公开(公告)号：CN114070750A

公开(公告)日：2022-02-18

申请号：CN202111294104.4

申请日：2021-11-03

Applicant: 南京理工大学

Inventor： 李乐 ,  钱玉文 ,  时龙 ,  马川 ,  李骏 ,  詹勇杰

IPC: H04L41/5041 ,  H04L41/5051 ,  H04L41/0894 ,  H04L41/0896 ,  H04W72/04

Abstract: 本发明公开一种5G网络切片资源分配方法，实现过程简单、频谱利用率高、且能满足不同用户服务请求。本发明方法包括如下步骤：(10)用户通信时延敏感度获取：获取5G无线网络切片中移动用户对于通信时延的敏感度，并对其进行数据量化；(20)用户服务请求分配：将移动用户提出的服务请求分配到不同网络切片中；(30)基站频谱资源分配：利用广义凯利算法，以最小化用户传输时延为目标代价函数，将基站的频谱资源分配到不同网络切片中；(40)用户频谱资源分配：利用李雅普诺夫算法将分配到不同网络切片中的基站频谱资源进一步划分，使每个移动用户获得所需的频谱资源；(50)进行数据传输：用户以获得的频谱资源，完成数据传输。

公开(公告)号：CN114020024A

公开(公告)日：2022-02-08

申请号：CN202111305350.5

申请日：2021-11-05

Applicant: 南京理工大学

Inventor： 盛可欣 ,  马川 ,  钱玉文 ,  时龙 ,  王喆 ,  李骏

IPC: G05D1/10

Abstract: 本发明公开一种算法效率高、性能好、能够更好地适应动态环境的基于蒙特卡洛树搜索的无人机路径规划方法。本发明方法包括如下步骤：(10)建立蒙特卡洛树，初始化根节点，并初始化无人机位置；(20)根据实验数据，设定蒙特卡洛树搜索算法训练总次数；(30)在设定训练总次数内，对蒙特卡洛树进行搜索算法训练，使蒙特卡洛树参数根据具体步骤进行迭代，无人机作出相应的动作；(40)当训练次数等于训练总次数时，训练结束，得到一棵训练完毕的蒙特卡洛树；根据所述训练完毕蒙特卡洛树的树结构，从根节点开始利用UCT算法持续向下选择UCT值最大的子节点，直到到达一个叶子节点为止，无人机根据所选择的节点执行相应的动作，即得到最优无人机路径。

公开(公告)号：CN119807831A

公开(公告)日：2025-04-11

申请号：CN202411783610.3

申请日：2024-12-05

Applicant: 南京理工大学 ,  江苏第二师范学院

Inventor： 李骏 ,  廖振伟 ,  夏鹏程 ,  倪艺洋 ,  时龙

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/098 ,  G06N3/0442 ,  G06N3/0464

Abstract: 本发明公开了一种基于自平衡联邦学习的不平衡数据故障诊断方法，属于人工智能和边缘计算相结合的技术领域，包括以下步骤：S1、获取客户端数据并监控客户端数据是否存在不平衡现象；S2、数据增强；S3、共享生成器与判别器的权值；S4、中介训练调度；S5、中介服务器调度客户端训练模型；S6、联邦学习服务器对模型参数聚合；S7、聚合后的模型参数返回给中介服务器，开启下一轮同步训练；S8、客户端获得准确度结果。本发明采用上述的一种基于自平衡联邦学习的不平衡数据故障诊断方法，该方法通过梯度监控、数据增强和中介训练调度技术，能够有效解决数据不平衡问题，提高故障诊断模型的精度和稳定性。

公开(公告)号：CN118467941B

公开(公告)日：2025-02-25

申请号：CN202410581781.1

申请日：2024-05-10

Applicant: 南京理工大学

Inventor： 李骏 ,  祝嘉诚 ,  夏鹏程 ,  时龙 ,  蒋海涛 ,  赵源

IPC: G06F18/15 ,  G06F18/214 ,  G06F18/213 ,  G06N3/098

Abstract: 本发明公开了一种面向分布式光伏发电站点的个性化联邦学习预测方法，涉及人工智能技术领域，包括多层时序分解模块和多层感知机模块；具体包括以下步骤：S1：数据预处理，通过站点的装机容量对数据进行归一化，消除不同光伏站点规模带来的差异；S2：本地训练，客户端在本地训练模型；S3：个性化联邦聚合，客户端将多层时序分解模块上传到服务器，服务器进行平均集合，将聚合后的全局模型下发到服务器；S4：进行下一轮迭代，直至最终迭代轮次。本发明采用上述的一种面向分布式光伏发电站点的个性化联邦学习预测方法，将最后的多层感知机层作为个性化层，通过分层聚合的个性化方法，考虑站点之间的差异性比直接联邦聚合具有更高的准确性。

公开(公告)号：CN119295808A

公开(公告)日：2025-01-10

申请号：CN202411323893.3

申请日：2024-09-23

Applicant: 南京理工大学 ,  江苏第二师范学院

Inventor： 李骏 ,  张妍 ,  倪艺洋 ,  吴沁怡 ,  崔继轩 ,  夏鹏程 ,  金石 ,  时龙

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/84 ,  G06V10/774

Abstract: 本发明提供了一种基于点对称模式转换数据增强的分布式轴承故障诊断方法，属于轴承故障诊断技术领域，包括参与用户采集并标注本地轴承故障样本，采用SDP转换方法将一维时间序列信息转换为二维图像，采用一维数据与二维数据两个模态的数据构建本地数据集；中央服务器初始化并分发全局模型给参与用户；参与用户基于本地数据集进行本地训练并将本地模型参数上传至中央服务器；将上传的模型参数进行聚合，更新全局模型；将更新后的全局模型下发给参与用户；重复上述过程，直到达到预设的最大通信轮次或预定的模型性能指标。本发明采用上述的基于点对称模式转换数据增强的分布式轴承故障诊断方法，解决了工业轴承故障诊断场景下数据模态单一导致的模型性能差的问题。

