-
公开(公告)号：CN114928893A
公开(公告)日：2022-08-19
申请号：CN202210699515.X
申请日：2022-06-20
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于智能反射面的架构及任务卸载方法，涉及自动驾驶领域。该基于智能反射面的架构及任务卸载方法，包括以下步骤：S1、建立用于任务卸载的车辆‑智能反射面‑边缘计算服务器的无线通信信道；S2、降低系统的时延；S3、映射平面层将边缘设备进行数字孪生体映射；S4、深度强化学习DRL算法从历史数据中随机选择数据；S5、数字孪生网络DTN通过控制平面层对边缘网络EN进行卸载决策以及智能反射面的反射表明元素的反馈；S6、重复步骤S1‑S6直至达到终止条件。通过引入数字孪生技术，动态地监控车联网中的车辆状态以及智能反射面状态，协同调度车联网计算资源，合理分配卸载决策以及通过智能反射面增强任务卸载信道质量。
-
公开(公告)号：CN110265146A
公开(公告)日：2019-09-20
申请号：CN201910519177.5
申请日：2019-06-17
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于Bagging-Fuzzy-GBDT算法的心脏病预测方法，首先根据病人心脏病数据的特点，将数据中取值范围变化大的属性取出，利用模糊逻辑将这些数据进行模糊化；将模糊化的数据与GBDT算法相结合，组成Fuzzy-GBDT心脏病预测算法；最后利用Bagging算法通过m次有放回的采样，增加数据的多样性，将Bagging算法与Fuzzy-GBDT算法相结合，提出本文的Bagging-Fuzzy-GBDT心脏病预测算法。本发明降低了Fuzzy-GBDT预测算法的方差，以此来增加数据的多样性，避免单个点造成过拟合，在兼顾预测算法高泛化性的同时提高预测算法的准确性。(4)本发明通过实验进行了性能评价，结果表明，本发明的Bagging-Fuzzy-GBDT心脏病预测算法同时具有较好的准确性和泛化性。
-
公开(公告)号：CN112000481A
公开(公告)日：2020-11-27
申请号：CN202010864792.2
申请日：2020-08-25
Applicant: 东北大学秦皇岛分校
IPC: G06F9/50 , G06F30/20 , G06F111/04
Abstract: 本发明公开了一种D2D-MEC系统计算能力最大化的任务卸载方法，包括步骤：S1：构建系统模型，并建立任务分配模型，以确立每个本地设备上的每个计算任务的执行位置；S2：构建本地计算模型、无线通道模型、D2D卸载模型和MEC服务器卸载模型，得到系统中每个计算任务的执行时延和能耗；S3：建立求解系统最大计算能力的目标函数P1；S4：将目标函数P1进行分解，分成两部分P2和P3求解。本发明利用D2D技术来扩展传统MEC服务器的计算能力，将更多的计算任务卸载到D2D设备上去执行，并且选择适合于计算任务的D2D设备，从而实现了计算能力最大化。
-
公开(公告)号：CN110414747A
公开(公告)日：2019-11-05
申请号：CN201910729037.0
申请日：2019-08-08
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于深度学习的时空长短期城市人流量预测方法，用于人流量预测。本发明在提取空间相关性时，将邻近区域相关性做局部卷积，将遥远区域相关性用图卷积提取，减少了参数和计算量的同时又兼顾了空间相关性的完整；本发明同时捕捉了短期时间依赖长期的时间依赖，使预测结果在时间维度更精确；本发明将区域语义信息分布考虑进来，将每个区域中的每种类型的感兴趣区域(POI)赋予相应的占比权重，更精确地利用了区域语义对城市人流量的影响。
-
公开(公告)号：CN110351200A
公开(公告)日：2019-10-18
申请号：CN201910756890.1
申请日：2019-08-16
Applicant: 东北大学秦皇岛分校
IPC: H04L12/835 , H04L29/08 , H04W28/02 , H04W28/14 , H04W40/18
Abstract: 本发明公开了一种基于转发任务迁移的机会网络拥塞控制方法，所述机会网络由在有限区域内移动的n个移动节点构成，每个移动节点内部都维护有两个数据结构表：相遇列表和任务托管表。其中拥塞节点及时将部分消息卸载到缓存空间剩余较大的邻居节点中，以降低拥塞的风险；当托管节点再次遇见任务节点时，若此时任务节点的拥塞程度降低，则托管节点将其托管的消息返还给任务节点。本发明通过把高拥塞风险节点内低效用值的消息，暂时卸载到其它相遇概率高且拥塞风险低的节点，达到减少消息丢弃数、提高消息传递成功率的目的。
-
Patent Agency Ranking
公开(公告)号：CN114637863B
公开(公告)日：2024-07-26
申请号：CN202210329811.0
