-
公开(公告)号：CN118019032A
公开(公告)日：2024-05-10
申请号：CN202410195202.X
申请日：2024-02-22
Applicant: 南京工程学院
Inventor： 邱鹏
Abstract: 本发明提供一种面向6G网络的基于联邦学习的最小化网络延迟方法和系统，方法中，对6G网络的无线终端设备和服务器的交互行为建立联邦学习模型，进行基于联邦学习的多轮局部模型训练。再构建斯塔克尔伯格模型中的追随者无线终端设备的效用函数，建立激励机制促使无线终端设备对最大化效用函数感兴趣。然后，在最大化无线终端设备的效用函数的前提下最小化服务器的全局收敛时间，以实现最小化6G网络延迟，达到博弈均衡。本发明能够增加无线终端设备的有效回报，同时缩短联邦学习进程中服务器的全局收敛时间，减少6G网络延迟。
-
公开(公告)号：CN116319168A
公开(公告)日：2023-06-23
申请号：CN202310268859.X
申请日：2023-03-20
Applicant: 南京工程学院
IPC: H04L12/46 , H04L61/103 , H04L67/12 , H04L41/12 , H04L41/14
Abstract: 本发明提供一种跨区域企业园区网络的组网方法和系统，其中方法包括对跨区域企业园区网络的拓扑结构进行自治域划分和网络地址规划；部署跨区域企业园区网络的虚拟局域网干道协议、二层端口、网络系统可扩展性和安全验证以配置网络交换层；部署跨区域企业园区网络的核心交换网自治域、总部自治域、分部自治域及互联网服务以配置网络路由层。本发明能够精简网络管理且易于维护，在规划好的网络结构内提供各个网络接入控制，节约运行开销；能够有效防止在数据传输过程中自身路由信息被恶意利用，也起到了防止外部设备接入后对网络设备端口进行恶意操作的保护作用，从而将企业网的风险尽可能降到最低。
-
公开(公告)号：CN115713095A
公开(公告)日：2023-02-24
申请号：CN202211500137.4
申请日：2022-11-28
Applicant: 南京工程学院
Abstract: 本发明提供一种基于混合深度神经网络的天然气管道异常检测方法和系统，其中方法包括归一化天然气管道的特征数据，得到输入特征值；根据输入特征值构建栈式稀疏去噪自编码器深度神经网络模型作为第一混合深度神经网络；根据输入特征值构建代价函数，以代价函数进行第一混合深度神经网络的无监督特征学习，得到第二混合深度神经网络；添加监督分类器至第二混合深度神经网络，得到第三混合深度神经网络；将输入特征值输入至第三混合深度神经网络，得到输出特征值；利用监督分类器计算输出特征值的最大概率值；缩小输出特征值的最大概率值与标签的差值。本发明能够在遭到入侵攻击或发生异常时提高异常检测精度，降低异常检测的假阳性率。
-
公开(公告)号：CN106850306A
公开(公告)日：2017-06-13
申请号：CN201710088329.1
申请日：2017-02-17
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于skyline计算的非线性服务组合方法，包含以下步骤：步骤一：通过skyline计算获得每个服务群的skyline服务集合；步骤二：将skyline服务集合进行0‑1非线性规划建模；步骤三；利用非线性整数规划求解器Bonmin对0‑1非线性规划模型进行求解；步骤四：根据求解结果，选择最优服务组合方案。本发明可以在保证组合服务质量的基础上显著提高服务组合的效率。
-
Patent Agency Ranking
公开(公告)号：CN107330410B
公开(公告)日：2020-06-30
申请号：CN201710535492.8
申请日：2017-07-03
Applicant: 南京工程学院
