-
公开(公告)号：CN102625183A
公开(公告)日：2012-08-01
申请号：CN201210104203.6
申请日：2012-04-10
Applicant: 北京邮电大学
IPC: H04N21/433 , H04N21/438
Abstract: 本发明涉及一种用于点播系统仿真的用户终端播放方法，包括以下步骤：(1)先进行模型的参数配置，(1.1)将VCR动作转移模型的概率采用通行假设，即设定Prplay，Prabort，Prjf，Prjb的值，并且满足Prplay+Prabort+Prjf+Prjb＝1；(1.2)将VCR动作状态模型中的参数采用通行数据，即设定播放时间的参数，跳转持续时间的参数；(2)整个节目视频播放过程可以分为数据准备和播放两个阶段；(3)性能指标计算，仿真结束，模型采集到的性能指标的原始数据用于计算两个重要的用户侧性能指标，分别是节目启动时延和节目播放连续度，仿真过程所采集的原始数据均存储于数据库之中，可通过数据库平台进行计算。这两个指标主要体现用户的观看体验，使用户得到更好的仿真观看体验。
-
公开(公告)号：CN102281290A
公开(公告)日：2011-12-14
申请号：CN201110201240.4
申请日：2011-07-18
Applicant: 北京邮电大学
Abstract: 本发明公开了一种PaaS云平台仿真系统，静态模型包括：节点模型，用于确定各个节点的计算资源、通信资源及应用部署情况；拓扑模型，用于确定各个节点的角色划分及连接拓扑情况；链路模型，用于确定节点的通信链路属性；应用模型，用于确定应用逻辑，应用处理的计算资源开销、通信资源开销及时延；用户模型，用于确定用户请求分布，用户请求到达情况；动态模型包括：控制模型，用于确定运行逻辑，应用与节点的部署关系，业务请求到达后为该业务请求选择处理节点的方式；协议模型，用于确定PaaS云平台的交互框架；事件模型，用于确定PaaS云平台运行过程中发生的带有不确定性的动态事件。本发明公开了一种基于上述系统的仿真方法。本发明能确定出PaaS云平台中节点的仿真负载情况。
-
公开(公告)号：CN101888595A
公开(公告)日：2010-11-17
申请号：CN201010220983.1
申请日：2010-06-29
Applicant: 北京邮电大学
IPC: H04W4/06
Abstract: 一种组播广播单频网中的多小区信号的选择与软合并方法，是用户终端根据基站发送下行导频信号，将测得的来自相邻小区基站的平均接收信号功率与来自主服务小区基站的平均接收信号功率求差，将差值小于预设门限中最小的1～2个相邻小区与主服务小区组成用户MBMS接收的软合并候选小区集；用户终端根据其软合并候选小区集信息接收该单频网中的所有小区基站发送的MBMS信号：若候选小区集中只有主服务小区时，用户终端只接收主服务小区发送的MBMS信号；否则，用户终端将候选小区集中的所有小区基站发送的多个MBMS信号当作多径信号，进行多小区软合并接收，以实现宏分集。本发明可改善小区边缘的传输性能和适应各种用户终端的分布类型，满足业务需求且操作简单。
-
公开(公告)号：CN1665315A
公开(公告)日：2005-09-07
申请号：CN200510064628.9
申请日：2005-04-15
Applicant: 北京邮电大学
Abstract: 一种多业务环境下智能网过载的控制方法，该方法由业务控制点SCP进行控制，具体技术措施是在SCP中设置用于接收七号信令网消息的窗口，并设置对各种业务分配窗口的分配原则，让SCP根据设定的窗口分配原则和系统负荷的变化情况自适应地动态调整各种业务所分配的窗口数目的大小，来控制多业务的过载；以便在过载情况下，通过调度SCP资源而使之能够被充分利用，而在不过载时，SCP对业务不进行限制，保证具有很好的有效性和公平性。该方法步骤简单，响应速度快，实现容易，不需要SSP的配合，对网络影响小，具有较强的健壮性，能适应各种复杂的负荷情况；适用范围较广，可用于固话智能网和移动智能网。
-
公开(公告)号：CN119740640A
公开(公告)日：2025-04-01
申请号：CN202411739761.9
申请日：2024-11-29
Applicant: 北京邮电大学
IPC: G06N3/0985 , G06N3/045
Abstract: 本申请提供一种基于混合量化的大模型精调方法及相关设备，包括：步骤确定待训练模型的若干参数矩阵、用于对待训练模型进行训练的若干量化方法和限制条件；根据所述限制条件和若干所述量化方法，对任一所述参数矩阵进行迭代量化，确定任一所述参数矩阵的量化损失值集和显存占用数值集；根据所述量化损失值集和所述显存占用数值集，通过优化方法确定任一所述参数矩阵的最优量化算法；根据若干所述最优量化算法，对所述待训练模型中的若干参数矩阵进行迭代混合量化，确定大模型；通过精调算法对所述大模型的低秩组件的参数进行调整，完成模型精调。
-
Patent Agency Ranking
公开(公告)号：CN114267024B
公开(公告)日：2025-02-11
申请号：CN202111291760.9
申请日：2021-11-02
