-
公开(公告)号：CN113709882A
公开(公告)日：2021-11-26
申请号：CN202110975210.2
申请日：2021-08-24
Applicant: 吉林大学
Abstract: 本发明公开了一种基于图论和强化学习的车联网通信资源分配方法，所述方法包括如下步骤：一、根据具体场景建模RRM问题；二、将RRM问题分解为信道分配CA以及功率控制PC子问题，为RRM的最优解提供了下界；三、将CA问题转化为二部图上的最大加权匹配问题，利用匈牙利算法求解；四、根据问题分解原则，将CA问题获得的信道分配方案带入到PC问题中；五、将PC问题转换为MDP模型，利用DDPG算法求解，得到车联网资源分配策略。本发明基于强化学习的方式通过线下学习、线上决策的方式使得资源分配方法达到实时决策的效果，解决固定分配方式带来的决策延迟、决策效率低的问题。
-
公开(公告)号：CN118052814B
公开(公告)日：2024-06-14
申请号：CN202410444012.7
申请日：2024-04-15
Applicant: 吉林大学
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/82 , G01N35/00 , G01N1/06 , G01N1/28 , G01N1/30 , G01N1/31 , G01N1/36 , G01N21/84
Abstract: 本申请公开了一种基于AI技术的全自动标本前处理系统及方法，涉及AI领域，其通过利用基于深度学习的图像处理技术和智能化算法来对标本图像进行多尺度和多层次的特征提取，从中挖掘关于标本的类别信息，从而利用这种隐含的类别特征信息来实现对标本类型的自动识别，为后续的科研和实验工作提供更强大的支持和便利。
-
Patent Agency Ranking
公开(公告)号：CN113709882B
公开(公告)日：2023-10-17
申请号：CN202110975210.2
申请日：2021-08-24
Applicant: 吉林大学
IPC: H04W72/044 , H04W4/40 , H04W72/0446
Abstract: 本发明公开了一种基于图论和强化学习的车联网通信资源分配方法，所述方法包括如下步骤：一、根据具体场景建模RRM问题；二、将RRM问题分解为信道分配CA以及功率控制PC子问题，为RRM的最优解提供了下界；三、将CA问题转化为二部图上的最大加权匹配问题，利用匈牙利算法求解；四、根据问题分解原则，将CA问题获得的信道分配方案带入到PC问题中；五、将PC问题转换为MDP模型，利用DDPG算法求解，得到车联网资源分配策略。本发明基于强化学习的方式通过线下学习、线上决策的方式使得资源分配方法达到实时决策的效果，解决固定分配方式带来的决策延迟、决策效率低的问题。
-
公开(公告)号：CN110864907B
公开(公告)日：2022-04-22
申请号：CN201911137354.X
申请日：2019-11-19
Applicant: 吉林大学盐城智能终端产业研究中心
IPC: G01M17/007 , G01M7/08
Abstract: 本发明公开了一种基于5G车联网的车辆碰撞测试装置及测试方法，包括壁障和压力传感器，所述壁障的下表面设置有固定块，且壁障的顶端内部开设有连接槽，所述壁障的后方安装有紧固螺栓，且紧固螺栓的内侧设置有压力传感器，所述壁障的外侧设置有连接块，且壁障的右侧固定有第一固定板，所述壁障的左侧安装有第二固定板，且第二固定板的下方设置有导向块，所述第二固定板的左侧连接有锁紧块，且第二固定板的内部贯穿有螺纹杆，所述第二固定板的前方固定有安装块，所述紧凑块的末端设置有限位杆。该基于5G车联网的车辆碰撞测试装置，便于根据车辆体积增大碰撞面积，且便于实现多角度碰撞，而且便于降低碰撞过程中装置的晃动程度。
-
公开(公告)号：CN118052814A
公开(公告)日：2024-05-17
申请号：CN202410444012.7
申请日：2024-04-15
Applicant: 吉林大学
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/82 , G01N35/00 , G01N1/06 , G01N1/28 , G01N1/30 , G01N1/31 , G01N1/36 , G01N21/84
Abstract: 本申请公开了一种基于AI技术的全自动标本前处理系统及方法，涉及AI领域，其通过利用基于深度学习的图像处理技术和智能化算法来对标本图像进行多尺度和多层次的特征提取，从中挖掘关于标本的类别信息，从而利用这种隐含的类别特征信息来实现对标本类型的自动识别，为后续的科研和实验工作提供更强大的支持和便利。
-
公开(公告)号：CN114116047B
公开(公告)日：2023-11-03
申请号：CN202111320216.2
申请日：2021-11-09
Applicant: 吉林大学
Abstract: 一种基于强化学习的车载计算密集型应用的V2I卸载方法，属于车联网优化应用领域。本发明主要解决车辆行驶过程中产生的可划分为互有依赖性的子任务的计算密集型应用的卸载决策问题，具体而言是解决如何在应用整体上传至RSU、各子任务通过多个边缘服务器协作计算、计算结果回传给车辆期间选择合适的RSU/边缘服务器，以降低整体卸载时延和卸载服务失败所受惩罚的加权和，提供了一种面向计算密集型车联网应用的边缘服务器协作计算方案，并利用一种强化学习方法——MADDPG算法以最小化整体卸载时延和卸载服务失败所受惩罚的加权和为优化目标来求解车辆卸载应用全过程的卸载决策问题。
-
公开(公告)号：CN114116047A
公开(公告)日：2022-03-01
申请号：CN202111320216.2
申请日：2021-11-09
Applicant: 吉林大学
Abstract: 一种基于强化学习的车载计算密集型应用的V2I卸载方法，属于车联网优化应用领域。本发明主要解决车辆行驶过程中产生的可划分为互有依赖性的子任务的计算密集型应用的卸载决策问题，具体而言是解决如何在应用整体上传至RSU、各子任务通过多个边缘服务器协作计算、计算结果回传给车辆期间选择合适的RSU/边缘服务器，以降低整体卸载时延和卸载服务失败所受惩罚的加权和，提供了一种面向计算密集型车联网应用的边缘服务器协作计算方案，并利用一种强化学习方法——MADDPG算法以最小化整体卸载时延和卸载服务失败所受惩罚的加权和为优化目标来求解车辆卸载应用全过程的卸载决策问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
