-
公开(公告)号：CN114598667B
公开(公告)日：2024-09-06
申请号：CN202210236158.3
申请日：2022-03-04
Applicant: 重庆邮电大学
IPC: H04L47/783 , H04L67/1023 , H04L67/12 , G06N20/20
Abstract: 本发明涉及一种基于联邦学习的高效设备选择与资源分配方法，属于移动通信领域，包括以下步骤：S1：在集中训练阶段开始时，初始化所有边缘智能体的行动者和批评家网络参数，并按照学习步骤进行更新，实例化经验回放池；S2：部署体验重放池，在采样阶段，所有边缘智能体的经验都存储在其中，在训练阶段，每个边缘智能体从经验池中随机抽取一批经验，以非策略的方式对网络参数进行训练；S3：在参数更新阶段，协调边缘智能体，在从所有个体环境中收集的经验与当前代理的策略之间进行交替更新，基于初始经验池中采样的批量经验池中转化多维元组中更新参数；S4：将更新完成的参数用于智能体目标网络更新，并获得全局最佳联合决策。
-
公开(公告)号：CN114598667A
公开(公告)日：2022-06-07
申请号：CN202210236158.3
申请日：2022-03-04
Applicant: 重庆邮电大学
IPC: H04L47/783 , H04L67/1023 , H04L67/12 , G06N20/20
Abstract: 本发明涉及一种基于联邦学习的高效设备选择与资源分配方法，属于移动通信领域，包括以下步骤：S1：在集中训练阶段开始时，初始化所有边缘智能体的行动者和批评家网络参数，并按照学习步骤进行更新，实例化经验回放池；S2：部署体验重放池，在采样阶段，所有边缘智能体的经验都存储在其中，在训练阶段，每个边缘智能体从经验池中随机抽取一批经验，以非策略的方式对网络参数进行训练；S3：在参数更新阶段，协调边缘智能体，在从所有个体环境中收集的经验与当前代理的策略之间进行交替更新，基于初始经验池中采样的批量经验池中转化多维元组中更新参数；S4：将更新完成的参数用于智能体目标网络更新，并获得全局最佳联合决策。
-
公开(公告)号：CN114374951A
公开(公告)日：2022-04-19
申请号：CN202210046566.2
申请日：2022-01-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种多无人机动态预部署方法，属于无人机辅助通信领域，本发明采取分布式组网的方式将无人机与无人机之间，无人机与地面车辆之间建立通信；采取分布式联邦学习训练的方法训练序列到序列的门控循环神经网络模型；采取划分时隙的方式，将车辆每一时隙的位置输入到序列到序列的门控循环神经网络模型中来预测车辆未来的移动趋势；采取虚拟力部署算法来实现无人机部署位置的确定，并实现车辆信号的切换。本方法能够充分考虑车辆的移动特性，预知车辆未来信息，并将无人机部署在合理的位置上去，以保证车辆接入到无人机基站上。
-
Patent Agency Ranking
公开(公告)号：CN114567888A
公开(公告)日：2022-05-31
申请号：CN202210210361.3
申请日：2022-03-04
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种多无人机动态部署方法，属于移动通信技术领域。该方法包括：S1：对于一个固定区域，将区域离散地划分为大小相等的AoI，利用A‑ConvLSTM预测区域未来流量与用户分布；S2：基于区域未来流量与用户分布的预测结果，在无人机为区域内用户提供下行信道接入的场景下，将单个无人机视作智能体，将多无人机的轨迹规划与资源分配建模为POMG；优化多无人机的轨迹、用户选择和功率分配，以最大化区域整体的用户满意度和最小化无人机能耗为优化目标；S3：构建MADDPG算法，利用集中式训练‑分布式执行的机制学习POMG的最佳策略，实现与动态环境匹配的最佳无人机部署。
-
公开(公告)号：CN114374951B
公开(公告)日：2024-04-30
申请号：CN202210046566.2
申请日：2022-01-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种多无人机动态预部署方法，属于无人机辅助通信领域，本发明采取分布式组网的方式将无人机与无人机之间，无人机与地面车辆之间建立通信；采取分布式联邦学习训练的方法训练序列到序列的门控循环神经网络模型；采取划分时隙的方式，将车辆每一时隙的位置输入到序列到序列的门控循环神经网络模型中来预测车辆未来的移动趋势；采取虚拟力部署算法来实现无人机部署位置的确定，并实现车辆信号的切换。本方法能够充分考虑车辆的移动特性，预知车辆未来信息，并将无人机部署在合理的位置上去，以保证车辆接入到无人机基站上。
-
公开(公告)号：CN114374981A
公开(公告)日：2022-04-19
申请号：CN202210046217.0
申请日：2022-01-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种用作通信基站的无人机的节能按需预部署方法，属于移动通信领域。该方法内容包括：在与通信无人机集群保持连接的边缘计算服务器上在线训练一种融合注意力机制的ConvLSTM深度时空神经网络模型，用于预测蜂窝基站流量与用户的时空分布；在得到预测结果后，边缘服务器执行一种节能部署算法得到无人集群的地理位置、覆盖范围和功率分配方案，以实现满足地面蜂窝网络用户的下行接入速率的同时最小化无人机集群的发射能耗，并将调度信息通过集群路由发送至所有无人机，完成无人机的按需预部署。本发明优化了通信无人机的部署方式，为地面用户提供了按需的接入速率需求，增强了用户体验，避免了潜在的网络拥塞。
-
公开(公告)号：CN114422605A
公开(公告)日：2022-04-29
申请号：CN202210031546.8
申请日：2022-01-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于联邦学习的通信梯度自适应压缩方法，属于移动通信领域。该方法包括：计算节点梯度参数：联邦学习设备端使用本地数据集进行任务训练，并计算该节点的梯度参数；设计一种梯度自检方式：将本轮所有节点的梯度参数汇总至累计梯度池中，并根据累计梯度池与历史参数信息计算当前轮次阈值；执行节点梯度自检：所有节点执行梯度自检公式，满足条件的节点则参与本轮联邦迭代，不满足条件则继续在本地累计梯度。本发明可以减少设备端与中心服务器之间的冗余通信，有效降低通信开销。
-
公开(公告)号：CN114546660A
公开(公告)日：2022-05-27
申请号：CN202210193785.3
申请日：2022-03-01
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种多无人机协作边缘计算方法，属于边缘计算无人机领域。本发明中多架边缘计算无人机通过组网，构建成一个分布式的计算系统；预设每个无人机上边缘计算服务的中央处理器的周期频率、存储大小；以任务计算服务延迟和严苛任务失败惩罚的加权和最小为优化目标；采用深度确定性策略梯度算法确定各个任务卸载的无人机；采取深度确定性策略梯度算法确定各个任务计算结果的交付无人机，然后交付无人机任务计算结果反馈给用户。本方法充分考虑各个无人机上边缘计算服务器的任务负载状况、车辆的移动特性和任务对服务质量的需求，能够保证任务的及时交付。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