Applicant: 北京邮电大学 , 中国人民解放军32802部队
IPC: G06V20/58 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本申请提供一种异常交通标志图像识别网络的训练方法及装置，通过对服务器中预先训练好的交通标志图像识别网络构造后门触发模式，可以提前完成异常交通标志图像识别网络的训练。在出现异常情况时对异常交通标志图像叠加训练好的后门，可以不需要在出现异常情况时切换到新的交通标志图像识别网络，这样就可以快速地对异常交通标志图像进行识别处理。同时，对于没有叠加后门的交通标志图像，训练好的异常交通标志图像识别网络可以输出与训练前的交通标志图像识别网络一致的结果，这样可以利用服务器中预先训练好的交通标志图像识别网络的优势去完成正常情况下交通标志图像识别的同时，做到对异常情况下交通标志图像的快速识别处理。
-
公开(公告)号：CN114677557B
公开(公告)日：2024-12-24
申请号：CN202210233646.9
申请日：2022-03-10
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/084 , G06V20/54 , G06V10/82
Abstract: 一种融合多属性和局部特征的车辆重识别系统，包括通用特征提取模块、全局特征模块、属性识别模块和面向方向的DropBlock模块；一种融合多属性和局部特征的车辆重识别方法，包括操作步骤：(1)将图像库中的车辆图像输入到车辆重识别系统，得到图像库中的车辆图像的重识别特征；(2)将待查询车辆图像输入到车辆重识别系统，得到待查询车辆图像的重识别特征；(3)根据所得到的重识别特征，从图像库中找出与待查询车辆图像相似度最大的车辆图像；本发明方法能够获取更多细节特征，有效的提升了车辆重识别的效果。
-
公开(公告)号：CN118761823A
公开(公告)日：2024-10-11
申请号：CN202410845467.X
申请日：2024-06-27
Applicant: 北京邮电大学
IPC: G06Q30/0601 , G06F16/9535 , G06F18/2113 , G06F18/23213 , G06F18/243 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/01
Abstract: 基于大语言模型的电信领域权益产品推荐系统和方法，系统包括如下模块：用户特征分析模块、用户画像生成模块、产品画像生成模块和排序推荐模块；方法包括如下操作步骤：(1)根据电信权益产品的用户订阅数据，基于决策树模型，得到用户优选特征；(2)将传统的基于表格数据的用户信息转化为基于文本的用户画像；(3)通过大语言模型生成电信权益产品的产品画像；(4)基于用户画像、产品画像以及用户与电信权益产品的交互行为信息，对所有的电信权益产品进行排序；本发明精准地匹配用户需求和权益产品优势，实现了个性化的产品推荐。
-
公开(公告)号：CN117640414A
公开(公告)日：2024-03-01
申请号：CN202311692250.1
申请日：2023-12-11
Applicant: 北京邮电大学
IPC: H04L41/147 , H04L41/142 , H04W52/02
Abstract: 基于时域频域空间域联合特征的基站流量预测系统和方法，系统包括如下模块：数据嵌入层模块、时域频域模块、空间域模块和输出层模块；方法包括如下操作步骤：(1)系统的数据嵌入层模块对基站流量数据X进行编码，得到基站流量数据的编码信息Xemb；(2)系统的时域频域模块提取基站流量数据的时域特征和频域特征XTM；(3)系统的空间域模块提取基站流量数据的空间域特征XSM；(4)输出层模块根据所述的时域频域模块和空间域模块的输出结果，计算得到基站流量预测结果。
-
公开(公告)号：CN116861913A
公开(公告)日：2023-10-10
申请号：CN202310519543.3
申请日：2023-05-09
Applicant: 北京邮电大学
IPC: G06F40/30 , G06F16/35 , G06F18/214 , G06N3/092 , G06F18/15 , G06F16/951
Abstract: 本公开提供一种基于GPT大模型的立场检测方法及相关设备，所述方法包括：获取预训练的GPT大模型；获取所述GPT大模型的初始立场检测数据；获取外部信息数据，将所述外部信息数据合并至所述初始立场检测数据；基于包括所述外部信息数据的立场检测数据训练所述GPT大模型。本公开的方法通过对预训练语言模型进行训练微调，使用外部信息数据融合的立场检测数据作为数据集，采用结合反馈的强化学习的训练方法对模型进行训练，指导模型进行立场预测，从而获取立场检测模型用于实际任务。提高了模型的学习效率以及适应能力，模型的行为能够得到及时的调整。同时缓解了传统机器学习算法的不可解释性和脆弱性，提高模型的精度。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.105 seconds)
