公开(公告)号：CN116455909A

公开(公告)日：2023-07-18

申请号：CN202310298786.9

申请日：2023-03-24

Applicant: 西北工业大学

Inventor： 郭斌 ,  王虹力 ,  於志文 ,  刘思聪 ,  王柱 ,  王豪 ,  王羽展

IPC: H04L67/1023 ,  H04L67/101 ,  G06F9/445 ,  G06F17/10

Abstract: 本发明公开了一种动态可组合的情境自适应移动边缘计算方法，将端到端深度模型的部署过程解耦为计算单元预分割和深度神经网络(Deep Neural Networks，DNN)原子组合与任务卸载两个阶段。首先基于最细粒度将深度模型进行预分割，并设计时延收益函数对候选分割点进行过滤，仅保留可以带来正时延收益的分割点，这些预分割后的深度模型计算单元被定义为预分割的DNN原子；然后在运行时支持最优预分割DNN原子组合的高效选择；最后以最小的额外开销卸载DNN原子至对应边端设备，完成深度模型部署任务全过程。本发明能使用户尽快获得时延收益同时最小化额外的卸载消耗。

公开(公告)号：CN116227333A

公开(公告)日：2023-06-06

申请号：CN202211677086.2

申请日：2022-12-26

Applicant: 西北工业大学

Inventor： 郭斌 ,  仵允港 ,  刘思聪 ,  王羽展 ,  於志文 ,  邱晨 ,  刘佳琪 ,  王柱

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/084 ,  G06F111/04

Abstract: 本发明涉及一种上下文感知的深度学习模型自适应量化方法，引入长短期记忆网络作为门控网络，在运行时感知深度学习模型的上下文预算变化，然后动态调整不同资源预算的深度学习模型门控网络，并在运行时由门控网络根据不同输入逐层动态调整深度学习模型的量化位宽。通过本发明提供的这种方法，模型完成对动态上下文预算的自适应。通过实时感知上下文的环境变化，为模型量化位宽的改变提供约束。并且通过采用门控网络产生量化位宽的方式大幅度降低搜索深度学习模型量化位宽的资源消耗并实现模型量化的动态自适应。

公开(公告)号：CN117451046A

公开(公告)日：2024-01-26

申请号：CN202311216286.2

申请日：2023-09-20

Applicant: 西北工业大学

Inventor： 刘思聪 ,  郭斌 ,  熊康 ,  李瑶 ,  王羽展 ,  於志文

IPC: G01C21/20 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于时间图卷积网络的无人机群轻量化协同定位方法，基于时间图卷积网络T‑GCN算法对无人机坐标进行预测，同时为了减少内存消耗，进行访存优化，对原始数据采用基于RCM的图重排算法进行重新排序，提高访存效率；最后为了压缩模型，对最终输出模型采用基于双DDPG的全局自适应剪枝方法进行结构化剪枝。实验结果表明，在常规定位技术无法实现定位服务时，本发明可以很好地对无人机的位置进行预测。在仅降低0.18％模型准确率的前提下，模型的剪枝率平均值为90.3％，在测试集上预测准确率达到78.98％。