一种负载均衡方法及装置

    公开(公告)号:CN107124739A

    公开(公告)日:2017-09-01

    申请号:CN201710243448.X

    申请日:2017-04-14

    Inventor: 李俊 林敏

    CPC classification number: H04W28/085

    Abstract: 本发明公开了一种负载均衡方法及装置,用以解决系统负载状态判断不合理,负载均衡处理开销较大的问题,包括:获取基站下各个载波的负载量;负载量为载波所承载的未使用载波聚合功能的终端UE产生的负载量;确定系统负载均值;在系统负载均值大于第一阈值时,根据各个载波的负载量和系统负载均值确定各个载波的负载均衡度;若存在负载均衡度大于第二阈值的载波,则进行负载均衡处理。本方案可以避免实时变化的载波聚合功能的UE产生的负载对系统负载状态判断的干扰,从而提高了系统负载状态判断的合理性。此外,在低系统负载情况下不需进行负载均衡处理,而且,还可以避免频繁触发负载均衡处理的情况,从而降低了处理开销。

    一种异构网中的资源调度方法和装置

    公开(公告)号:CN105246162A

    公开(公告)日:2016-01-13

    申请号:CN201510670646.5

    申请日:2015-10-13

    Inventor: 林敏 李馨

    Abstract: 本发明公开了一种异构网中的资源调度方法和装置,包括:根据待调度终端上报的信道质量参数,确定待调度终端是否为微站的边缘用户及待调度终端是否受相邻宏站的干扰;若待调度终端为微站的边缘用户且受相邻宏站的干扰,则确定干扰待调度终端的干扰宏站集合;根据接收到的干扰宏站集合中的各宏站发送的几乎空白子帧ABS图样,确定待调度终端使用的ABS子帧。本发明确定出受宏干扰的边缘用户,针对性地为此类用户分配ABS子帧,并通过确定待调度终端的干扰宏站集合,以使微站将对应的干扰宏站发送的ABS子帧分配给该待调度终端使用,不仅确保了ABS子帧的合理使用,同时也有效改善了待调度终端的业务质量,实现了宏微间干扰协调的目的。

    基于机器学习模拟动态核磁共振谱的方法

    公开(公告)号:CN114550850B

    公开(公告)日:2024-09-13

    申请号:CN202210108006.5

    申请日:2022-01-28

    Applicant: 厦门大学

    Inventor: 程俊 林敏 熊景放

    Abstract: 本公开提供基于机器学习模拟动态核磁共振谱的方法,其特征在于,包括:构建通过电子结构计算的力和能量的数据集,通过机器学习的方法对数据集进行训练,训练后得到机器学习势模型;通过机器学习势模型做分子动力学模拟或蒙特卡洛模拟,获得模拟轨迹,从模拟轨迹中选取部分结构;基于选取的部分结构,通过机器学习的方法对电子结构计算的化学位移数据集进行训练,得到化学位移预测模型;通过化学位移预测模型预测分子动力学模拟或蒙特卡洛模拟得到的模拟轨迹结构的化学位移;以及基于化学位移生成动态核磁谱。本公开还提供了一种基于机器学习模拟动态核磁共振谱的装置、电子设备以及可读存储介质。

    联合图信号与强化学习的超密集无线网络功率分配方法

    公开(公告)号:CN110972309B

    公开(公告)日:2022-07-19

    申请号:CN201911089450.1

    申请日:2019-11-08

    Abstract: 本发明公开了一种联合图信号与强化学习的超密集无线网络功率分配方法,方法包括:S1,获取无向图,并根据无向图构建邻接矩阵和权值矩阵;S2,计算每个顶点的干扰参数,并计算网络平滑度,以及根据网络平滑度计算网络环境参数;S3,对超密集无线网络的功率进行再次分配,并计算再次分配后的网络环境参数,以及根据该网络环境参数计算回报函数值;S4,根据该回报函数值进行再次分配,并计算再次分配后的网络环境参数,以及根据该网络环境参数计算回报函数值;重复步骤S4,直至得到最大累积回报函数值,停止超密集无线网络功率分配;从而实现在超密集无线网络中进行自组织、自优化的功率分配,进而降低超密集无向网络的干扰程度,有效提高网络性能。

    基于机器学习模拟动态核磁共振谱的方法

    公开(公告)号:CN114550850A

    公开(公告)日:2022-05-27

    申请号:CN202210108006.5

    申请日:2022-01-28

    Applicant: 厦门大学

    Inventor: 程俊 林敏 熊景放

    Abstract: 本公开提供基于机器学习模拟动态核磁共振谱的方法,其特征在于,包括:构建通过电子结构计算的力和能量的数据集,通过机器学习的方法对数据集进行训练,训练后得到机器学习势模型;通过机器学习势模型做分子动力学模拟或蒙特卡洛模拟,获得模拟轨迹,从模拟轨迹中选取部分结构;基于选取的部分结构,通过机器学习的方法对电子结构计算的化学位移数据集进行训练,得到化学位移预测模型;通过化学位移预测模型预测分子动力学模拟或蒙特卡洛模拟得到的模拟轨迹结构的化学位移;以及基于化学位移生成动态核磁谱。本公开还提供了一种基于机器学习模拟动态核磁共振谱的装置、电子设备以及可读存储介质。

    一种基于机器学习快速预测核磁共振化学位移的方法

    公开(公告)号:CN114496111A

    公开(公告)日:2022-05-13

    申请号:CN202210108013.5

    申请日:2022-01-28

    Applicant: 厦门大学

    Inventor: 程俊 林敏 王锋

    Abstract: 本公开提供基于机器学习快速预测核磁共振化学位移的方法,包括:对收集的原子构型的集合进行电子结构计算,得到原子构型的集合的化学位移;将原子构型的集合中的各个原子的局域结构表示为特征描述符;将特征描述符和化学位移数据集按预定比例划分为训练集和测试集,训练集用于训练神经网络,测试集用于测试训练后的神经网络;将特征描述符作为为神经网络的输入层,将对应化学位移作为神经网络的输出层,基于训练集训练神经网络,获得神经网络预测模型;将待预测化学位移的原子局域结构转化为特征描述符,输入神经网络预测模型,获得待预测化学位移的原子局域结构的预测化学位移。本公开还提供了一种基于机器学习快速预测核磁共振化学位移的装置、电子设备以及可读存储介质。

    基于数据共享的多系统测量方法及装置

    公开(公告)号:CN112469091A

    公开(公告)日:2021-03-09

    申请号:CN202011221866.7

    申请日:2020-11-05

    Abstract: 本发明公开了一种基于数据共享的无线通信网的多系统测量方法、介质、设备及装置,其中方法包括:对多系统的信号覆盖区域进行栅格化,并采集保存栅格化后每个栅格对应的历史测量数据,同时对各个栅格进行评级和数据处理;当用户所在栅格被评级为切换频繁栅格时,系统发送相应测量事件,用户上报测量结果,最后由系统根据所述测量结果判断用户是否需要进行切换;如果用户需要进行切换,则获取用户当前所处栅格信息,并根据用户当前所处栅格信息获取对应的历史测量数据处理结果,从而确定用户的目标小区及系统。能够实现保证用户切换成功率的同时,降低系统测量所需时间,改善用户的系统测量和切换体验。

Patent Agency Ranking