-
公开(公告)号:CN111324860B
公开(公告)日:2024-01-23
申请号:CN202010086785.4
申请日:2020-02-11
Applicant: 无锡北邮感知技术产业研究院有限公司 , 北京邮电大学
IPC: G06F17/16 , G06N3/0464 , G06N3/084 , G06N20/00
Abstract: 本发明提供一种基于随机矩阵逼近的轻量级CNN计算方法与装置,包括:对数据样本进行降维处理,得到数据样本的低维表征;对模型的权重参数进行降维处理,得到权重参数的低维权重表征;利用所述数据样本的低维表征和所述权重参数的低维权重表征进行CNN模型训练。本发明通过降低数据样本的数据量,降低网络的权重参数的数据量,利用降低维度之后的低维表征和低维权重表征进行CNN模型运算,能够降低模型运算的复杂度,降低模型运算所需存储资源和计算资源,能够在配置较低的终端设备上实现模型运算。
-
公开(公告)号:CN111340182A
公开(公告)日:2020-06-26
申请号:CN202010086794.3
申请日:2020-02-11
Applicant: 无锡北邮感知技术产业研究院有限公司 , 北京邮电大学
Abstract: 本发明提供一种输入特征逼近的低复杂度CNN训练方法与装置,包括:对数据样本进行降维处理,得到数据样本的低维表征;将所述低维表征作为用于训练模型的输入数据,训练CNN模型。本发明通过降低数据样本的维度,利用降低数据量后的数据样本的低维表征作为用于训练模型的输入数据,训练模型,能够降低CNN模型训练的复杂度,降低训练模型所需存储资源和计算资源,能够在配置较低的终端设备上实现模型相关运算,扩展应用场景。
-
公开(公告)号:CN111340182B
公开(公告)日:2024-04-02
申请号:CN202010086794.3
申请日:2020-02-11
Applicant: 无锡北邮感知技术产业研究院有限公司 , 北京邮电大学
IPC: G06N3/084 , G06N3/0464 , G06F18/213 , G06N3/048
Abstract: 本发明提供一种输入特征逼近的低复杂度CNN训练方法与装置,包括:对数据样本进行降维处理,得到数据样本的低维表征;将所述低维表征作为用于训练模型的输入数据,训练CNN模型。本发明通过降低数据样本的维度,利用降低数据量后的数据样本的低维表征作为用于训练模型的输入数据,训练模型,能够降低CNN模型训练的复杂度,降低训练模型所需存储资源和计算资源,能够在配置较低的终端设备上实现模型相关运算,扩展应用场景。
-
公开(公告)号:CN111324860A
公开(公告)日:2020-06-23
申请号:CN202010086785.4
申请日:2020-02-11
Applicant: 无锡北邮感知技术产业研究院有限公司 , 北京邮电大学
Abstract: 本发明提供一种基于随机矩阵逼近的轻量级CNN计算方法与装置,包括:对数据样本进行降维处理,得到数据样本的低维表征;对模型的权重参数进行降维处理,得到权重参数的低维权重表征;利用所述数据样本的低维表征和所述权重参数的低维权重表征进行CNN模型训练。本发明通过降低数据样本的数据量,降低网络的权重参数的数据量,利用降低维度之后的低维表征和低维权重表征进行CNN模型运算,能够降低模型运算的复杂度,降低模型运算所需存储资源和计算资源,能够在配置较低的终端设备上实现模型运算。
-
公开(公告)号:CN113516151B
公开(公告)日:2024-07-16
申请号:CN202110369242.8
申请日:2021-04-06
Applicant: 北京邮电大学
IPC: G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/084 , G06N3/098 , G06N20/00 , H04L67/12
