公开(公告)号：CN114143891B

公开(公告)日：2024-08-16

申请号：CN202111447130.6

申请日：2021-11-30

Applicant: 南京工业大学

Inventor： 高志宇 ,  王天荆 ,  沈航 ,  白光伟 ,  田一博

IPC: H04W72/54 ,  H04W72/542 ,  G06N3/098 ,  G06N3/092

Abstract: 现有技术中，移动边缘网络呈现出智能化、多元化、综合化的趋势，使得多维资源最优分配面临诸多挑战。为了提升多维资源优化的精确性，本发明提出一种移动边缘网络中基于FDQL的多维资源协同优化方法。本方法以最小化MOS为优化目标来构建多维资源分配模型，并设计一种双层的决策方案。首先，底层的基站利用双深度Q学习DDQL进行局部模型训练以获得短周期内最优决策；然后，上层的边缘节点利用联邦深度学习FDQL进行全局模型训练以降低长周期内分布式决策的偏差。实验结果表明，所提算法在降低内容服务时延和提高用户体验质量方面都优于其它方法。

公开(公告)号：CN112801411B

公开(公告)日：2024-02-09

申请号：CN202110222903.4

申请日：2021-02-26

Applicant: 南京工业大学

Inventor： 高志宇 ,  王天荆 ,  唐昊 ,  沈航 ,  李玉阁

IPC: G06Q10/04 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/045 ,  G06N3/088

Abstract: 随着无线接入用户需求爆炸式增长，5G网络流量指数级增长且呈现出多样性、异构性趋势，使得网络流量预测面临诸多挑战。针对5G网络部署宏基站、微基站与微微基站的多层架构，本发明提出一种基于生成对抗网络的网络流量预测方法：首先，生成网络分别捕捉流量时空特征与基站类型特征，将拼接特征输入复合残差模块生成预测流量，并将生成流量输入判别网络；接着，判别网络判断生成流量是真实流量还是预测流量；最后，经过生成网络与判别网络的博弈对抗使生成网络生成高精度的预测流量。实验结果表明，GAN的二维均方根预测误差分别比2DCNN、3DCNN和ConvLSTM降低了58.64％、38.74％和(56)对比文件BARLACCHI G，NADAI M D，LARCHER R，etal..A multi-source dataset ofurban lifein the city of Milan and the Province ofTrentino.ScientificData.2015,第2卷(第1期),第150055页.

公开(公告)号：CN112801411A

公开(公告)日：2021-05-14

申请号：CN202110222903.4

申请日：2021-02-26

Applicant: 南京工业大学

Inventor： 高志宇 ,  王天荆 ,  唐昊 ,  沈航 ,  李玉阁

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08

Abstract: 随着无线接入用户需求爆炸式增长，5G网络流量指数级增长且呈现出多样性、异构性趋势，使得网络流量预测面临诸多挑战。针对5G网络部署宏基站、微基站与微微基站的多层架构，本发明提出一种基于生成对抗网络的网络流量预测方法：首先，生成网络分别捕捉流量时空特征与基站类型特征，将拼接特征输入复合残差模块生成预测流量，并将生成流量输入判别网络；接着，判别网络判断生成流量是真实流量还是预测流量；最后，经过生成网络与判别网络的博弈对抗使生成网络生成高精度的预测流量。实验结果表明，GAN的二维均方根预测误差分别比2DCNN、3DCNN和ConvLSTM降低了58.64％、38.74％和34.88％，具有最优的流量预测性能。

公开(公告)号：CN111193564B

公开(公告)日：2021-01-12

申请号：CN201911351647.8

申请日：2019-12-25

Applicant: 南京工业大学

Inventor： 王天荆 ,  王敏 ,  高志宇 ,  白光伟 ,  沈航

IPC: H04B17/382 ,  H04L29/06

Abstract: 一种抗御智能SSDF攻击的宽带加权协作频谱感知算法，首先通过分析恶意用户智能攻击的特点，结合能量预处理与主成分分析来识别出恶意用户；其次，中心节点根据滑动时间窗内各邻居节点的历史与当前频谱判决结果来建立信誉模型，实时更新它的信誉值；最后，利用识别后的观测向量集进行基于先验条件的组稀疏联合重构，准确地获得各子信道频谱占用情况。仿真结果表明：对比传统的R‑WCCSS算法，本文算法在智能SSDF攻击下频谱检测概率提高了16.7％，显著改善了认知网络的协作频谱感知性能，实现了高效的频谱共享。

公开(公告)号：CN111193564A

公开(公告)日：2020-05-22

申请号：CN201911351647.8

申请日：2019-12-25

Applicant: 南京工业大学

Inventor： 王天荆 ,  王敏 ,  高志宇 ,  白光伟 ,  沈航

IPC: H04B17/382 ,  H04L29/06

Abstract: 一种抗御智能SSDF攻击的宽带加权协作频谱感知算法，首先通过分析恶意用户智能攻击的特点，结合能量预处理与主成分分析来识别出恶意用户；其次，中心节点根据滑动时间窗内各邻居节点的历史与当前频谱判决结果来建立信誉模型，实时更新它的信誉值；最后，利用识别后的观测向量集进行基于先验条件的组稀疏联合重构，准确地获得各子信道频谱占用情况。仿真结果表明：对比传统的R-WCCSS算法，本文算法在智能SSDF攻击下频谱检测概率提高了16.7％，显著改善了认知网络的协作频谱感知性能，实现了高效的频谱共享。

公开(公告)号：CN114143891A

公开(公告)日：2022-03-04

申请号：CN202111447130.6

申请日：2021-11-30

Applicant: 南京工业大学

Inventor： 高志宇 ,  王天荆 ,  沈航 ,  白光伟 ,  田一博

IPC: H04W72/08 ,  G06N3/04 ,  G06N3/08

Abstract: 现有技术中，移动边缘网络呈现出智能化、多元化、综合化的趋势，使得多维资源最优分配面临诸多挑战。为了提升多维资源优化的精确性，本发明提出一种移动边缘网络中基于FDQL的多维资源协同优化方法。本方法以最小化MOS为优化目标来构建多维资源分配模型，并设计一种双层的决策方案。首先，底层的基站利用双深度Q学习DDQL进行局部模型训练以获得短周期内最优决策；然后，上层的边缘节点利用联邦深度学习FDQL进行全局模型训练以降低长周期内分布式决策的偏差。实验结果表明，所提算法在降低内容服务时延和提高用户体验质量方面都优于其它方法。