-
公开(公告)号：CN118301671A
公开(公告)日：2024-07-05
申请号：CN202410498394.1
申请日：2024-04-24
Applicant: 重庆邮电大学
IPC: H04W28/084 , H04W28/08 , H04W28/082 , H04W4/40 , H04L67/12 , H04L67/10
Abstract: 本发明涉及一种环境感知的多用户协同资源分配方法，属于无线通信车联网领域。该方法包括：S1：将用户任务分为时延任务以及非时延任务，并通过用户协作以及卸载的方式进行完成；S2：构建在车联网中多用户差异化服务质量优化场景，从用户的发射功率、频段选择以及边缘节点为完成任务所分配的资源进行优化以提升用户的用户QoS；S3：将原始任务拆解为两个子问题进行求解；S4：为克服车联网由于车辆高速移动性导致信道状态动态变化的特点，将两个子问题构建为马尔可夫过程，并分别通过MADRL算法以及DRL算法进行求解，以实现环境感知资源分配的目的。
-
公开(公告)号：CN118229342A
公开(公告)日：2024-06-21
申请号：CN202410491001.4
申请日：2024-04-23
Applicant: 重庆邮电大学
IPC: G06Q30/0202 , G06F16/9535 , G06F18/25 , G06Q30/0251 , G06F18/241 , G06N3/045
Abstract: 本发明涉及一种基于特征交叉的用户偏好预测方法，属于人工智能技术领域，包括以下步骤：S1：对数据集进行划分，构建训练集；S2：对数据集进行预处理，得到特征向量；S3：构造用户偏好预测模型，所述偏好预测模型从输入到输出依次包括嵌入层、交叉层和输出层；所述交叉层包括粗粒度特征交叉模块、细粒度特征交叉模块和特征融合模块；输出层根据用户兴趣特征得到预测结果；S4：输入训练集数据到用户偏好预测模型，并使用交叉熵函数对模型进行训练优化；S5：输入测试集数据到用户偏好预测模型得到预测结果。
-
公开(公告)号：CN119544097A
公开(公告)日：2025-02-28
申请号：CN202411653402.1
申请日：2024-11-19
Applicant: 重庆邮电大学
IPC: H04B15/00 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/094 , H04K3/00
Abstract: 本发明涉及一种基于监督判别学习的抗噪语义通信方法，属于通信技术领域。针对图像传输中的语义噪声和信道噪声问题，在语义任务执行端引入深度监督网络，通过在隐藏层后增设监督层，提取高质量中间层特征，从而学习语义特征表示；设计一种包含终端损失和伴随损失的复合损失函数，其中伴随损失引入原型一致型损失函数，通过最大分离约束降低语义噪声影响；该方法还根据SNR值调整任务执行与数据恢复的优先级，以适应不同通信条件；此外，采用白盒攻击方法生成语义噪声，并在不改变原深度学习模型结构的前提下，利用监督层输出结果增强抗噪性能；从语义特征层面出发，设计一种损失函数，进一步增强了抗噪性能，兼顾了数据恢复和任务执行。
-
公开(公告)号：CN118536547A
公开(公告)日：2024-08-23
申请号：CN202410498390.3
申请日：2024-04-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种轻量化强化学习算法，属于计算机强化学习领域。该方法包括：S1：构建基于序贯交替多智能体机制的强化学习模型；S2：对该模型的状态、动作、奖励、策略以及价值函数书写进行定义；S3：对所提的模型进行理论分析，结合多智能体中合作与竞争的关系以及强化学习中确定性策略以及随机性策略进行理论分析该方式可以获得理论最优值。S4：构建具体的仿真模型，以进行性能比对。本发明在不降低系统性能的前提条件下，实现了算法轻量化。
-
公开(公告)号：CN118153668A
公开(公告)日：2024-06-07
申请号：CN202410490999.6
申请日：2024-04-23
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种鲁棒的联邦学习方法，属于通信技术领域，包括以下步骤：S1：构建能够减小因节点间数据异构导致的模型性能损失的联邦学习算法，以及具有不可靠通信链路的边缘网络间通信模型与计算模型；S2：根据鲁棒的联邦学习与信道条件的分析结果，提高训练完成后的联邦学习模型性能，满足在资源有限的边缘网络中进行部署，构建联邦学习性能优化问题；S3：在数学假设下推导在不可靠通信链路影响下联邦学习算法的理论收敛边；S4：将所述联邦学习性能优化问题转为二分图的最大匹配问题，利用匈牙利算法寻找每一轮训练中的最佳节点选择与信道资源分配策略。
-
Patent Agency Ranking
公开(公告)号：CN119599144A
公开(公告)日：2025-03-11
申请号：CN202411644082.3
