-
公开(公告)号：CN119675747A
公开(公告)日：2025-03-21
申请号：CN202411854333.0
申请日：2024-12-16
Applicant: 南京工业大学
Abstract: 一种动态星地网络中接近最优的在轨计算与传输方法，包括步骤：步骤一、将时间线分为多个连续时间片，将每个时间片的星地网络通过建模成有向图，图中的节点表示卫星和地面站，边表示在当前时间片内对应的链路；步骤二、添加存储边、虚拟节点和虚拟边得到时间扩展图；步骤三、为时间扩展图中的每个节点和边分配初始权值；步骤四、根据权值去选择路径并在路径上进行数据计算和路由操作，完成后更新每个节点和边的权值和容量，循环此步骤直到某个节点或者边的权值大于1；步骤五、减少所有路径上计算和传输的数据量，确保流量的可行性。本发明基于权重更新法，能够有效最大化在拓扑结构随时间变化的星地网络上计算并传输的数据吞吐量。
-
公开(公告)号：CN112579285B
公开(公告)日：2023-07-25
申请号：CN202011433118.5
申请日：2020-12-10
Applicant: 南京工业大学
Abstract: 本发明公开了一种面向边缘网络的分布式神经网络协同优化方法。本方法首先将神经网络建模成有向图GN；然后将边缘网络GE和有向图GN通过建模得到特定的辅助图Gd；之后对辅助图Gd进行迭代优化求解当前最小割并得到最终S‑T割集，即面向边缘网络的高效分布式神经网络协同优化策略。本发明结合图理论对神经网络进行分层分区得到了面向边缘网络的高效分布式神经网络协同优化策略。该方法能够明显降低在边缘设备对分布式神经网络进行协同计算的总延迟。
-
公开(公告)号：CN115378701B
公开(公告)日：2025-05-16
申请号：CN202211004055.0
申请日：2022-08-22
Applicant: 南京工业大学
IPC: H04L9/40 , H04L43/04 , H04L43/0876 , G06N3/0464 , G06N3/045 , G06N3/082
Abstract: 本发明公开了一种基于深度学习模型的加密流量识别分类的方法，本方法首先对原始数据进行预处理，然后在时空维度上，利用ResNet‑TCN模型提取时空特征，利用ResNet学习空间特征，ResNet解决深层网络梯度消失、难训练的问题；在时间维度上，利用TCN网络学习加密流量之间潜在的时序特征；利用训练好的模型对加密网络流量进行识别和分类。本发明提高了加密流量识别和分类的精确度，实现了更高的分类性能，解决了现有的加密网络流量识别分类方法采用CNN和RNN等识别分类的精确度和效率不高等问题。
-
公开(公告)号：CN114928609B
公开(公告)日：2023-02-03
申请号：CN202210447941.4
申请日：2022-04-27
Applicant: 南京工业大学
Abstract: 一种物联网场景的异构云‑边环境的最优任务卸载方法，包括步骤：步骤一、将任务应用t通过建模得到有向图GT；步骤二、获取任务应用t中每个任务ti的计算代价和通信代价；然后判断是否所有任务的通信代价都满足边界条件α；步骤三、对步骤一中得到的有向图GT和步骤二中得到的计算代价和通信代价信息进行分析，建模得到特定的辅助图G*；步骤四、在步骤三中得到的辅助图G*上找到最小割集C，并得到该割集C对应的通信代价不对称的云‑边环境中任务卸载的最优卸载策略。本发明利用最大流最小割算法得到分割任务应用并卸载到云‑边环境中进行计算的最优卸载方案。该方法能够明显降低在满足特定场景的异构云‑边环境中卸载整个任务应用的总代价。
-
公开(公告)号：CN114785782B
公开(公告)日：2023-02-03
申请号：CN202210316440.2
申请日：2022-03-29
Applicant: 南京工业大学
IPC: H04L67/10 , H04L67/1074
Abstract: 本发明公开了一种面向异构云‑边计算的通用的任务卸载方法，首先，将任务建模成有向图GT；获取每个任务在不同环境下的计算代价和通信代价；然后，为GT中的任务节点随机初始化卸载分区，定义为初始分区；根据此初始分区为每个任务计算将该任务从当前分区移动到对面分区获得的增益；将初始分区根据增益进行迭代优化之后获得最终分区，该最终分区即对应着最终的任务卸载策略。本发明利用迭代获取最大增益的方法得到面向异构云‑边环境的高效任务卸载策略，能够明显降低在异构的云‑边环境中卸载整个任务应用的总代价。
-
Patent Agency Ranking
公开(公告)号：CN115378701A
公开(公告)日：2022-11-22
