N3/045 , G06N3/096 , G06N3/048
Abstract: 本发明公开了一种面向新城市的新能源车充电桩需求预测及部署优化方法,使用城市迁移学习范式,利用历史数据丰富的城市迁移知识,帮助目标城市预测候选部署方案的用户需求,同时利用启发式思想,提出预测‑规划迭代交互的新模型和对应的高效求解方法,在爆炸的方案组合中快速搜索最优解,并保证方法的趋优性和收敛性。本发明的方法,同时进行预测和规划,保证了部署方案调整过程的趋优性和收敛性,并通过启发式方法提高了求解效率,大大减少了优化所需的时间,同时使用动态规划的思路来查找迭代过程中的最优解,真正实现了同步需求预测和充电桩部署方案优化。
-
公开(公告)号:CN117131462A
公开(公告)日:2023-11-28
申请号:CN202311075482.2
申请日:2023-08-24
Applicant: 北京邮电大学
IPC: G06F18/25 , G01R21/00 , G01H17/00 , G06F18/2321 , G06F18/214 , G10L17/26 , G10L25/30
Abstract: 联合智能音箱和电表的细粒度家庭用电监测系统及方法,属于家庭电器能耗监测相关领域,该方法包括:系统自动学习电器功率和声音之间的关联关系,即一致性信息和互补性信息;将功率事件分为高功率变化和低功率变化,迭代地进行情景发现;寻找具有关联的声音特征和功率特征即关键特征对,通过聚类了解哪些关键特征对属于同一电器状态;噪声鲁棒的基于声音的电器状态识别器训练;利用学习到的一致性信息和互补信息即电器状态识别器的识别结果,以跨模态关联融合的方式实现电器能耗分解,进而推断每类电器的耗电情况。本发明以低设备成本和低标注成本的方式帮助用户了解家庭细粒度用电情况,帮助用户培养低碳的用电习惯,还可辅助进行用户活动识别。
-
公开(公告)号:CN116800979A
公开(公告)日:2023-09-22
申请号:CN202310865197.4
申请日:2023-07-14
Applicant: 北京邮电大学
IPC: H04N19/503 , H04N19/91 , H04N19/51 , H04N19/42 , H04N19/172
Abstract: 一种基于帧间隐式相关性的点云视频编码方法,涉及点云视频压缩领域,包括:一、熵最小化的运动补偿:先将点云体素化;采用运动补偿方法来生成参考帧,该参考帧对齐帧间隐式相关性中的拓扑结构同时最小化条件熵;把帧划分成小立方体;使用一个指标评价两个立方体间的匹配程度;为当前帧的每个立方体从上一帧的立方体中搜索出匹配程度最佳的立方体;拼接每一个最佳匹配立方体,生成参考帧;选择能够最小化条件熵的参考帧,作为熵最小化的运动补偿输出;二、帧间熵编码。本发明充分利用动态帧的帧间冗余信息,对点云视频进行无损压缩,有效减少了点云视频流传输带宽消耗;同时利用了帧间隐式相关性压缩点云视频,有效减少了视频数据量。
-
公开(公告)号:CN116704002A
公开(公告)日:2023-09-05
申请号:CN202310725723.7
申请日:2023-06-19
Applicant: 北京邮电大学
IPC: G06T7/579 , G06T5/00 , G06T7/207 , G06T7/194 , G06N3/0455 , G06N3/0464 , G06N3/08 , G01S13/86 , G01S13/88 , G01S7/41
Abstract: 本发明公开了一种移动场景下基于视频生成毫米波雷达数据的方法及装置,属于毫米波雷达移动感知领域,包括人体网格提取与校准和反射与噪声信号估计两个组件。人体网格提取与校准组件,用于准确估计相机和人的真实位置,包括模糊和抖动过滤器、人体网格提取模块、相机姿态估计模块和人体位置校准模块;反射与噪声信号估计组件,用于模拟雷达信号的多径反射与衰减以及背景噪声,包括深度预测模型、反射模型、时空噪声估计模块和U‑Net网络模块。本发明利用丰富的动态视频数据生成大量逼真的、可转换的动态毫米波雷达数据,包括多普勒数据和点云数据,有效解决了移动场景中毫米波雷达数据不足的问题,可应用于动作识别、目标检测等应用中。
-
公开(公告)号:CN116633802A
公开(公告)日:2023-08-22
申请号:CN202310698991.4
申请日:2023-06-13
Applicant: 北京邮电大学
IPC: H04L41/147 , H04L41/14 , H04L41/16 , H04L43/0876