申请日：2024-11-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种抵御数据异构的异步分层联邦学习方法及系统，属于人工智能技术领域。该方法包括以下步骤：S1：构建物联网中的分层联邦学习框架；S2：构建物联网中抵御数据异构、系统异构和意外掉队的异步分层联邦学习算法，以及在不可靠通信网络中的通信和计算模型；S3：构建抵御联邦学习中的客户端漂移的虚拟同质学习方法；S4：考虑不同客户端之间的数据分布、异构延迟和意外掉队情况，构建学习效用量化数据分布以及基于学习效用和延迟的客户端选择方法。本发明提供的方法可有效地提高分层联邦学习算法模型性能，具有广阔的运用前景。
-
公开(公告)号：CN119484857A
公开(公告)日：2025-02-18
申请号：CN202411644143.6
申请日：2024-11-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于语义通信的屏幕内容图像传输方法，属于无线通信和多媒体传输技术领域。该方法包括：对于输入的文本类屏幕内容图像，通过编码器对其进行信源编码；对于信源编码后的码字，通过一权重分配网络对其进行权重分配，使重要的语义特征在高SNR子载波上优先传输；对权重分配后的码字进行信道编码，在OFDM发射机中为高SNR子载波分配更多的传输功率；OFDM接收机接收图像后，通过OCR和场景文本检测模型来检测并识别图像中的文本，计算文本级别置信度；基于文本级别置信度设计损失函数，对关键的文本语义特征进行保护。本发明提升了图像的传输质量、节省了传输带宽，解决了传统屏幕内容图像编码方法受限于香农极限的问题。
-
公开(公告)号：CN118433914A
公开(公告)日：2024-08-02
申请号：CN202410498369.3
申请日：2024-04-24
Applicant: 重庆邮电大学
IPC: H04W72/541 , H04W72/543 , H04W72/50 , H04W72/0453 , H04W72/044 , H04W4/40 , H04W4/42 , H04W4/46 , G06N3/126
Abstract: 本发明涉及一种保障信息新鲜度的资源分配方法，属于无线通信领域。该方法包括：构建包括至少一个基站和多种类型车辆的车联网系统场景，并建立V2I用户体验质量模型和V2V用户状态更新模型，并描述信息年龄保障下的频谱分配和功率控制问题；建立等价队列约束判断信息年龄中断事件是否发生，并通过极端事件控制框架优化信息年龄的尾部分布，抑制信息年龄中断事件发生；利用李雅普诺夫优化方法将长期平均优化问题转化为确定时隙下的优化问题，并联合通信可靠性约束条件，得到车联网用户的最优发射功率；根据资源分配问题构建超图，并通过遗传算法改进粒子群算法求解三维资源匹配问题，得到最优车联网用户频谱资源共享方式。
-
公开(公告)号：CN118395449A
公开(公告)日：2024-07-26
申请号：CN202410498360.2
申请日：2024-04-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种信任可靠的资源量化方法，属于无线通信领域。该方法包括：构建边缘网络中多用户异构设备服务交付场景；根据用户间社交关系的复杂动态性以及有向图理论来构建边缘网络用户间社交关系模型，其中每个节点代表实体或个体，边代表节点之间的关系；根据用户的主观信任视角，构建感知信任量化模型；根据基于实证的客观信任视角，构建行为信任量化模型；利用模糊逻辑方法综合信任元素得到针对资源的信任量化评估结果。本发明有效保障了边缘网络系统的安全性，为资源分配和调度提供了可靠依据，具有广阔的运用前景。
-
公开(公告)号：CN118301670A
公开(公告)日：2024-07-05
申请号：CN202410490987.3
申请日：2024-04-23
Applicant: 重庆邮电大学
IPC: H04W28/084 , H04W28/08 , H04W28/02 , H04L41/044 , H04L41/142 , H04L41/14 , H04L41/16
Abstract: 本发明涉及一种分层协作内容缓存方法，属于无线通信技术领域。该方法包括：S1：构建一个分层协作的、支持缓存的异构网络模型；S2：根据用户容忍时延约束和缓存容量限制，构建面向系统内容交付成本最小化的边缘缓存优化问题；S3：建立一个部分可观察的马尔可夫决策过程模型，用于描述和解决缓存决策问题；S4：提出通过采用集中训练与分布执行的协作缓存框架；S5：设计一种基于长短期记忆网络和多智能体深度确定性策略梯度的协作缓存算法，以更好的应对动态环境变化的时变特性，更新不同时隙的缓存决策。本发明通过优化缓存决策和执行流程，有效地降低了系统整体的内容交付成本，并提高了缓存命中率。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.019 seconds)
