公开(公告)号：CN113987692A

公开(公告)日：2022-01-28

申请号：CN202111627783.2

申请日：2021-12-29

Applicant: 华东交通大学

Inventor： 邓芳明 ,  曾紫琪 ,  解忠鑫 ,  韦宝泉 ,  曾晗 ,  毛威 ,  单运

IPC: G06F30/15 ,  G06F30/27 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12 ,  G06F111/08

Abstract: 本发明公开了一种用于无人机和边缘计算服务器的深度神经网络分区方法，该方法首先建立系统成本模型，然后将无人机与边缘计算服务器执行DNN过程中的分区决策问题，转化为粒子寻优问题，且基于混沌变异二进制粒子群算法对二进制粒子寻优问题进行求解，得出无人机与边缘计算服务器之间最优分区点，能够最大限度的利用无人机的计算资源，实现系统能耗和时延总成本的最小化，有效的提高了无人机执行任务的效率，本发明能够根据DNN的分层结构和输出数据大小，以及每层网络计算所需能耗，在移动设备和边缘计算服务器之间合理划分DNN。

公开(公告)号：CN111402253B

公开(公告)日：2023-04-07

申请号：CN202010257668.X

申请日：2020-04-03

Applicant: 华东交通大学

Inventor： 邓芳明 ,  温开云 ,  解忠鑫 ,  左鹏奇 ,  单运 ,  孙志鹏

IPC: G06T7/00 ,  G06T5/00 ,  G06V10/764 ,  H04L67/12 ,  H04W4/30 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种融合边缘计算和深度学习的输变电设备状态在线监测方法，所述方法通过监测设备层完成输变电设备图像信息的采集；边缘网络层实现监测设备层与边缘服务器层之间的相互通信；边缘服务器层将采集的输变电设备图像信息进行预处理；移动核心网层实现边缘服务器层与云服务器层之间的相互通信；由云服务器层根据融合边缘计算和已训练的深度学习模型完成输变电设备状态分类及故障识别。相比于现有的输变电设备状态在线监测方法，该输变电设备状态在线监测技术具有识别精度高、传输时延低、成本低等优点。

公开(公告)号：CN113987692B

公开(公告)日：2022-03-22

申请号：CN202111627783.2

申请日：2021-12-29

Applicant: 华东交通大学

Inventor： 邓芳明 ,  曾紫琪 ,  解忠鑫 ,  韦宝泉 ,  曾晗 ,  毛威 ,  单运

IPC: G06F30/15 ,  G06F30/27 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12 ,  G06F111/08

Abstract: 本发明公开了一种用于无人机和边缘计算服务器的深度神经网络分区方法，该方法首先建立系统成本模型，然后将无人机与边缘计算服务器执行DNN过程中的分区决策问题，转化为粒子寻优问题，且基于混沌变异二进制粒子群算法对二进制粒子寻优问题进行求解，得出无人机与边缘计算服务器之间最优分区点，能够最大限度的利用无人机的计算资源，实现系统能耗和时延总成本的最小化，有效的提高了无人机执行任务的效率，本发明能够根据DNN的分层结构和输出数据大小，以及每层网络计算所需能耗，在移动设备和边缘计算服务器之间合理划分DNN。

公开(公告)号：CN111402253A

公开(公告)日：2020-07-10

申请号：CN202010257668.X

申请日：2020-04-03

Applicant: 华东交通大学

Inventor： 邓芳明 ,  温开云 ,  解忠鑫 ,  左鹏奇 ,  单运 ,  孙志鹏

IPC: G06T7/00 ,  G06T5/00 ,  G06K9/62 ,  H04L29/08 ,  H04W4/30 ,  G06N3/04 ,  G06N3/08

Abstract: 一种融合边缘计算和深度学习的输变电设备状态在线监测方法，所述方法通过监测设备层完成输变电设备图像信息的采集；边缘网络层实现监测设备层与边缘服务器层之间的相互通信；边缘服务器层将采集的输变电设备图像信息进行预处理；移动核心网层实现边缘服务器层与云服务器层之间的相互通信；由云服务器层根据融合边缘计算和已训练的深度学习模型完成输变电设备状态分类及故障识别。相比于现有的输变电设备状态在线监测方法，该输变电设备状态在线监测技术具有识别精度高、传输时延低、成本低等优点。