Abstract: 本发明公开了一种基于深度学习的超长期网络流量预测方法,将周期信息增强的带宽数据输入神经网络的编码器‑解码器架构中,输出未来带宽的预测结果;其中,编码器的输入为历史周期信息增强的带宽数据,输出为从历史周期信息增强的带宽数据中提取的周期性高维特征;解码器的输入为历史和未来时隙周期信息增强的带宽数据,并融合从历史周期信息增强的带宽数据中提取的周期性高维特征,输出为未来带宽的预测结果。本发明提出的基于深度学习的超长期网络流量预测方法,能够对强相关性数据(年、日)和弱相关性数据(周、月)分别建模,实现了准确地对整月甚至更长时间的流量数据进行超长期预测,大幅度提升了超长期流量预测的准确性。
-
公开(公告)号:CN116259175A
公开(公告)日:2023-06-13
申请号:CN202211719951.5
申请日:2022-12-30
Applicant: 北京邮电大学
Abstract: 本发明公开了一种面向多样化动态信号灯模式的车速推荐方法及装置,首先根据邻接路口及自身路口的交通状况,利用相位感知注意力机制推测几秒后本路口各个车道的车辆数占比;然后根据前K个时间段的本路口各个车道的车辆数占比和推测的几秒后本路口各个车道的车辆数占比,利用模仿学习来近似估计信号灯的最优偏好,利用LSTM模型推测接下来一段时间的信号灯相位变化序列;最后根据预测的信号灯相位变化序列,结合多种传感器获取的交通状况,利用策略梯度强化学习的方法给出在多维数据影响下的对多个目标进行优化的绿灯最优速度。本发明可应用于城市道路的任意场景,且推荐速度为多目标最优速度,保证绿灯最优速度推荐算法的安全性、高效性和省时特性。
-
公开(公告)号:CN115578858A
公开(公告)日:2023-01-06
申请号:CN202211170957.1
申请日:2022-09-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种路网全覆盖、个体全渗透的车辆轨迹恢复方法及装置,首先设计具有启发式约束的辅助轨迹选择模块来选择多个细粒度轨迹作为辅助轨迹;其次,设计时空嵌入模块将粗粒度轨迹及其对应的多条辅助轨迹的每个点嵌入到稠密向量,得到每个轨迹的时空嵌入表示序列;再次,设计粗粒度轨迹移动性信息抽取模块和细粒度轨迹移动性信息抽取模块,分别将粗粒度轨迹及其对应的多条辅助轨迹的时空嵌入表示序列编码为高级表示序列;然后设计移动性信息融合模块,使用轨迹间注意力机制和平均采样策略以融合上述高级表示序列;最后,设计轨迹生成模块以生成不可观测路口区域的轨迹点,可以恢复出覆盖全部城市路网并且渗透所有个体车辆的细粒度车辆轨迹。
-
公开(公告)号:CN113313313B
公开(公告)日:2022-09-27
申请号:CN202110645958.6
申请日:2021-06-10
IPC: H04W4/029
Abstract: 一种面向城市感知的移动节点任务规划方法涉及任务规划技术领域,解决了现有成本高的问题,包括步骤一、根据外部因素对于需要感知的任务点数量的影响、历史周期的任务点,预测当前周期需要感知任务点的数量;步骤二、根据步骤一预测的当前周期需要感知任务点的数量,将当前周期划分为多个步骤,并确定步长;步骤三、感知每一步步长对应的任务点;步骤四、根据步骤三得到的任务点对多移动节点进行调度直至完成所有任务;步骤五、所有任务点的执行结果进行质量评估,若满足一定质量要求时,移动节点任务规划结束,若不满足则返回步骤二。本发明中任务能够并行执行并减少质量评估的次数,感知成本小,适合面向城市感知的移动节点任务规划。
-
公开(公告)号:CN113285721B
公开(公告)日:2022-07-19
申请号:CN202110646063.4
申请日:2021-06-10
Applicant: 北京邮电大学
Abstract: 一种面向稀疏移动感知数据的重构与预测算法涉及移动感知技术领域,解决了现有实时性等的问题,步骤为:通过处理空间信息得到空间嵌入SE,通过处理时间信息得到历史时间嵌入HE与未来时间嵌入FE,通过处理HE、SE和感知数据X得到时空嵌入STE;根据HE、FE、STE和X,提取空间隐向量和历史时间隐向量根据HE、FE、STE和求取未来时间隐向量通过双线性解码器一对和进行重构,得到重构感知数据;通过双线性解码器二对和进行预测,得到未来时间的感知数据预测结果。本发明减少了误差传播,能够满足实时性要求,能够得到较好的数据重构效果和预测,能够达到秒级的重构、预测速度。
-
-
-
-
-
-
-
-
-