-
公开(公告)号：CN112188600A
公开(公告)日：2021-01-05
申请号：CN202011002522.7
申请日：2020-09-22
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明公开了一种利用强化学习优化异构网络资源的方法，属于通信技术领域，本发明集成强化学习和凸优化理论，提出根据动作的相关性，即ABS，CRE和小基站休眠策略，对动作空间进行分割，针对强化学习建模过程中系统能效作为奖励函数值数量级过大问题，重新设计奖励函数值先取负数再取倒数，作为新的奖励函数值。本发明减小强化学习的动作空间，凸优化理论可以保证系统收敛性，同时加快强化学习的收敛速度；通过仿真实验可以证明该方法具有收敛性，更低的复杂度，在几乎达到系统能效理论值的前提下，与传统表格类型的Q‑Learning相比，收敛速度提升60％。
-
公开(公告)号：CN110989942A
公开(公告)日：2020-04-10
申请号：CN201911394186.2
申请日：2019-12-30
Applicant: 南京信息工程大学滨江学院
IPC: G06F3/06
Abstract: 本发明具体涉及一种数据存储扩展接口系统及其控制方法，属于数据存储技术领域。包括主控制单元、译码器、与门电路、延时触发器、N个I/O扩展芯片、数据存储器；主控制单元的低位数据线与第N个I/O扩展芯片的数据输入端相连；第N个I/O扩展芯片的数据输出端与数据存储器的数据线连接；主控制单元的高位数据线分别与第1个I/O扩展芯片至第N-1个I/O扩展芯片的数据输入端相连；第1个I/O扩展芯片至第N-1个I/O扩展芯片的数据输出端分别与数据存储器的地址线连接；主控制单元的地址线与译码器的输入端连接。本发明突破了主控制单元的地址线限制，数据存储传统扩展构建的容量限制，满足了超大容量的实时存取需求。
-
公开(公告)号：CN113518457B
公开(公告)日：2024-06-07
申请号：CN202110437441.8
申请日：2021-04-22
Applicant: 南京信息工程大学滨江学院
IPC: H04W72/044 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了基于一维深度卷积神经网络的功率分配策略，属于通信系统领域，针对现有基于深度神经网络的功率分配算法的不足，提供一种基于一维深度卷积神经网络的功率控制策略，既能实现在线决策，又能对传统算法达到一个很好的性能逼近，其网络预测能力要优于目前的基于全连接结构的深度神经网络。本发明研究了用一维卷积神经网络替代传统算法的资源分配策略，通过监督学习的方式，学习基于传统算法得到的功率分配效果，实现快速可靠的在线决策，与传统的基于深度学习的功率分配算法相比，克服了学习能力有限的缺点，其预测能力更高。
-
公开(公告)号：CN112381262B
公开(公告)日：2023-11-21
申请号：CN202010980850.8
申请日：2020-09-17
Applicant: 南京信息工程大学滨江学院 , 北京汇思慧能科技有限公司
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/06 , G06F17/11 , H02J3/00
-
公开(公告)号：CN110942183B
公开(公告)日：2023-10-17
申请号：CN201911111084.5
申请日：2019-11-14
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明公开了一种设施黄绣球菊花生育期模拟方法，包括以下步骤：(1)采集设施内外温度数据和太阳辐射数据；(2)建立设施小气候预报模型；(3)设计人工控制实验，调查不同温度和辐射条件下的黄绣球菊花生育期；(4)建立设施内温度、太阳辐射条件和光周期影响黄绣球菊花生育期模拟模型；(5)利用独立观测数据，模拟生育期进程。采用本发明方法可以准确模拟设施黄绣球菊花生育进程，方法简便可行，模拟效果理想。
-
Patent Agency Ranking
公开(公告)号：CN112188600B
公开(公告)日：2023-05-30
申请号：CN202011002522.7
申请日：2020-09-22
Applicant: 南京信息工程大学滨江学院 , 中科怡海高新技术发展有限公司
-
公开(公告)号：CN112153616B
公开(公告)日：2022-07-08
申请号：CN202010964461.6
申请日：2020-09-15
Applicant: 南京信息工程大学滨江学院 , 中科怡海高新技术发展有限公司
IPC: H04W4/70 , H04B17/345 , H04B17/373 , H04B17/382 , H04W4/02 , H04W4/021 , G06N3/04 , G06K9/62
Abstract: 本发明公开一种基于深度学习的毫米波通信系统中的功率控制方法，首先，收集环境内D2D设备和蜂窝设备的地理位置信息，构造两个大小为M×M的密度网格矩阵来表示链路收发机的位置；然后，收集训练数据集，构建卷积神经网络框架，并初始化神经网络权重；最后，将训练数据集输入至神经网络中，构建神经网络的输出和标签之间的MSE作为损失函数，并选择一个梯度下降算法优化神经网络的权重；完成训练并保存神经网络。本发明克服了毫米波网络环境中蜂窝设备和D2D设备的干扰问题，用卷积神经网络对收发机的相对位置进行特征提取，以监督学习的方式逼近传统算法来学习设备位置到最优功率分配的映射关系。
-
公开(公告)号：CN112911304B
公开(公告)日：2022-03-25
申请号：CN202110132904.X
申请日：2021-01-29
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明公开了一种基于编码的双路视频压缩装置及压缩视频重建方法。基于编码的双路视频压缩装置包括场景压缩模块、编码调制模块、压缩采集模块、压缩视频重建模块。通过双光路实现边信息和编码信息的采集，其中视频重建模块采用基于梭形网络结构的压缩视频重建方法。将边信息、编码信息和编码模板序列进行拼接操作后，经过梭形网络中的通道注意力，空间注意力和残差机制等深层特征提取，快速重建得到高质量的视频图像序列。本发明提高重建视频的图像质量；采用梭形网络结构，通过双注意力残差机制提取深层的空间特征和时间特征，提高了视频重建的速度和质量。
-
公开(公告)号：CN113518457A
公开(公告)日：2021-10-19
申请号：CN202110437441.8
申请日：2021-04-22
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明公开了基于一维深度卷积神经网络的功率分配策略，属于通信系统领域，针对现有基于深度神经网络的功率分配算法的不足，提供一种基于一维深度卷积神经网络的功率控制策略，既能实现在线决策，又能对传统算法达到一个很好的性能逼近，其网络预测能力要优于目前的基于全连接结构的深度神经网络。本发明研究了用一维卷积神经网络替代传统算法的资源分配策略，通过监督学习的方式，学习基于传统算法得到的功率分配效果，实现快速可靠的在线决策，与传统的基于深度学习的功率分配算法相比，克服了学习能力有限的缺点，其预测能力更高。
-
公开(公告)号：CN113453358A
公开(公告)日：2021-09-28
申请号：CN202110654301.6
申请日：2021-06-11
Applicant: 南京信息工程大学滨江学院 , 中科怡海高新技术发展江苏股份公司
IPC: H04W72/04 , H04W72/08 , H04B17/382
Abstract: 本发明公开了一种无线携能D2D网络的联合资源分配方法，属于通信系统技术领域，本发明采用强化学习框架，智能地分配资源块以及功率分流比例，在基站和D2D最大发射功率以及蜂窝用户最低速率要求的约束下，最大化D2D能效，解决了传统算法无法处理复杂通信环境的困境，通信系统中D2D用户通过采用多智能体强化学习框架，对资源块和功率分流比例进行分配，解决以能效为目标函数的非凸问题。该发明可以提高D2D通信的总能效，实现更快的收敛速度。
-
-
-
-
-
-
-
-
-
Search Results
189
records
(took 0.053 seconds)