申请号：CN202211004055.0
申请日：2022-08-22
Applicant: 南京工业大学
IPC: H04L9/40 , H04L43/04 , H04L43/0876 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习模型的加密流量识别分类的方法，本方法首先对原始数据进行预处理，然后在时空维度上，利用ResNet‑TCN模型提取时空特征，利用ResNet学习空间特征，ResNet解决深层网络梯度消失、难训练的问题；在时间维度上，利用TCN网络学习加密流量之间潜在的时序特征；利用训练好的模型对加密网络流量进行识别和分类。本发明提高了加密流量识别和分类的精确度，实现了更高的分类性能，解决了现有的加密网络流量识别分类方法采用CNN和RNN等识别分类的精确度和效率不高等问题。
-
公开(公告)号：CN114928609A
公开(公告)日：2022-08-19
申请号：CN202210447941.4
申请日：2022-04-27
Applicant: 南京工业大学
Abstract: 一种物联网场景的异构云‑边环境的最优任务卸载方法，包括步骤：步骤一、将任务应用t通过建模得到有向图GT；步骤二、获取任务应用t中每个任务ti的计算代价和通信代价；然后判断是否所有任务的通信代价都满足边界条件α；步骤三、对步骤一中得到的有向图GT和步骤二中得到的计算代价和通信代价信息进行分析，建模得到特定的辅助图G*；步骤四、在步骤三中得到的辅助图G*上找到最小割集C，并得到该割集C对应的通信代价不对称的云‑边环境中任务卸载的最优卸载策略。本发明利用最大流最小割算法得到分割任务应用并卸载到云‑边环境中进行计算的最优卸载方案。该方法能够明显降低在满足特定场景的异构云‑边环境中卸载整个任务应用的总代价。
-
公开(公告)号：CN113838014A
公开(公告)日：2021-12-24
申请号：CN202111078204.3
申请日：2021-09-15
Applicant: 南京工业大学
Abstract: 一种基于双重空间扭曲的航空发动机损伤视频检测方法，步骤包括：步骤1，确定孔探视频中的关键帧；若当前帧为关键帧，则执行步骤2，若当前帧为非关键帧，则执行步骤3；步骤2，提取当前视频帧的多尺度语义特征图；步骤3，通过计算当前帧与其前一帧之间的光流场，得到扭曲语义特征图；若当前帧为关键帧的下一帧，则执行步骤5，否则执行步骤4；步骤4，通过计算关键帧到当前帧之间连续帧对的扭曲光流场得到当前帧的扭曲语义特征图；步骤5，对步骤2得到的多尺度语义特征图以及步骤3或步骤4得到的扭曲语义特征图进行特征解码，得到当前帧的语义分割图。本发明的方法将双流场用于扭曲关键帧特征，可以解决孔探视频中快速移动对象的扭曲误差。
-
公开(公告)号：CN112579285A
公开(公告)日：2021-03-30
申请号：CN202011433118.5
申请日：2020-12-10
Applicant: 南京工业大学
Abstract: 本发明公开了一种面向边缘网络的分布式神经网络协同优化方法。本方法首先将神经网络建模成有向图GN；然后将边缘网络GE和有向图GN通过建模得到特定的辅助图Gd；之后对辅助图Gd进行迭代优化求解当前最小割并得到最终S‑T割集，即面向边缘网络的高效分布式神经网络协同优化策略。本发明结合图理论对神经网络进行分层分区得到了面向边缘网络的高效分布式神经网络协同优化策略。该方法能够明显降低在边缘设备对分布式神经网络进行协同计算的总延迟。
-
公开(公告)号：CN110445866A
公开(公告)日：2019-11-12
申请号：CN201910739002.5
申请日：2019-08-12
Applicant: 南京工业大学
IPC: H04L29/08
Abstract: 本发明公开了一种移动边缘计算环境中任务迁移和协作式负载均衡方法，包括：周期初始微云检查是否有新的微云进入自己的通信范围，如果有，则更新邻居微云的列表；计算各邻居微云的当前负载，计算各邻居微云的延迟指标并广播；由得到的延迟指标，计算延迟参数和迁移概率，确定最优迁移对象；将任务迁移到最优迁移对象的邻居微云；进入下一个周期并回到步骤一执行，直到计算任务结束；计算最大负载、失衡度量和统计偏度，并进行负载均衡。所述方法根据微云当前的负载信息为移动用户选择最优的任务迁移对象；以及针对微云的协作式负载均衡策略，只需获取局部信息就可以有效地实现移动微云之间的负载均衡。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.022 seconds)
