-
公开(公告)号：CN107071887A
公开(公告)日：2017-08-18
申请号：CN201710132038.8
申请日：2017-03-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种能量采集异构蜂窝网络中small cell的在线功率控制方法，属于异构网络功率控制领域，在考虑到环境中能量到达随机性和因果性，并满足小蜂窝电池容量约束的情况下，基站控制器通过能量判别选出满足开启条件的small cell，然后采用所选择的small cell更新发射功率，最大化系统在每个时隙的能效。该发明所得结果提高了small cell的能量效率，而small cell的功率更新不需要知道全局信道状态和能量状态信息，实用性和可行性强。
-
公开(公告)号：CN106068027A
公开(公告)日：2016-11-02
申请号：CN201610355279.4
申请日：2016-05-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种机会群智感知网络中态势感知的自适应数据传输方法，属于无线传感器网络和移动自组织网络技术领域。在该方法中，网络中的节点根据自身情况以及网络的历史信息，估计自身的节点剩余能量、与目的节点的相遇概率、消息传输的跳数，然后节点利用其所在的局部拓扑信息，对当前所处的网络环境做出判断并进行合适的数据传输机制的选择。通过本方法，可以对网络中存在的连通MANET子网进行准确的识别并在数据传输过程中充分地利用，使其不易受到节点移动性，网络拓扑的时变性影响，在提高数据传输成功率降低网络开销的同时，提高数据传输策略的鲁棒性。
-
公开(公告)号：CN116319368B
公开(公告)日：2025-05-06
申请号：CN202310033009.1
申请日：2023-01-10
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向异构边缘计算环境的分散联邦学习方法，属于大数据计算领域。该方法包括以下步骤：在联邦学习系统中，边缘节点初始化自己的模型；边缘节点根据本身的通信速率和计算能力计算通信成本函数，该成本函数表示边缘节点之间的匹配程度；节点基于贪婪算法选择成本函数较小的相邻节点作为匹配集；对于每个边缘节点，基于梯度和权重衡量边缘节点模型间的相似性，使用MonteCarlo方法进行从匹配集中选择邻居；节点从邻居处接收权重和更新模型，基于得到的数据，通过共识得到聚合模型；节点通过聚合模型，计算梯度下降，更新模型，并发给邻居。本发明使得具有相似数据分布的边缘节点协同训练模型，以节省额外的计算和通信延迟。
-
公开(公告)号：CN116233133B
公开(公告)日：2025-05-06
申请号：CN202211740947.7
申请日：2022-12-30
Applicant: 重庆邮电大学
IPC: H04L67/1001 , H04L67/61 , H04L43/0882 , H04L43/0852 , H04L43/0829 , H04L41/142
Abstract: 本发明涉及一种数字孪生辅助数据中心网络负载均衡的方法，属于数字孪生领域，包括以下步骤：S1：搭建基于数字孪生的数据中心网络框架；S2：采集物理数据中心网络的数据；S3：计算链路利用率、时延、丢包率，交换机负载，流量矩阵；S4：在当前采集周期时间里，判断到达边缘交换机新流大小，若为老鼠流，则使用ECMP方式进行路由；若为大象流，则转至大象流调度模块进行调度；S5：大象流调度模块采用DDPG进行调度决策，其输出是一组链路权重，通过路径计算子模块计算最优转发路径，然后经过流量管理模块下发流表到物理数据中心网络；S6：通过南向接口协议，物理数据中心网络层收到流表，对大流选择最优路径重路由。
-
公开(公告)号：CN119418401A
公开(公告)日：2025-02-11
申请号：CN202411459423.X
申请日：2024-10-18
Applicant: 重庆邮电大学
IPC: G06V40/20 , G06V10/44 , G06V10/80 , G06V10/42 , G06V10/62 , G06V10/764 , G06V10/82 , G06V20/40 , G06N3/0464 , G06N3/045 , G06N3/0442
Abstract: 本发明涉及一种多模态人体动作识别方法，属于人体动作识别领域。通过ResNet152网络提取视频空间特征，Bi LSTM网络提取时间依赖特征，并进行特征编码。随后，利用改进的串联交叉注意力网络进行特征融合，其中交叉注意力模块采用随机脉冲滤波卷积矩阵进行初始化，将CNN的归纳偏差引入其中，提高模型数据有效性，使其更容易在小规模数据集上拟合。最终，融合特征通过全连接层和Softmax函数进行动作类别预测。本发明有效提升了多模态人体动作识别在小规模数据集上的性能，并增强了其普适性和通用性，适用于人机交互、监控视频、手势识别等多种场景。
-
Patent Agency Ranking