公开(公告)号：CN118945684A

公开(公告)日：2024-11-12

申请号：CN202410911854.9

申请日：2024-07-08

Applicant: 南京理工大学

Inventor： 李骏 ,  朱银涛 ,  夏鹏程 ,  张杰 ,  曾振平 ,  时龙 ,  金石 ,  蒋海涛

IPC: H04W24/02 ,  H04W52/02 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于改进Decision Transformer模型的基站能耗优化方法，属于基站能耗管理领域，包括对环境进行建模，并用强化学习生成决策数据集，计算决策数据集中轨迹回报，对计算的轨迹回报通过Bootstrap方法计算每个时间步的均值μt和标准差σt，建模数据样本的分布；对轨迹回报进行标准化处理，计算其在数据样本中的距离分布，并进行归一化处理，作为轨迹序列的提示Pt；重构输入轨迹序列τ，使用DecisionTransformer模型对重构的轨迹序列τ进行训练，直至收敛，获得最优的基站能耗管理策略。本发明采用上述的一种基于改进Decision Transformer模型的基站能耗优化方法，改进了Decision Transformer模型对数据集质量过度依赖的问题，克服了模型无法学习到最优策略的缺陷，为降低基站能耗提供了新的解决思路与方案。

公开(公告)号：CN118820776A

公开(公告)日：2024-10-22

申请号：CN202410774478.3

申请日：2024-06-14

Applicant: 南京理工大学

Inventor： 代雅娇 ,  李骏 ,  梅镇 ,  时龙

IPC: G06F18/214 ,  G06F18/15 ,  G06N3/0895 ,  G06N3/09

Abstract: 本发明属于机器学习技术领域，公开了基于截断的拉普拉斯加权的半监督旋转机械故障诊断方法，包括使用少量有标签数据进行有监督学习，计算有监督损失；对无标签数据进行两次数据增强，并将其输入模型中分别生成预测和伪标签；计算伪标签损失，基于拉普拉斯加权函数对置信度较低的伪标签进行加权处理；反复执行计算有标签数据损失和无标签数据伪标签损失的步骤，直至模型收敛；模型测试并输出故障诊断结果。本发明采用上述的基于截断的拉普拉斯加权的半监督旋转机械故障诊断方法，保证了模型的精度，减少了数据标注量，降低了低置信度伪标签对模型训练带来的负面影响，有效解决了在标签不足情况下半监督学习过程中伪标签质量低的问题。

公开(公告)号：CN118736320A

公开(公告)日：2024-10-01

申请号：CN202410928525.5

申请日：2024-07-11

Applicant: 南京理工大学

Inventor： 李骏 ,  王舜尧 ,  梅镇 ,  夏鹏程 ,  时龙

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/098 ,  G06N3/096 ,  G06F21/62

Abstract: 本发明公开了一种基于联邦迁移学习的工业缺陷分类方法，属于联邦学习及工业缺陷分类技术领域，包括数据准备，训练客户端在本地收集和预处理工业生产过程中产生的缺陷数据，进行数据处理；本地模型训练，训练客户端通过高低双通道多头注意力机制模块对步骤S1处理后的数据进行输入训练，直至本地模型收敛；模型更新与上传；模型权重计算与聚合；模型部署与推断，目标客户端接收服务端发送的全局模型，用于待测数据进行工业缺陷分类。本发明采用上述一种基于联邦迁移学习的工业缺陷分类方法，在保护隐私和处理多源域小样本类别不平衡的缺陷分类任务方面展现出强大迁移泛化性能，为在数据集稀少和需要增强隐私保护的场景下实现缺陷分类提供了新思路。

公开(公告)号：CN118642366A

公开(公告)日：2024-09-13

申请号：CN202410667168.1

申请日：2024-05-27

Applicant: 南京理工大学

Inventor： 罗妍玥 ,  钱玉文 ,  王喆 ,  时龙 ,  李骏

IPC: G05B13/04

Abstract: 本发明公开了一种基于元强化学习的多无人机基站协同路径规划方法。包括步骤：步骤1、建立多无人机辅助通信系统模型；步骤2、将优化问题建模为马尔可夫决策过程；步骤3、基于行为者‑评论家的架构，设计元评论家算法；步骤4、使用异步并行结构让多无人机与环境交互，迭代更新网络参数。本发明通过无人机群可以在保证地面用户所需最低吞吐量的条件下对地面用户进行协同覆盖，提升无人机基站的规划效率和服务质量。

公开(公告)号：CN118573454A

公开(公告)日：2024-08-30

申请号：CN202410796019.5

申请日：2024-06-19

Applicant: 南京理工大学

Inventor： 时龙 ,  许沁顺 ,  陈诗蓥 ,  梅镇 ,  王喆 ,  李骏

IPC: H04L9/40 ,  H04L67/104 ,  G06N3/08

Abstract: 本发明属于信誉管理技术领域，公开了一种基于图学习的对等网络信誉评估方法，包括以下步骤：给定通信网络拓扑结构；生成节点偏好、拒绝概率以及交互次数；生成节点特征，计算标准信誉值，并划分训练集、测试集和验证集；基于注意力机制对图神经网络进行监督训练。本发明采用上述的一种基于图学习的对等网络信誉评估方法，针对图学习和信誉传播的特点设计基于注意力机制的对等网络信誉评估方法，有利于在真实场景中部署高精确度的信誉管理模型；随着对等网络中节点数量的增加以及图直径的增加，本发明在交互次数上具有更优越的性能范围，不依赖于特定场景，具有更广泛的适用性。