-
公开(公告)号：CN119494097A
公开(公告)日：2025-02-21
申请号：CN202411301439.8
申请日：2024-09-18
Applicant: 西北农林科技大学
IPC: G06F21/55 , G06F21/62 , G06V10/74 , G06V10/75 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0455 , G06N3/098
Abstract: 本发明属于联邦学习技术领域，公开了一种对联邦学习系统中用户的隐私图像数据进行梯度反演攻击的方法及系统，首先利用诚实且好奇的联邦服务器，基于少量与用户数据相近的先验数据预训练扩散模型与编码‑解码器。通过用户上传的梯度信息，服务器计算获得用户图像标签和高维特征。服务器构建扩散采样时间表和递减式迭代时间表。在递减式轮次内，拆解扩散模型采样的生成过程，对每一时间步采样生成的中间结果进行梯度匹配优化，并通过高维特征正则化限制特征搜索空间，直至所有时间步完成。该方法有效提升了在联邦学习场景下对用户图像的梯度反演攻击能力，提高了重建图像相似度和视觉质量，并揭示了更多用户隐私特征。
-
公开(公告)号：CN118843087A
公开(公告)日：2024-10-25
申请号：CN202410915991.X
申请日：2024-07-09
Applicant: 西北农林科技大学
IPC: H04W4/40 , H04W4/44 , H04B17/391 , H04B7/04 , H04B7/06
Abstract: 本发明属于无线通信技术领域，公开了一种车联网中基于DDPG的ARIS辅助车联边缘计算方法与系统，本发明引入配备可重构智能表面(RIS)的无人飞行器(UAV)作为空中RIS(Aerial RIS，ARIS)的概念，即将RIS和UAV整合为新型高效的VEC网络辅助设备，并利用无人飞行器的灵活性和RIS的低成本特性，克服通信性能和成本限制，协助车辆进行计算卸载。本发明提出了一种基于深度确定性策略梯度(DDPG)算法设计的空中智能超表面辅助车联边缘计算的算法，通过联合优化UAV的轨迹和RIS的相移，形成被动波束赋形，从而最大限度地提高车载计算任务的完成率。大量数值结果表明，基于DDPG的ARIS辅助VEC网络方案优于其他算法，任务完成率最多可提高26％。
-
公开(公告)号：CN117156463A
公开(公告)日：2023-12-01
申请号：CN202310941811.0
申请日：2023-07-28
Applicant: 西北农林科技大学
IPC: H04W24/02 , H04B7/185 , H04B17/391 , H04B17/382 , H04W16/22
Abstract: 本发明属于无线通信技术领域，公开了一种物联网中基于QMIX的多无人机协同数据收集方法与系统，设计并明确网络场景、无人机的信道模型和能耗模型；构建优化目标，明确最小化用时最久无人机任务用时以及限制条件；根据场景及约束条件将问题转化为部分可观测的马尔科夫决策问题，进行状态空间、动作空间建模，并针对优化目标设计奖励函数；基于QMIX算法构建多无人机航迹规划算法，对模型训练，并将训练好的模型在与不同用户参数下与基准算法对比进行性能验证。本发明使用深度强化学习方法可得到一个最小化任务用时的次优解，降低其使用传统算法建模的复杂度，提高寻优效率，为多无人机协同数据收集提供更高效的求解算法。
-
公开(公告)号：CN115150918A
公开(公告)日：2022-10-04
申请号：CN202210626888.4
申请日：2022-06-06
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种分簇网络架构下的可靠联邦学习方法、系统、设备及终端，系统根据分簇规则选出簇头用户，并将网络中所有参与联邦学习任务的用户与其最近的可信簇头进行关联，从而完成分簇过程；簇头用户根据接收的簇内用户的本地模型参数聚合生成簇内模型，并协助簇内用户完成本地信誉表的更新；基站根据接收的簇内模型参数聚合生成全局模型，并协助网络中所有用户完成本地模型参数以及信誉表的更新；重复上述过程，直至联邦学习任务完成或者用户设备能量耗尽。本发明克服了无线联邦学习在典型的客户‑服务器架构下扩展性有限和能耗过大的不足，保证无线联邦学习的安全性，延长整个网络的生命周期。
-
公开(公告)号：CN115150918B
公开(公告)日：2025-04-08
申请号：CN202210626888.4
申请日：2022-06-06
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种分簇网络架构下的可靠联邦学习方法、系统、设备及终端，系统根据分簇规则选出簇头用户，并将网络中所有参与联邦学习任务的用户与其最近的可信簇头进行关联，从而完成分簇过程；簇头用户根据接收的簇内用户的本地模型参数聚合生成簇内模型，并协助簇内用户完成本地信誉表的更新；基站根据接收的簇内模型参数聚合生成全局模型，并协助网络中所有用户完成本地模型参数以及信誉表的更新；重复上述过程，直至联邦学习任务完成或者用户设备能量耗尽。本发明克服了无线联邦学习在典型的客户‑服务器架构下扩展性有限和能耗过大的不足，保证无线联邦学习的安全性，延长整个网络的生命周期。
