雾无线接入网中基于联邦贝叶斯学习的流行度预测方法

    公开(公告)号:CN115080888A

    公开(公告)日:2022-09-20

    申请号:CN202210771115.5

    申请日:2022-06-30

    Applicant: 东南大学

    Abstract: 本发明公开了一种雾无线接入网中基于联邦贝叶斯学习的流行度预测方法,包含如下步骤:1、根据对内容请求的先验知识,构建内容请求到达概率模型;2、根据训练数据,每个设备利用随机方差减小梯度对模型梯度进行更新;3、对更新后的梯度进行量化、编码后传输到服务器端;4、服务器端进行梯度聚合,并按照哈密顿蒙特卡洛方法进行采样;5、对存在于内容库中的内容和不存在于内容库中的内容分别做流行度预测。本发明有效地利用多个边缘节点的计算资源和本地数据集,高效地训练全局模型。本发明还采用了基于量化、编码的联邦贝叶斯学习,在精度和通信开销之间达到有效权衡,同时可以加速收敛速度,减少预测误差。

    一种信号接收装置及信号接收方法

    公开(公告)号:CN111932851A

    公开(公告)日:2020-11-13

    申请号:CN202010482576.1

    申请日:2020-06-01

    Applicant: 东南大学

    Inventor: 陈世泽

    Abstract: 本发明公开了一种信号接收装置及信号接收方法,该方法包括步骤:S1.信号发射器同时向接收器和发射记录器发出数据信号;S2.接收器对数据信号接收并处理后,将处理结果信号反馈到数据储存器;S3.对比器对比信号发射器发出的数据信号与数据储存器接收到的处理结果信号;S4.若信号发射器发出的数据信号与数据储存器接收到的处理信号结果一致,则进入步骤S5,若接收器发出的数据信号与数据储存器接收到的处理信号不一致,信号发射器再次向接收器和发射记录器发出数据信号;S5.对比器确认信号处理完毕后,同时发送关闭信号指令到信号发射器和数据储存器中。该方法可以快捷的判断出信号是否接收成功,避免人们的重复按压控制器,减轻人们的工作量。

    雾无线接入网中基于联邦贝叶斯学习的流行度预测方法

    公开(公告)号:CN115080888B

    公开(公告)日:2024-11-12

    申请号:CN202210771115.5

    申请日:2022-06-30

    Applicant: 东南大学

    Abstract: 本发明公开了一种雾无线接入网中基于联邦贝叶斯学习的流行度预测方法,包含如下步骤:1、根据对内容请求的先验知识,构建内容请求到达概率模型;2、根据训练数据,每个设备利用随机方差减小梯度对模型梯度进行更新;3、对更新后的梯度进行量化、编码后传输到服务器端;4、服务器端进行梯度聚合,并按照哈密顿蒙特卡洛方法进行采样;5、对存在于内容库中的内容和不存在于内容库中的内容分别做流行度预测。本发明有效地利用多个边缘节点的计算资源和本地数据集,高效地训练全局模型。本发明还采用了基于量化、编码的联邦贝叶斯学习,在精度和通信开销之间达到有效权衡,同时可以加速收敛速度,减少预测误差。

    基于稀疏贝叶斯学习的序贯多帧电阻抗成像图像重建算法

    公开(公告)号:CN111192337A

    公开(公告)日:2020-05-22

    申请号:CN201911345747.X

    申请日:2019-12-24

    Applicant: 东南大学

    Abstract: 本发明提出一种基于稀疏贝叶斯学习的序贯多帧电阻抗成像图像重建算法,属于医学和工业检测技术领域。具体步骤为:首先利用内部电导率变化与相应边界电压变化的近线性关系,将序贯多帧电阻抗层析成像图像的重建建模成一个测量矢量逆问题求解,然后将解矩阵分解以便于基于结构感知的稀疏贝叶斯学习框架的使用,通过采用最大边缘似然方法优化对数代价函数来实现后验分布估计,电导率分布的解矩阵最后由最大后验概率估计给出。和直接利用结构感知稀疏贝叶斯算法等先前的方法相比,本发明降低了计算复杂度,并且具有更好的鲁棒性,同时进一步提高了图像重建的准确度,能够获得更高的图像分辨率。

    基于稀疏贝叶斯学习的序贯多帧电阻抗成像图像重建算法

    公开(公告)号:CN111192337B

    公开(公告)日:2022-11-15

    申请号:CN201911345747.X

    申请日:2019-12-24

    Applicant: 东南大学

    Abstract: 本发明提出一种基于稀疏贝叶斯学习的序贯多帧电阻抗成像图像重建算法,属于医学和工业检测技术领域。具体步骤为:首先利用内部电导率变化与相应边界电压变化的近线性关系,将序贯多帧电阻抗层析成像图像的重建建模成一个测量矢量逆问题求解,然后将解矩阵分解以便于基于结构感知的稀疏贝叶斯学习框架的使用,通过采用最大边缘似然方法优化对数代价函数来实现后验分布估计,电导率分布的解矩阵最后由最大后验概率估计给出。和直接利用结构感知稀疏贝叶斯算法等先前的方法相比,本发明降低了计算复杂度,并且具有更好的鲁棒性,同时进一步提高了图像重建的准确度,能够获得更高的图像分辨率。

    一种无线数据传输终端及传输方法

    公开(公告)号:CN111935723A

    公开(公告)日:2020-11-13

    申请号:CN202010482689.1

    申请日:2020-06-01

    Applicant: 东南大学

    Inventor: 陈世泽

    Abstract: 本发明公开了一种无线数据传输终端及传输方法,包括终端设备、网关、网络服务器;所述网关用于终端设备和网络服务器的数据双向传输以及实时监测网络状态;所述网络服务器用于接收数据和下发命令,并根据网络情况实时进行优化。该无线数据传输终端有效解决了网关布网、支持室内部署、支持室外Class A业务以及室内覆盖设备上下链路不对称的问题;使用SF7、SF9、SF12三种不同速率的网关,提供高速率低延时、中速率中延时的场景,解决额外5-8dB边界不对称问题。

Patent Agency Ranking