-
公开(公告)号：CN115358412A
公开(公告)日：2022-11-18
申请号：CN202211005551.8
申请日：2022-08-19
Applicant: 江南大学
IPC: G06N20/00
Abstract: 本发明公开了一种基于边缘辅助车辆网络的异步联邦优化方法，首先，提出边缘辅助车辆网络场景下的异步联邦训练系统，包括位于网络边缘的RSU和以恒定速度行驶在RSU覆盖范围内的车辆；其次，车辆从RSU处下载初始化的全局模型，利用本地数据进行本地训练；然后，综合考虑数据量、计算能力和车辆的移动性，对本地模型的权重进行优化；最后，车辆训练完本地模型后将本地模型上传至RSU处，RSU每收到一个本地模型就进行一次全局聚合，获取精确的全局模型。本发明计算简便，提出的异步联邦训练系统合理，在车辆环境下能够得到较高的全局模型精度。
-
公开(公告)号：CN115297170A
公开(公告)日：2022-11-04
申请号：CN202210680654.8
申请日：2022-06-16
Applicant: 江南大学
Abstract: 本发明公开了一种基于异步联邦和深度强化学习的协作边缘缓存方法，该方法首先使用异步联邦学习框架进行边缘内容缓存，可以使车辆用户的数据都在本地训练从而降低车辆用户的隐私风险，降低通信成本，适应高度动态的车辆网络环境，其次，使用自动编码器模型预测内容流行度，每个车辆用户使用基于自动编码器的内容流行度预测算法从车辆用户历史请求内容和上下文信息学习数据中潜在的相关性，从而提高每个边缘设备的缓存性能，最后，使用dueling DQN强化学习算法来学习每个边缘设备中车辆用户的请求内容数据，基于自动编码器模型预测出来的内容流行度，dueling DQN可以做出最优的缓存决策，降低车辆平均请求时延和提高每个边缘设备的缓存性能。
-
公开(公告)号：CN113326076B
公开(公告)日：2022-10-18
申请号：CN202110594462.0
申请日：2021-05-28
Applicant: 江南大学
Abstract: 本发明涉及基于半马尔可夫决策过程车载雾辅助的车队任务卸载方法。本发明同时考虑任务卸载中的发送时延和计算时延等因素，建立基于半马尔可夫决策过程的任务卸载模型。然后分别定义了系统状态集、动作集并推导了系统状态转移概率公式以及系统奖励函数，其次基于贝尔曼方程利用值迭代算法求解SMDP模型获得最优的任务卸载策略。该方案计算复杂度适中，系统模型合理，充分考虑了任务如何分配以及任务卸载过程中涉及到的各种时延。仿真结果表明，该方案在保证任务卸载时延的前提下，能获得更大的系统长期收益。
-
公开(公告)号：CN113891287B
公开(公告)日：2022-05-13
申请号：CN202111199487.7
申请日：2021-10-14
Applicant: 江南大学
Abstract: 本发明公开了保证车联网中车辆信息年龄公平性的V2I接入方法及系统。包括获得包括智能传感器节点和车辆的设备在每个离散时间间隔的平均信息年龄、得到每个离散时间间隔的车载网络的年龄公平性损失，根据年龄公平性损失得到每个离散时间间隔的年龄公平性效益；根据智能传感器节点的平均信息年龄、车辆的平均信息年龄总和、智能传感器节点的最小竞争窗口、车载网络中的设备数目得到智能传感器节点的状态；将状态、动作、立即收益作为Rainbow DQN算法的神经网络的参数输入，最后根据Rainbow DQN算法训练智能传感器节点。本发明解决了基站覆盖的高速公路场景内，不同的传感器节点与车辆共同通信所导致的车辆信息年龄不公平的问题。
-
公开(公告)号：CN110212981B
公开(公告)日：2021-12-17
申请号：CN201910460031.8
申请日：2019-05-30
Applicant: 江南大学 , 中科金保安全科技无锡有限公司 , 中科怡海高新技术发展有限公司 , 中科怡海高新技术发展江苏股份公司
IPC: H04B10/116 , H04B10/516
Abstract: 本发明提供一种混合单载波和多载波调制的可见光通信传输方法，其有效的提高了系统的频谱利用率，且具有良好的灵活性、低复杂度。其包括步骤：S1:对输入信号进行QAM调制，生成对称的ACO‑OFDM信号矩阵；S2：对输入信号进行PAM调制，生成对称的PAM‑DMT信号矩阵；S3：将ACO‑OFDM信号矩阵、PAM‑DMT信号矩阵分别依次进行N点的IFFT变换、添加循环前缀、将数据进行并串转换、削减去信号的负数端后，将两组数据相加构成HACO‑OFDM信号；S4：对OOK数据进行对称操作，形成对称的OOK信号；S5：对HACO‑OFDM信号减去时间选择性偏置，然后加上对称的OOK信号，最终形成发送信号；S6：将发送信号传送至信道，在接收机端对接收到的信号进行解调操作，将各路信号恢复出来。