-
Patent Agency Ranking
公开(公告)号：CN117610639A
公开(公告)日：2024-02-27
申请号：CN202311143860.6
申请日：2023-09-06
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种用于无人机轨迹优化的安全强化学习方法及系统，设计并明确网络场景、无人机的信道模型和能耗模型；构建优化目标，明确最小化平均信息年龄以及限制条件；根据场景及约束条件将问题转化为约束马尔科夫决策问题，进行状态空间、动作空间建模，并针对优化目标设计奖励函数；基于STD3算法构建无人机轨迹优化算法，对模型训练，并将训练好的模型在与不同用户参数下与基准算法对比进行性能验证。本发明能够有效地解决无人机飞行轨迹规划问题，提高数据收集的质量和速度，降低运行成本和风险。能够适应复杂和动态变化的环境，实现无人机的自主飞行和智能决策，提高无人机的安全性和可靠性。
-
公开(公告)号：CN116056033A
公开(公告)日：2023-05-02
申请号：CN202310097575.9
申请日：2023-02-10
Applicant: 西北农林科技大学
IPC: H04W4/38 , H04W24/02 , H04L41/14 , H04L41/142
Abstract: 本发明公开一种能量收集物联网中基于相关信息年龄的状态更新方法，包括以下步骤：建立能量收集物联网中的网络、能耗、相关信息年龄演化模型；基于建立的物联网模型，提出一个以最小化数据融合中心的平均相关信息年龄为目标的传感器状态更新优化问题；将状态更新优化问题建模为传感器电量不可知的部分可观测马尔科夫决策过程；结合柔性动作评论家算法和长短期记忆网络，并提出动作分解和映射机制，设计了一种深度强化学习算法求解建立的部分可观测马尔科夫决策过程。所设计的算法能够有效应对环境动态未知、传感器电量不可观测、大规模离散动作空间造成的问题，实现了数据融合中心的平均相关信息年龄的最小化。
-
公开(公告)号：CN111970709B
公开(公告)日：2022-09-16
申请号：CN202010662808.1
申请日：2020-07-10
Applicant: 西北农林科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种基于粒子群优化算法的无人机中继部署方法及系统，设计并明确无人机中继的信道模型，计算其大尺度衰落路径损耗以及小尺度衰落，得到不同设备之间连接时的信道增益以及其信干噪比值；设计并明确无人机中继的能耗模型，明确悬停状态下无人机的功耗构成；构建优化目标，将有约束的混合01整数非线性规划问题转换为无约束的最优化问题；结合改进后的粒子群算法对终端设备发射功率，无人机中继候选部署位置，以及终端设备‑无人机中继‑信道关联关系进行优化，以实现系统总能耗最小化。本发明对标准粒子群算法进行了改进，更适用于该最优化问题的求解，提高了算法的执行效率。
-
公开(公告)号：CN111177917B
公开(公告)日：2021-11-02
申请号：CN201911365426.6
申请日：2019-12-26
Applicant: 西北农林科技大学
IPC: G06F30/20
Abstract: 本发明提出了一种基于SRTM的坡长提取方法，通过建立地理坐标下栅格模型，从该模型中直接推导出SRTM栅格边长的计算方式。计算坡长时考虑坡度截断、河网截断影响，使结果尽可能符合实际情况，最后使用正反遍历计算SRTM的累计坡长。与传统方法相比，本方法不再经过投影坐标变换，从而提高坡长的提取效率；同时也能保证原始数据的精度不下降，坡长提取结果相对精确，坡长结果与现有的DEM计算结果对比显示，坡长差值范围集中，具有规律性。
-
公开(公告)号：CN112437131A
公开(公告)日：2021-03-02
申请号：CN202011250319.1
申请日：2020-11-10
Applicant: 西北农林科技大学
Abstract: 本发明公开一种物联网中考虑数据相关性的数据动态采集与传输方法，通过多个能量收集传感器组成了物联网网络，适当激活能量收集传感器来更新状态来提高信息的时效性；具体采用关联信息年龄的概念来表示能量收集传感器的信息时效性，然后引出一个动态更新优化的问题来使得观测到的长期平均信息相关年龄最小，该问题综合考虑了资源传输约束和能量因果约束关系；然后采用马尔可夫决策过程来描述状态更新过程，并通过在标准的Q‑network中进行动作剔除以解决该问题，本发明设计的一种基于深度强化学习的状态更新算法，该算法可以同时解决环境动态未知、维数灾难以及有效动作与状态之间的耦合问题。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.024 seconds)
