-
公开(公告)号：CN114820443A
公开(公告)日：2022-07-29
申请号：CN202210272353.1
申请日：2022-03-18
Applicant: 重庆大学
Abstract: 本发明公开一种基于迁移学习的边缘检测方法，包括以下步骤：1)搭建边缘检测系统；2)第m个缺陷检测点Am的图像采集设备采集待检测零部件的图像Pm，并上传至第n个微基站的边缘服务器En；3)边缘服务器En将接收到的图像Pm输入到基于迁移学习的边缘检测模型中，得到待检测零部件的缺陷检测结果；本发明通过深度学习满足缺陷检测的准确性、重复性和一致性要求，降低企业的经济和管理负担。通过边缘计算架构在边缘端完成缺陷检测任务的计算，降低时延满足实际生产中对缺陷检测的实时性要求。使用迁移学习策略，加快模型的训练速度并减少人工标识数据所带来的人力成本。
-
Patent Agency Ranking
公开(公告)号：CN115484314A
公开(公告)日：2022-12-16
申请号：CN202210956961.4
申请日：2022-08-10
Applicant: 重庆大学
IPC: H04L67/568 , H04L67/1097 , H04L67/10 , H04L67/12 , H04W28/14
Abstract: 本发明公开一种移动边缘计算网络下推荐赋能的边缘缓存优化方法，步骤包括：1)建立可推荐边缘缓存系统；2)获取当前待分析基站中所有服务用户、边缘服务器中的信息数据；3)初始化可推荐边缘缓存系统参数；4)确定t时刻的内容推荐策略5)计算t时刻的内容推荐策略的资源分配代价；6)建立基于强化学习的内容替换模型，并利用基于强化学习的内容替换模型更新边缘服务器的缓存内容；7)返回步骤2)，重复迭代，直至时刻t＝T，输出可推荐边缘缓存系统中的最优缓存内容T为运行周期。本发明解决了边缘服务端缓存内容利用率低，传输时间过长用户体验感不好等情况。减低了系统成本，提高了用户的服务质量。
-
公开(公告)号：CN111065106A
公开(公告)日：2020-04-24
申请号：CN201911402828.9
申请日：2019-12-31
Applicant: 重庆大学
Abstract: 本发明公开了移动通信网络中基于异常检测和核密度估计(KDE)的指标突变小区检测方法，主要步骤为：1)建立历史数据序列和测试数据序列。2)筛选掉全部KPI序列均正常的小区，保留异常小区。3)利用基于高斯核的KDE计算异常小区差分前的异常KPI序列的异常分数，并建立异常分数矩阵A。4)判断异常分数矩阵A中是否存在元素a＞α，若是，则记元素a对应的KPI为突变指标，对应小区记为指标突变小区。本发明可精确定位指标突变小区，灵活性高，鲁棒性强，性能稳定。
-
公开(公告)号：CN114820443B
公开(公告)日：2024-05-07
申请号：CN202210272353.1
申请日：2022-03-18
Applicant: 重庆大学
IPC: G06T7/00 , G06T7/13 , G06N3/0464 , G06N3/096
Abstract: 本发明公开一种基于迁移学习的边缘检测方法，包括以下步骤：1)搭建边缘检测系统；2)第m个缺陷检测点Am的图像采集设备采集待检测零部件的图像Pm，并上传至第n个微基站的边缘服务器En；3)边缘服务器En将接收到的图像Pm输入到基于迁移学习的边缘检测模型中，得到待检测零部件的缺陷检测结果；本发明通过深度学习满足缺陷检测的准确性、重复性和一致性要求，降低企业的经济和管理负担。通过边缘计算架构在边缘端完成缺陷检测任务的计算，降低时延满足实际生产中对缺陷检测的实时性要求。使用迁移学习策略，加快模型的训练速度并减少人工标识数据所带来的人力成本。
-
公开(公告)号：CN115484314B
公开(公告)日：2024-04-02
申请号：CN202210956961.4
申请日：2022-08-10
Applicant: 重庆大学
IPC: H04L67/568 , H04L67/1097 , H04L67/10 , H04L67/12 , H04W28/14
Abstract: 本发明公开一种移动边缘计算网络下推荐赋能的边缘缓存优化方法，步骤包括：1)建立可推荐边缘缓存系统；2)获取当前待分析基站中所有服务用户、边缘服务器中的信息数据；3)初始化可推荐边缘缓存系统参数；4)确定t时刻的内容推荐策略#imgabs0#5)计算t时刻的内容推荐策略#imgabs1#的资源分配代价；6)建立基于强化学习的内容替换模型，并利用基于强化学习的内容替换模型更新边缘服务器的缓存内容；7)返回步骤2)，重复迭代，直至时刻t＝T，输出可推荐边缘缓存系统中的最优缓存内容#imgabs2#T为运行周期。本发明解决了边缘服务端缓存内容利用率低，传输时间过长用户体验感不好等情况。减低了系统成本，提高了用户的服务质量。
-
公开(公告)号：CN111065106B
公开(公告)日：2022-04-26
申请号：CN201911402828.9
申请日：2019-12-31
Applicant: 重庆大学
Abstract: 本发明公开了移动通信网络中基于异常检测和核密度估计KDE的指标突变小区检测方法，主要步骤为：1)建立历史数据序列和测试数据序列。2)筛选掉全部KPI序列均正常的小区，保留异常小区。3)利用基于高斯核的KDE计算异常小区差分前的异常KPI序列的异常分数，并建立异常分数矩阵A。4)判断异常分数矩阵A中是否存在元素a＞α，若是，则记元素a对应的KPI为突变指标，对应小区记为指标突变小区。本发明可精确定位指标突变小区，灵活性高，鲁棒性强，性能稳定。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