申请日：2022-03-31
Applicant: 东北大学秦皇岛分校
IPC: G06F16/36 , G06F16/9535
Abstract: 本发明提供一种基于传播的知识图谱推荐方法，涉及推荐系统技术领域。由双端知识传播模块、循环注意力嵌入模块、推荐预测模块以及推荐解释模块组成。双端知识传播模块包括双端传播和双向知识传播，双端传播进行用户和物品信息的知识映射，双向知识传播是将用户和物品的信息在知识图谱上进行传播更新；循环注意力嵌入模块采用基于循环神经网络的注意力机制，学习实体迭代更新过程中邻居实体的权重；推荐预测模块通过聚合知识传播后得到的多层向量表示更新用户和物品嵌入向量，并采用内积操作得到最终的预测交互概率；推荐解释模块通过融合用户—物品交互图和知识图谱，挖掘目标用户到推荐结果之间的潜在联系，并以图结构的形式给出解释结果。
-
公开(公告)号：CN114928893B
公开(公告)日：2024-04-16
申请号：CN202210699515.X
申请日：2022-06-20
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于智能反射面的架构及任务卸载方法，涉及自动驾驶领域。该基于智能反射面的架构及任务卸载方法，包括以下步骤：S1、建立用于任务卸载的车辆‑智能反射面‑边缘计算服务器的无线通信信道；S2、降低系统的时延；S3、映射平面层将边缘设备进行数字孪生体映射；S4、深度强化学习DRL算法从历史数据中随机选择数据；S5、数字孪生网络DTN通过控制平面层对边缘网络EN进行卸载决策以及智能反射面的反射表明元素的反馈；S6、重复步骤S1‑S6直至达到终止条件。通过引入数字孪生技术，动态地监控车联网中的车辆状态以及智能反射面状态，协同调度车联网计算资源，合理分配卸载决策以及通过智能反射面增强任务卸载信道质量。
-
公开(公告)号：CN110351200B
公开(公告)日：2022-07-01
申请号：CN201910756890.1
申请日：2019-08-16
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于转发任务迁移的机会网络拥塞控制方法，所述机会网络由在有限区域内移动的n个移动节点构成，每个移动节点内部都维护有两个数据结构表：相遇列表和任务托管表。其中拥塞节点及时将部分消息卸载到缓存空间剩余较大的邻居节点中，以降低拥塞的风险；当托管节点再次遇见任务节点时，若此时任务节点的拥塞程度降低，则托管节点将其托管的消息返还给任务节点。本发明通过把高拥塞风险节点内低效用值的消息，暂时卸载到其它相遇概率高且拥塞风险低的节点，达到减少消息丢弃数、提高消息传递成功率的目的。
-
公开(公告)号：CN110265146B
公开(公告)日：2022-05-27
申请号：CN201910519177.5
申请日：2019-06-17
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于Bagging‑Fuzzy‑GBDT算法的心脏病预测方法，首先根据病人心脏病数据的特点，将数据中取值范围变化大的属性取出，利用模糊逻辑将这些数据进行模糊化；将模糊化的数据与GBDT算法相结合，组成Fuzzy‑GBDT心脏病预测算法；最后利用Bagging算法通过m次有放回的采样，增加数据的多样性，将Bagging算法与Fuzzy‑GBDT算法相结合，提出本文的Bagging‑Fuzzy‑GBDT心脏病预测算法。本发明降低了Fuzzy‑GBDT预测算法的方差，以此来增加数据的多样性，避免单个点造成过拟合，在兼顾预测算法高泛化性的同时提高预测算法的准确性。(4)本发明通过实验进行了性能评价，结果表明，本发明的Bagging‑Fuzzy‑GBDT心脏病预测算法同时具有较好的准确性和泛化性。
-
公开(公告)号：CN114637863A
公开(公告)日：2022-06-17
申请号：CN202210329811.0
申请日：2022-03-31
Applicant: 东北大学秦皇岛分校
IPC: G06F16/36 , G06F16/9535
Abstract: 本发明提供一种基于传播的知识图谱推荐方法，涉及推荐系统技术领域。由双端知识传播模块、循环注意力嵌入模块、推荐预测模块以及推荐解释模块组成。双端知识传播模块包括双端传播和双向知识传播，双端传播进行用户和物品信息的知识映射，双向知识传播是将用户和物品的信息在知识图谱上进行传播更新；循环注意力嵌入模块采用基于循环神经网络的注意力机制，学习实体迭代更新过程中邻居实体的权重；推荐预测模块通过聚合知识传播后得到的多层向量表示更新用户和物品嵌入向量，并采用内积操作得到最终的预测交互概率；推荐解释模块通过融合用户—物品交互图和知识图谱，挖掘目标用户到推荐结果之间的潜在联系，并以图结构的形式给出解释结果。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.026 seconds)
