-
公开(公告)号：CN117453846A
公开(公告)日：2024-01-26
申请号：CN202311504562.5
申请日：2023-11-13
Applicant: 中南大学
IPC: G06F16/29 , G06N3/0455 , G06N3/047 , G06N3/0475 , G06N3/092 , G06N5/04
Abstract: 本公开实施例中提供了一种基于潜在扩散模型的多模态行人轨迹预测方法，属于数据处理技术领域，具体包括：采用条件自编码器的编码器模块将行人历史轨迹的二维坐标转换到潜在特征空间中，得到潜在表征和样本条件状态；通过扩散模型对标准高斯分布进行预设次数的采样并利用固定方差调度器对潜在表征进行加噪，得到噪声表征并根据样本条件状态和预设损失函数训练扩散模型；将待预测行人轨迹输入条件自编码器的编码器模块得到目标条件状态；利用训练好的扩散模型和变分推理进行采样去噪，得到去噪表征；将去噪表征和目标条件状态输入至解码器，生成预测结果。通过本公开的方案，提高了预测效率、精准度和适应性。
-
公开(公告)号：CN116758767B
公开(公告)日：2023-10-20
申请号：CN202311050477.6
申请日：2023-08-21
Applicant: 中南大学
Abstract: 本发明公开了一种基于多策略强化学习的交通信号灯控制方法，包括获取当前时刻目标交通信号灯处的交通数据信息；采用分类宽度学习系统进行复杂度判定；采用当前的评估宽度学习系统计算下一时刻的最佳动作值；获取当前时刻和历史时刻的状态信息和控制策略；训练评估宽度学习系统；实时重复以上完成目标交通信号灯处的基于多策略强化学习的交通信号灯控制。本发明结合宽度学习系统，提出了一种新的交通信号灯控制方法，不仅能够实现城市路口交通信号灯的控制，而且可靠性更高、实时性更好且精确性更好。
-
公开(公告)号：CN116193405A
公开(公告)日：2023-05-30
申请号：CN202310198765.X
申请日：2023-03-03
Applicant: 中南大学
Abstract: 本发明公开了一种基于DONA框架的异构V2X网络数据传输方法，包括获取网络参数信息；构建异构V2X网络数据传输模型；基于DONA框架构建深度强化学习模型；训练深度强化学习模型，采用训练后的模型求解数据传输模型；根据求解结果进行数据传输；实时重复以上步骤并完成目标异构V2X网络的实时数据传输。本发明考虑了多种C‑V2X基本通信模式和无线接口技术，形成了多种可选通信模式，充分利用了不同无线接口技术的优势，能够为多类型消息的传输提供服务质量保障并提高无线网络资源利用率，而且本发明的可靠性高、效率高且资源占用较少。
-
公开(公告)号：CN111669834B
公开(公告)日：2022-06-24
申请号：CN202010640138.3
申请日：2020-07-06
Applicant: 中南大学
Abstract: 本发明公开了一种毫米波蜂窝网络中基于D2D辅助的资源分配方法，包括获取毫米波蜂窝网络的网络通信参数；建立接入与回程资源联合分配优化子问题和D2D接入与转发链路资源联合分配优化子问题；采用博弈模型对子问题进行建模；对建立的博弈模型进行求解得到最终的资源分配结果。本发明将资源分配优化问题分解成两个子问题来降低问题的复杂度，并将子问题分别构建成了新的非合作博弈并设计了算法进行求解；因此，本发明方法不仅能够实现毫米波蜂窝网络中基于D2D辅助的资源分配，而且方法复杂度较低，可靠性较高且效果较好。
-
公开(公告)号：CN113163447A
公开(公告)日：2021-07-23
申请号：CN202110271286.7
申请日：2021-03-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于Q学习的通信网络任务资源调度方法，包括获取通信网络的实时通信状态和通信参数并初始化R表；通信网络的每一个任务调度节点进行自身Q表的训练；通信网络的每一个任务调度节点进行自身Q表的决策；通信网络根据每一个任务调度节点在步骤S3得到的Q表进行后续的任务资源调度；通信网络的每一个任务调度节点进行自身R表的更新；重复上述步骤进行持续的通信网络任务资源调度。本发明利用Q学习的特点，为在具有不确定性的高动态网络环境下建模任务存活率与资源利用率之间的相互影响关系问题找到了突破口，通过创新性的算法研究和实施，实现了复杂情况下的通信网络的任务资源调度和平衡，而且可靠性高、稳定性好且简单方便。