公开(公告)号：CN119418398A
公开(公告)日：2025-02-11
申请号：CN202411459391.3
申请日：2024-10-18
Applicant: 重庆邮电大学
IPC: G06V40/20 , G06V40/10 , G06V20/64 , G06V10/26 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/048
Abstract: 本发明涉及一种基于注意力图卷积的三维人体姿态估计方法，属于人体三维姿态估计技术领域，包括以下步骤：S1：使用级联金字塔网络CPN对人体图像进行二维姿态估计；S2：利用基于Transformer注意力机制对全局空间特征进行提取；S3：利用图卷积网络对局部空间特征进行提取；S4：将全局空间特征和局部空间特征进行融合，得到最终的三维姿态坐标。本发明提高了人体三维姿态估计的准确率。
-
公开(公告)号：CN119418312A
公开(公告)日：2025-02-11
申请号：CN202411459397.0
申请日：2024-10-18
Applicant: 重庆邮电大学
IPC: G06V20/59 , G06V40/16 , G06V10/26 , G06V10/44 , G06V10/72 , G06V10/82 , G06T5/40 , G06N3/0464 , G06N3/082 , G06N3/048
Abstract: 本发明涉及一种基于深度学习的驾驶员情感识别及不确定性评估方法，属于驾驶员情感识别领域。图像增强模块采用自适应直方图均衡化技术，有效解决车内光照不均带来的影响，提升图像质量。视觉特征提取模块使用改进后的Wide ResNet网络，通过添加谱归一化层和高斯过程层，不仅能够提取丰富的情感特征，还能感知特征之间的距离关系，增强模型对复杂和不确定数据的处理能力。情感识别模块利用贝叶斯理论体系，对高斯过程层得到的概率密度分布进行分类，并通过随机特征扩展拉普拉斯近似计算高斯过程后验，实现高效的情感识别。本发明通过引入不确定性评估功能，有效预测测试样本与训练样本之间的距离，为自动驾驶环境下的驾驶员情感识别提供决策优化。
-
公开(公告)号：CN119190079A
公开(公告)日：2024-12-27
申请号：CN202411459431.4
申请日：2024-10-18
Applicant: 重庆邮电大学
IPC: B60W60/00 , G06Q10/0639 , G06Q50/40 , G06N20/00
Abstract: 本发明涉及基于信任状态的驾驶员接管绩效调控方法，属于智能驾驶技术领域。该方法包括：S1：接管绩效分类：S11：对接管数据的定性分析，具体包括：从接管时间、最小碰撞时间、碰撞概率和刹车应用四个指标出发，评估驾驶员在接管过程中的绩效；S12：明确驾驶员接管绩效，具体包括：采用灰色关联度计算法，将上述四个指标作为输入，计算各接管环节的绩效得分；S2：接管绩效预测：在实时测量信任的基础上，使用机器学习算法有效预测不同信任与生理水平下驾驶员的接管绩效。本发明能准确预测接管绩效进行适时的绩效调控以得到最佳的接管绩效。
-
公开(公告)号：CN117854538A
公开(公告)日：2024-04-09
申请号：CN202311862197.5
申请日：2023-12-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多特征协同作用的语音情感识别方法，属于人机交互领域。通过构建基于欧几里得距离的图卷积神经网络提取高级声学特征，使用预训练的自动语音识别模型通过情感识别任务进行优化进而提取语义特征，由于声学特征和语义特征从不同角度描述了情感信息，因此提出双向协同注意力机制将声学特征和语义特征进行充分的交互，同时专注于最相关的特征以有效解决信息冗余问题。本发明通过提取语音的声学特征和语义特征，并将声学特征和语义特征融合，充分提取和利用了语音中的情感信息，专注于最相关的特征，有效解决了信息冗余问题，有效提高了语音情感识别的准确性。
-
公开(公告)号：CN117812078A
公开(公告)日：2024-04-02
申请号：CN202311850206.9
申请日：2023-12-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于图强化学习的DT边缘网络任务卸载方法，属于移动边缘计算技术领域。该所述方法包括如下步骤：S1、基于数字孪生技术构建MEC网络系统模型；S2、根据MEC网络系统模型的动态和去中心化环境，将任务卸载问题转化为去中心化的部分可观察马尔科夫决策过程；S3、结合图纸里网络与多智能体强化学习算法提出GATMARL算法以解决部分可观察马尔科夫决策过程问题，从而获得边缘网络任务协作卸载策略。本发明采用基于图注意力的价值分解网络来帮助BS代理将更多注意力分配给其他BS的价值信息，以学习更好的协作卸载策略，以最大化所有UE的QoE效用。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.034 seconds)
