-
公开(公告)号：CN118827674A
公开(公告)日：2024-10-22
申请号：CN202410774868.0
申请日：2024-06-17
Applicant: 西南交通大学
IPC: H04L67/1001 , H04L67/12 , G06F9/50 , G06N3/04 , G06N3/092
Abstract: 本发明公开了一种基于增强深度强化学习的车联网分布式边缘计算方法，具体为：首先建立基于分布式云计算网络的计算卸载系统，将其中来自车辆的计算任务由分布式系统中的多个边缘计算资源单元(ECRU)处理；然后将计算卸载资源的优化问题建模为马尔可夫决策过程(MDP)，同时考虑了系统收入、成本支出和系统中的其他领域；最后采用增强型深度Q学习方法来解决优化问题。本发明可以有效地实现快速收敛速度和高收敛稳定性，并具有最高的性能。
-
公开(公告)号：CN117557923B
公开(公告)日：2024-10-22
申请号：CN202311542873.0
申请日：2023-11-20
Applicant: 西南交通大学
IPC: G06V20/17 , G06V10/44 , G06V10/82 , G06V10/80 , G06V20/54 , G06N3/0495 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种用于无人机视觉传感装置的实时交通检测方法，具体为：无人机采集航拍图像，预处理后分为训练集和测试集；通过高效的基于分割与洗牌的特征提取网络SCSNet，用来提取无人机航拍图像的特征信息；利用结合了多感受野特征和注意力机制的分组局部注意力卷积GLAConv，帮助大量特征信息生成更丰富的多尺度表示，并抑制背景信息的干扰；在预测阶段生成类概率图和一系列置信度得分的边界框，然后用非极大值抑制NMS过滤掉置信度得分较低的边界框，其余带有类别标签的边界框为最终的检测结果。本发明指导无人机实时交通目标检测任务，在实时性和准确性之间取得了很好的平衡；同时减少了计算量和提高了学习效率。
-
公开(公告)号：CN117641287A
公开(公告)日：2024-03-01
申请号：CN202311370976.3
申请日：2023-10-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于深度强化学习的车队网络内计算卸载与功率分配方法，具体为：以最小化车队系统平均能耗和任务数据处理延迟为目标，建立车队系统的计算模型；根据基于多智能体DRL的方法，将车队网络视为一个环境，将每个PM视为可以与动态环境交互的智能体；每个智能体追求的目标是最大化长期折扣奖励；在学习过程中，智能体基于状态做出的决策是由奖励驱动的，进行计算卸载和功率分配联合优化。本发明提出的车队网络中计算卸载和功率分配优化模型综合考虑了车辆的移动性、通信干扰以及车辆协作；能够适应快速移动的车队网络环境；能够捕获环境状态的时序特征，能做出更加准确的功率分配动作。
-
-
公开(公告)号：CN107566083B
公开(公告)日：2020-05-15
申请号：CN201710588546.7
申请日：2017-07-19
Applicant: 西南交通大学
Abstract: 本发明公开了一种适用于网络编码传输控制协议的补偿重传方法，包括：发送端对编码报文进行编号，在编码报文头部附有编号字段Pid；发送端记录每个编码报文是由哪几个原始报文组成的，接收端对于收到的每个编码报文都需要回复确认应答ACK报文，在回复的ACK报文中附有字段Pid‑reply；发送端根据Pid‑reply、网络编码层确认序号和组成编码包的原始数据包信息，间接获知接收端译码矩阵信息；发送端根据接收端译码矩阵信息决定重传哪些数据；发送端每收到ACK报文就启动补偿重传方法。本发明通过网络编码层头部的Pid和Pid‑reply字段获知接收端译码矩阵的信息，在合适的时机补偿重传若干数据包，以加快译码矩阵的译码进程，减少报文的传输时延。
-
Patent Agency Ranking
公开(公告)号：CN107566083A
公开(公告)日：2018-01-09
申请号：CN201710588546.7
申请日：2017-07-19
Applicant: 西南交通大学