Abstract: 本发明提供一种复杂环境下基于深度学习的异常检测方法，通过将卷积神经网络回归法提取的物体时空特征输入LSTM模型，追踪复杂环境中多物体的运动轨迹；在多物体无规则运动的情况下捕捉相邻个体的非线性时空动作，评估相邻个体间运动轨迹的依赖性，预测它们未来的运动轨迹；根据个体未来运动轨迹的异常概率来完成异常检测。该方法能够降低对于图像的误检率，现有技术主要是检测单个物体的时空特征，并未考虑复杂环境下相邻个体运动轨迹存在相互干扰的情况，本发明所述的LSTM模型，通过评估相干个体间的依赖性，使用编码解码框架预测物体未来运动轨迹，从而能够在对多物体运动进行异常检测时获得更精确的结果。
-
公开(公告)号：CN106878140B
公开(公告)日：2020-04-21
申请号：CN201710180652.1
申请日：2017-03-23
Applicant: 南京工程学院
Abstract: 本发明提供一种通过Internet‑Zigbee网关连接因特网和Zigbee传感网的方法，通过Internet‑Zigbee网关的数据转化中心转化传输因特网用户与Zigbee传感器间的信息，实现因特网和Zigbee传感网的网络互联，具体为：在网关的数据转化中心转化传输因特网用户请求信息给Zigbee传感器，在网关的数据转化中心转化传输Zigbee传感器信息给因特网用户；根据网关的嵌入式web服务器产生的一个HTML响应，使得用户能够通过浏览器查看Zigbee传感器信息。本发明提出的因特网和Zigbee传感网的连接方法可以实现不同传输协议下的网络互联，尤其是在不同网络协议转化机制非常繁琐的情况下用比较简单的数据转化完成信息的有效传输，能够解决异构无线网络融合问题。
-
公开(公告)号：CN106850306B
公开(公告)日：2019-10-18
申请号：CN201710088329.1
申请日：2017-02-17
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于skyline计算的非线性服务组合方法，包含以下步骤：步骤一：通过skyline计算获得每个服务群的skyline服务集合；步骤二：将skyline服务集合进行0‑1非线性规划建模；步骤三；利用非线性整数规划求解器Bonmin对0‑1非线性规划模型进行求解；步骤四：根据求解结果，选择最优服务组合方案。本发明可以在保证组合服务质量的基础上显著提高服务组合的效率。
-
公开(公告)号：CN107330410A
公开(公告)日：2017-11-07
申请号：CN201710535492.8
申请日：2017-07-03
Applicant: 南京工程学院
Abstract: 本发明提供一种复杂环境下基于深度学习的异常检测方法，通过将卷积神经网络回归法提取的物体时空特征输入LSTM模型，追踪复杂环境中多物体的运动轨迹；在多物体无规则运动的情况下捕捉相邻个体的非线性时空动作，评估相邻个体间运动轨迹的依赖性，预测它们未来的运动轨迹；根据个体未来运动轨迹的异常概率来完成异常检测。该方法能够降低对于图像的误检率，现有技术主要是检测单个物体的时空特征，并未考虑复杂环境下相邻个体运动轨迹存在相互干扰的情况，本发明所述的LSTM模型，通过评估相干个体间的依赖性，使用编码解码框架预测物体未来运动轨迹，从而能够在对多物体运动进行异常检测时获得更精确的结果。
-
公开(公告)号：CN106878140A
公开(公告)日：2017-06-20
申请号：CN201710180652.1
申请日：2017-03-23
Applicant: 南京工程学院
Abstract: 本发明提供一种通过Internet‑Zigbee网关连接因特网和Zigbee传感网的方法，通过Internet‑Zigbee网关的数据转化中心转化传输因特网用户与Zigbee传感器间的信息，实现因特网和Zigbee传感网的网络互联，具体为：在网关的数据转化中心转化传输因特网用户请求信息给Zigbee传感器，在网关的数据转化中心转化传输Zigbee传感器信息给因特网用户；根据网关的嵌入式web服务器产生的一个HTML响应，使得用户能够通过浏览器查看Zigbee传感器信息。本发明提出的因特网和Zigbee传感网的连接方法可以实现不同传输协议下的网络互联，尤其是在不同网络协议转化机制非常繁琐的情况下用比较简单的数据转化完成信息的有效传输，能够解决异构无线网络融合问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
