-
公开(公告)号：CN118972900B
公开(公告)日：2025-02-11
申请号：CN202411460580.2
申请日：2024-10-18
Applicant: 南京邮电大学 , 江苏移动信息系统集成有限公司
Abstract: 本发明公开了基于图神经网络的空天地网络流量卸载决策方法及系统，涉及通信网络优化技术领域，包括：接收空天地一体化网络中的节点相关数据，将节点相关数据进行时间窗口划分，并进行特征提取，得到节点特征数据，其中，所述节点相关数据包括节点连接状态数据和节点间的实时流量数据；将节点特征数据输入至预先建立的图神经网络模型GNN内，通过对节点和边的特征进行编码和聚合，生成每个节点的表示向量，利用每个节点的表示向量对GNN进行训练，得到训练后的GNN；接收空天地一体化网络中的网络状态和节点特征，输入至训练后的GNN内，输出得到性能预测结果，基于性能预测结果，结合多目标优化技术，从而实现网络整体的流量最佳卸载。
-
公开(公告)号：CN116911405A
公开(公告)日：2023-10-20
申请号：CN202310770223.5
申请日：2023-06-27
Applicant: 中国移动通信集团江苏有限公司 , 南京邮电大学 , 江苏移动信息系统集成有限公司 , 中国移动通信集团有限公司
Abstract: 本申请公开了一种基于多因素的车联网联邦学习激励方法及其相关设备，该方法包括：接收任务发布者发布的训练任务所对应的待训练联邦模型；将所述待训练联邦模型发送给相应覆盖范围内选择参加训练的参与车辆，以供其利用自身数据库对所述待训练联邦模型进行联邦训练，并将训练得到的模型相关信息上传到路边单元，其中，对待训练联邦模型训练结束后，所得到的模型为目标模型；根据参与车辆上传的所述模型相关信息，计算所述参与车辆对所述目标模型的贡献度，并将所述贡献度对应激励发送给所述参与车辆，所述贡献度包括参与车辆在质量因素、时间因素以及信用因素上对所述目标模型的贡献度。本申请解决旨在提升激励的合理性。
-
公开(公告)号：CN118972900A
公开(公告)日：2024-11-15
申请号：CN202411460580.2
申请日：2024-10-18
Applicant: 南京邮电大学 , 江苏移动信息系统集成有限公司
Abstract: 本发明公开了基于图神经网络的空天地网络流量卸载决策方法及系统，涉及通信网络优化技术领域，包括：接收空天地一体化网络中的节点相关数据，将节点相关数据进行时间窗口划分，并进行特征提取，得到节点特征数据，其中，所述节点相关数据包括节点连接状态数据和节点间的实时流量数据；将节点特征数据输入至预先建立的图神经网络模型GNN内，通过对节点和边的特征进行编码和聚合，生成每个节点的表示向量，利用每个节点的表示向量对GNN进行训练，得到训练后的GNN；接收空天地一体化网络中的网络状态和节点特征，输入至训练后的GNN内，输出得到性能预测结果，基于性能预测结果，结合多目标优化技术，从而实现网络整体的流量最佳卸载。
-
公开(公告)号：CN116737386A
公开(公告)日：2023-09-12
申请号：CN202310773431.0
申请日：2023-06-27
Applicant: 中国移动通信集团江苏有限公司 , 南京邮电大学 , 江苏移动信息系统集成有限公司 , 中国移动通信集团有限公司
IPC: G06F9/50 , H04L67/1001 , H04L43/0852 , H04L43/08 , H04L67/12
Abstract: 本申请公开了一种车联网边缘计算的任务卸载方法、装置、设备及存储介质，所述车联网边缘计算的任务卸载方法包括：计算任务车辆与卸载对象之间的通信指标，其中，所述通信指标至少包括目标时延、信号传播距离、协同概率以及剩余计算资源中的一项；基于所述通信指标，构建时延优化模型；对所述时延优化模型进行最优化求解，得到最优卸载决策，并基于所述最优卸载决策，将所述任务车辆的待卸载任务卸载至所述卸载对象。本申请通过综合计算任务车辆与卸载对象之间目标时延、信号传播距离、协同概率以及剩余计算资源等多维度通信指标，对卸载到各卸载对象的任务进行了合理分配，实现充分利用计算资源，使任务车辆对卸载到各节点的任务量分配的更准确。
-
公开(公告)号：CN119539028A
公开(公告)日：2025-02-28
申请号：CN202411362878.X
申请日：2024-09-27
Applicant: 南京邮电大学
IPC: G06N3/098 , G06N3/082 , G06N3/0464
Abstract: 本发明涉及分布式学习和无线通信技术领域，特别是一种残差自适应压缩的高效通信联邦学习模型训练方法及系统。客户端获取全局模型并更新；利用本地模型内存集和更新模型权重获得本地模型残差；对残差进行自适应稀疏压缩并传输至服务器；服务器选择可靠客户端进行模型权重预测和聚合；将更新后的全局模型广播至客户端，重复上述步骤直至收敛。本发明通过自适应压缩和可靠客户端选择，显著降低了通信开销，提高了模型收敛速度和最终性能。特别适用于资源受限的边缘计算场景，有效解决了联邦学习中的通信效率、模型性能和隐私保护等关键问题，为联邦学习的广泛应用提供了新的可能性。
-
Patent Agency Ranking
公开(公告)号：CN119255214A
公开(公告)日：2025-01-03