Abstract: 本公开提供一种联邦学习方法,其中,方法由中心服务器和至少一个边缘节点实现,方法包括:中心服务器对神经网络每一层的权重矩阵降维以得到降维的权重矩阵参数集合,并将降维的权重矩阵参数集合发送至边缘节点;边缘节点基于降维的权重矩阵参数集合利用本地样本进行训练以得到该边缘节点对应的边缘表征矩阵,并将边缘表征矩阵发送至中心服务器;中心服务器基于所有边缘表征矩阵得到更新的降维的权重矩阵参数集合,并将更新的降维的权重矩阵参数集合发送至边缘节点。本公开在保证了边缘节点的数据隐私性的同时,降低了对于边缘节点的计算能力和存储能力的要求,且提高了中心服务器和边缘节点之间的数据传输速度。
-
公开(公告)号:CN114339731B
公开(公告)日:2023-11-14
申请号:CN202111371001.3
申请日:2021-11-18
Applicant: 国网辽宁省电力有限公司 , 北京邮电大学 , 北京物联智通科技有限公司
Abstract: 本申请提供一种空间中断概率分析方法、装置及电子设备,将空间中断概率作为物理层安全的保密性能衡量指标,利用合法设备的位置信息和信道响应函数构建了空间中断概率,通过对窃听设备的位置信息进行建模,在空间中断概率的构建过程中考虑了窃听设备位置的随机性,这样,能够定义窃听设备服从均匀分布情况下的空间中断概率。通过求解空间中断概率平均值的闭式解,这样可以得到天线参数对空间中断概率的影响。
-
公开(公告)号:CN114430294B
公开(公告)日:2022-12-13
申请号:CN202111544788.9
申请日:2021-12-16
Applicant: 北京邮电大学
Abstract: 本申请提供一种对GEO卫星的对地波束校准方法、装置、电子设备及存储介质。所述方法包括:获取卫星的标校波束的测量功率值;根据测量功率值,得到卫星天线指向的俯仰角偏差及方位角偏差;根据得到的俯仰角偏差及方位角偏差,通过训练好的偏差预测模型,得到下一时刻的预测俯仰角偏差及预测方位角偏差;将所述预测俯仰角偏差及预测方位角偏差传输至卫星。对于GEO卫星,通过上述步骤,可以在获取GEO卫星俯仰角和方位角偏差先验信息模型困难的情况下,根据过往偏差数据,有效预测后续时刻的俯仰角和方位角偏差角度。从而进一步地对GEO卫星波束进行校准,降低最大地表指向偏移。
-
公开(公告)号:CN114792045A
公开(公告)日:2022-07-26
申请号:CN202210314059.2
申请日:2022-03-28
Applicant: 北京邮电大学
Abstract: 本发明公开了一种边缘计算的数字孪生方法和系统,其中,该方法包括:利用外部网络进行MEC物理系统与MEC系统的数字孪生之间的组网;将MEC物理系统通过外部网络并基于信息的交互,以及,将MEC系统的数字孪生通过外部网络,对MEC物理系统进行监测得到监测结果,并对监测结果进行分析和评估得到评估结果,以完成对MEC物理系统的镜像;以及,对已构建的MEC物理系统进行数字孪生,并基于评估结果完成对MEC物理系统的闭环优化控制;对未构建的MEC物理系统进行数字孪生,并基于评估结果完成对MEC物理系统的优化设计。本发明通过对MEC物理系统的数字孪生,能够对MEC物理系统进行持续优化,提高系统的管理效率和资源使用效率,降低MEC服务的运营成本和投资支出成本。
-
公开(公告)号:CN113112086B
公开(公告)日:2022-05-13
申请号:CN202110436423.8
申请日:2021-04-22
Applicant: 北京邮电大学
IPC: G06Q10/04 , G06Q10/00 , G06Q50/04 , G06F30/20 , G06F119/02
Abstract: 本发明提供了一种基于边缘计算和标识解析的智能生产系统,包括物理生产系统、边缘节点、标识解析节点、云服务器、设备维修系统和AI算法模型库。每个设备提供商有一个云服务器、设备维修系统和AI算法模型库。边缘节点接收物理设备标识及状态数据;标识解析节点获取设备所需AI(人工智能)模型类别;云服务器将设备所需模型下发到边缘节点;边缘节点对设备进行检测,更新AI模型,将更新模型推送给云服务器及同设备提供商同类型设备所在的边缘节点。本发明能够具体定位车间出现故障的设备或部件,边缘节点上只分发到针对其所在车间设备的检测模型,解决了目前人工智能诊断模型数量多、故障检测不灵活、确定故障位置耗时耗力的问题。
-
-
-
-
-
-
-
-
-