Abstract: 本发明公开了一种适用于网络编码传输控制协议的补偿重传方法，包括：发送端对编码报文进行编号，在编码报文头部附有编号字段Pid；发送端记录每个编码报文是由哪几个原始报文组成的，接收端对于收到的每个编码报文都需要回复确认应答ACK报文，在回复的ACK报文中附有字段Pid-reply；发送端根据Pid-reply、网络编码层确认序号和组成编码包的原始数据包信息，间接获知接收端译码矩阵信息；发送端根据接收端译码矩阵信息决定重传哪些数据；发送端每收到ACK报文就启动补偿重传方法。本发明通过网络编码层头部的Pid和Pid-reply字段获知接收端译码矩阵的信息，在合适的时机补偿重传若干数据包，以加快译码矩阵的译码进程，减少报文的传输时延。
-
公开(公告)号：CN107508655A
公开(公告)日：2017-12-22
申请号：CN201710588600.8
申请日：2017-07-19
Applicant: 西南交通大学
Abstract: 本发明公开了一种自适应端到端网络编码传输方法，主要包括：在网络编码层，维持这一个缓存TCP层原始数据报文的发送队列，在发送报文时，编码窗口长度固定为N，其可根据新的需要发送的数据报文的到达有序的向后滑动；在网络编码层通过冗余编码来实现对抗网络拥塞丢包；在接收端维持三个译码相关的队列实现对于不同数据报文的处理，乱序的或者对将来数据报文译码有价值的报文缓存在待处理数据报文队列中，等待网络编码层处理，对当前译码有价值的数据报文缓存在正在译码的报文队列中，已经译码的报文缓存在被译码数据报文队列中，等待上传给TCP层或者等待TCP层接收确认。本发明能够保证良好的传输速率，也能提高带宽利用率。
-
公开(公告)号：CN117891590B
公开(公告)日：2024-10-22
申请号：CN202311603972.5
申请日：2023-11-28
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于深度强化学习的自动驾驶的安全冗余和资源分配方法，具体为：通过构建一个在移动边缘计算MEC下，城市道路上自动驾驶车辆行为转变请求的动态资源分配问题的模型框架，以应对车辆面临的潜在紧急情况，同时平衡系统的收入和支出，以获得最佳的整体系统利益；使用深度强化学习算法求解资源分配问题。本发明考虑了车辆优先级下的计算资源的合理分配和安全冗余的设置，同时可以避免由于系统内部状态和动作空间增加而可能产生的维度爆炸问题，可以准确选择合适的动作，加速收敛速度，获得更大的回报。
-
公开(公告)号：CN118012601A
公开(公告)日：2024-05-10
申请号：CN202311607887.6
申请日：2023-11-29
Applicant: 西南交通大学
IPC: G06F9/50 , G06N3/0499 , G06N3/063 , G06N3/092 , G06N3/098 , G06Q30/0283
Abstract: 本发明公开了一种考虑评论信息影响的车辆边缘计算系统的资源分配方法，具体为：构建一个由两个有竞争关系的边缘服务器组成的市场，在两个服务阶段中提供计算卸载服务；每个服务阶段开始时，两个边缘服务器都在博弈后宣布他们的最优定价策略，第二阶段的定价策略受到第一阶段结束时车辆生成的评价信息的影响；车辆根据服务信息、定价、车辆偏好和评价信息选择他们的边缘服务器；然后根据选择相同边缘服务器的其他车辆的资源请求信息决定自己的请求策略；在车辆不愿意公开他们的资源请求信息的情况下，使用深度强化学习框架来最大化车辆的效用。本发明能够在任何阶段或服务器场景中实现车辆之间的纳什均衡，实现最大化所有车辆的总体利益。
-
公开(公告)号：CN115204314A
公开(公告)日：2022-10-18
申请号：CN202210968334.2
申请日：2022-08-12
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于车载OBU的多源数据融合方法和车载OBU，方法包括：S1：获取车载OBU的相关传感数据；S2：根据所述车载OBU的相关传感数据，得到联系度矩阵；S3：对所述联系度矩阵进行扩维处理，得到扩维后的联系度矩阵；S4：根据所述联系度矩阵和所述扩维后的联系度矩阵，得到不同时刻下的一致性测度；S5：根据所述不同时刻下的一致性测度，得到一致性测度均值和一致性方差；S6：根据所述一致性测度均值和所述一致性方差，得到加权系数；S7：对所述加权系数进行归一化处理，得到归一化处理结果；S8：根据所述归一化处理结果、所述一致性测度均值和所述一致性方差，得到数据融合结果。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.023 seconds)