-
Patent Agency Ranking
公开(公告)号：CN113760511A
公开(公告)日：2021-12-07
申请号：CN202111045585.5
申请日：2021-09-07
Applicant: 江南大学
Abstract: 本发明公开了一种基于深度确定性策略的车辆边缘计算任务卸载方法、装置、设备及计算机可读存储介质，包括：对车辆边缘计算系统进行建模，基于系统模型，建立基站覆盖范围内的车辆用户与所述基站之间的通信模型以及所述基站覆盖范围内的车辆用户的计算模型；根据通信模型和计算模型，将车辆边缘计算系统的任务卸载功率分配过程描述为马尔科夫决策过程，建立状态空间、动作空间及奖励函数，得到深度强化学习框架；利用DDPG算法得到最优任务卸载功率分配策略。本发明所提供的方法、装置、设备及计算机可读存储介质，通过DDPG算法解决VEC环境随机且动态的问题，求得车辆用户最优功率分配测量，最小化功率消耗与延迟。
-
公开(公告)号：CN113382066A
公开(公告)日：2021-09-10
申请号：CN202110638706.0
申请日：2021-06-08
Applicant: 江南大学
Abstract: 本发明公开了基于联邦边缘平台的车辆用户选择方法及系统。本发明包括：建立车辆网络的联邦边缘学习训练全局模型；控制每个单位时间收集数据的客户车辆数量，根据数据队列的离开率大于数据队列的到达率，联邦边缘平台以平均时间精度最大化来选择收集数据的客户车辆数量；根据收集数据的客户车辆数量，以其中每个客户车辆的数据量大小、预期时间消耗、预期能量消耗以及生存能力来计算权重，根据权重确定优先级并选择客户车辆。本发明解决了同方向不同速度的车辆网络如果采取车辆本地训练的方式可能会导致高延迟、网络拥塞、计算资源缺乏以及本地训练所需的时间可能影响到行驶中的客户车辆等问题。
-
公开(公告)号：CN113283177A
公开(公告)日：2021-08-20
申请号：CN202110668580.1
申请日：2021-06-16
Applicant: 江南大学
IPC: G06F30/27 , G06F16/9535 , G06F21/62 , G06N3/04
Abstract: 本发明公开了一种基于异步联邦学习的移动感知缓存方法，该方法包括步骤：A、选择自动编码器作为异步联邦学习的模型框架，并创建全局模型；B、根据车辆在当前RSU覆盖范围内的停留时间选择与当前RSU进行异步联邦学习的车辆；C、被选中的车辆从当前RSU中下载全局模型参数；D、根据全局模型参数和最小化正则化损失函数对车辆本地模型进行训练；E、RSU接收训练后的车辆本地模型，并通过权重平均更新全局模型；F、根据更新后的全局模型对内容流行度进行预测，并根据预测结果制定RSU缓存策略。本发明基于异步联邦学习的移动感知缓存方法能够获得较高的缓存命中率、可提升缓存性能、有效保护客户隐私、降低通信成本。
-
公开(公告)号：CN113207085A
公开(公告)日：2021-08-03
申请号：CN202110422957.5
申请日：2021-04-20
Applicant: 江南大学
Abstract: 本发明公开了一种MEC辅助的车队网络的速度自适应接入方法，首先，定义公平性指数衡量不同速度车辆通信的公平性，并得出公平性指数与车辆速度以及车辆在有数据包发送的情况下最小竞争窗口之间关系；其次，利用随机混合系统推导基站覆盖范围内一条通信链路的信息年龄及在饱和条件下网络的平均信息年龄的闭式解；然后，定义每条通信链路的平均退避率和平均服务率，并提出无冲突传输理论；确定基站覆盖范围内的平均车辆数目；最后，通过构建多目标方程，获取最优的不同速度车辆最小竞争窗口大小。本发明计算简便，且在保证不同速度的车辆发送的数据量尽可能相等的同时，使得网络的平均信息年龄与使用标准的IEEE 802.11协议情况下的网络的平均信息年龄几乎相同。
-
公开(公告)号：CN112349082A
公开(公告)日：2021-02-09
申请号：CN202010541957.2
申请日：2020-06-15
Applicant: 江南大学
Abstract: 本发明公开了一种基于人工智能和大数据分析的4G报警系统，所述系统包括：用户端报警app、移动端app、多台PC端、服务器；所述手机端报警app与端app通信连接；所述多台PC端之间通讯连接，所述用户端报警app与多台PC端通过服务器进行通讯；所述用户端报警app包括：视频报警模块、打字报警模块、当前位置模块和个人信息模块。本发明利用人脸识别、大数据分析、路况优化等技术，为用户提供不同情况下的报式，使与用户更及时有效的沟通。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.031 seconds)