申请号：CN202411421078.0
申请日：2024-10-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向联邦边缘学习的D2D配对及设备调度的联合方法，属于联邦边缘学习环境下的设备参与及数据共享技术领域。本发明提出了一个支持D2D通信联邦边缘学习架构，主要关注D2D设备对的关联方式和实体调度策略，重点考虑通信丢包错误率、移动设备的数据异构特性对模型的收敛性能影响，旨在改善由于基站频谱资源有限造成的设备接入数量限制问题。本方法引入设备关联调度策略，增强联邦边缘学习系统对波动通信条件的弹性；通过引入公平性约束，保障每个设备都有机会参与训练，使得全局模型学习的数据更全面；通过引入D2D通信增加基站接入量，改善边缘联邦学习的性能；在满足边缘基站接收容量限制的条件下最小化全局损失。
-
公开(公告)号：CN115100486B
公开(公告)日：2024-11-08
申请号：CN202210637330.6
申请日：2022-06-07
Applicant: 南京邮电大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种智慧医疗场景下时间相关特征挖掘的中草药识别方法，包括：构建中草药图像样本数据集；采用金字塔网络模型对导入的中草药图片进行处理，以输出具有空间敏感度的高分辨率特征图，减少空间流和语义流上特征图进行特征融合时出现空间信息定位偏差；构建激活区域生成网络，获取中草药时间序列特征中的时间不变特征；构建特征映射结构块，针对当前生长周期的中草药特征与其余生长周期的中草药特征建立映射关系；构建中草药识别网络模型，得到中草药识别结果。本发明通过在中草药数据集上进行训练提取泛化的不同种类的中草药所具有的特征表示，提高对同一种类的相似中草药的识别准确度和判断中草药质量参差的准确度。
-
公开(公告)号：CN118822113A
公开(公告)日：2024-10-22
申请号：CN202411311401.9
申请日：2024-09-20
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京邮电大学
IPC: G06Q10/063 , G06Q50/06
Abstract: 本发明公开一种电力物联网的多源数据处理方法、装置、设备及介质，涉及电力物联网数据处理技术领域。该方法应用于电力物联网包括平台侧和边缘侧的策略层，该方法包括：通过数据分发节点接收至少一个待分发源节点的业务数据；通过数据分发节点基于各待分发源节点的业务数据确定各待分发源节点优先级，根据优先级确定目标待分发源节点集合，将各目标待分发源节点业务数据构成的目标业务数据集发送到平台侧；利用平台侧的预设神经网络提取目标业务数据集的语义特征集合，将语义特征映射为对应的码字并发送至对应的目标节点，其中任意两个语义特征的关联度满足预设条件时，被映射为同一个码字。有效的提升了数据的处理效率。
-
公开(公告)号：CN118535746A
公开(公告)日：2024-08-23
申请号：CN202410489060.8
申请日：2024-04-23
Applicant: 南京邮电大学 , 中冶武勘工程技术有限公司
IPC: G06F16/36 , G06F40/295 , G06N5/022 , G06F16/28
Abstract: 本发明公开了一种面向能源站运维管理的多层次知识图谱构建方法，包括：获取能源站层面数据，对所述能源站层面数据进行关系抽取并构建单层数据切面，将所述单层数据切面进行实体对齐，通过数据融合形成单层次知识图谱；对所述单层次知识图谱进行整合得到多层次知识，所述整合包括，通过对不同层的知识图谱进行实体对齐，并创建融合静态属性相似度和迭代关系相似度调整的综合评分体系得到对齐实体；通过所述对齐实体，计算不同的所述单层次知识图谱之间的实体对齐率，根据所述实体对齐率判断不同图谱之间是否达到预设阈值建立链接，根据所述判断结果对多层次知识图谱进行质量评估，减少了资源浪费，增强了能源站对于突发事件的应对能力。
-
公开(公告)号：CN118510017A
公开(公告)日：2024-08-16
申请号：CN202410392738.0
申请日：2024-04-02
Applicant: 南京邮电大学
IPC: H04W72/0453 , H04W72/541 , H04W4/70
Abstract: 本发明公开了一种超密集工业物联网中基于超图匹配的频谱分配和设备管联方法，包括：针对超密集工业物联网宏小区场景中网络实体间的资源使用特征，构建了密集部署飞蜂窝基站的IIoT宏小区场景；在该场景中引入一对多的设备到设备(D2D)通信技术以减少设备之间的干扰并考虑非正交多址接入技术(NOMA)以支持工业物联网设备(IIoTE)的多址接入；在构建宏小区中飞蜂窝基站及其内部设备之间的超图干扰模型时，将飞蜂窝接入点(FAP)定义为顶点，干扰定义为边和超边构建超图模型；根据得到的超图让产生较少干扰的基站共享同一频谱并使用基于超图的最大顶点权重团算法，实现频谱资源最优化分配以及频谱共享最佳匹配。本发明能够显著提高频谱效率，具有广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
426
records
(took 0.075 seconds)