-
Patent Agency Ranking
公开(公告)号：CN107333319B
公开(公告)日：2021-04-20
申请号：CN201710638300.6
申请日：2017-07-31
Applicant: 中南大学
Abstract: 本发明公开了一种蜂窝下行通信能效优化方法，包括基站辅助决策的步骤和接收点独立决策的步骤；基站辅助决策的步骤包括启动中继预选，验证预选中继和启动与结束D2D链路发射功率调节过程；接收节点独立决策的步骤包括D2D中继预选决策，D2D链路发射功率的折半调节和D2D链路发射功率逐步递减调节。本发明为接收节点特别是处于蜂窝边缘的接收节点提供了选择至多2个中继节点以辅助其接收蜂窝下行数据，提升了蜂窝下行通信的能量效率，能够将通信代价和计算开销在各个接收节点与基站之间进行合理分担，能够加快每个接收节点对自己所选中继节点进行发射功率调节的收敛速率。
-
公开(公告)号：CN109240818B
公开(公告)日：2021-01-15
申请号：CN201811025115.0
申请日：2018-09-04
Applicant: 中南大学
Abstract: 本发明公开了一种边缘计算网络中基于用户体验的任务卸载方法，所述方法包括：调度器接收用户提交的任务卸载请求，基于时间能量开销联合优化建立任务卸载策略模型，基于线性重构的分支定界算法对所述模型进行求解计算；根据计算结果对任务是否卸载至边缘服务器进行决策，并且对卸载至边缘服务器上的任务进行通信和计算资源的分配。本发明联合优化时延和能量消耗两个关键指标，基于线性重构技术的分支定界算法对问题进行求解，能够在保证任务完成的情况下减少移动智能设备的能量消耗，降低任务处理时延，达到最大限度优化用户体验的目的。
-
公开(公告)号：CN111669834A
公开(公告)日：2020-09-15
申请号：CN202010640138.3
申请日：2020-07-06
Applicant: 中南大学
Abstract: 本发明公开了一种毫米波蜂窝网络中基于D2D辅助的资源分配方法，包括获取毫米波蜂窝网络的网络通信参数；建立接入与回程资源联合分配优化子问题和D2D接入与转发链路资源联合分配优化子问题；采用博弈模型对子问题进行建模；对建立的博弈模型进行求解得到最终的资源分配结果。本发明将资源分配优化问题分解成两个子问题来降低问题的复杂度，并将子问题分别构建成了新的非合作博弈并设计了算法进行求解；因此，本发明方法不仅能够实现毫米波蜂窝网络中基于D2D辅助的资源分配，而且方法复杂度较低，可靠性较高且效果较好。
-
公开(公告)号：CN105138667A
公开(公告)日：2015-12-09
申请号：CN201510562450.4
申请日：2015-09-07
Applicant: 中南大学
CPC classification number: G06F17/30864 , G06Q50/01
Abstract: 一种考虑时延约束的社会网络初始关键节点选取方法。本发明首先结合见面概率和激活概率将网络中用户之间的影响力量化表示为信用分配过程结束后积累在节点上的信用值大小。通过对网络结构和用户行为记录的学习，将尝试见面并激活其他用户而产生的传播阻碍作用转化为传播增量路径度量，并结合时延约束条件限定性地分配信用。最后使用贪心思想递归选取边际收益最大的节点组成初始关键节点集合。本发明构建了一种新的社会网络初始关键节点选取方法，结合概率事件和时延约束条件，改进了以往仅基于节点度值评价节点影响力规则的弊端，提高了选取过程的执行效率，并更加真实有效地模拟和预测网络中行为的传播过程。
-
公开(公告)号：CN104661260A
公开(公告)日：2015-05-27
申请号：CN201510027735.8
申请日：2015-01-20
Applicant: 中南大学
Abstract: 本发明提出一种QoS感知和负载均衡的无线Mesh智能电网路由机制NQA-LB。该路由机制包括四个步骤：首先用EDCA机制区分不同QoS需求的智能电网业务流，根据EDCA机制的数据包碰撞率计算不同业务流的误帧率；其次根据转发节点缓存的队列长度和数据包成功传输的概率，计算不同优先级的数据包排队延迟；然后综合考虑不同业务流的数据帧误帧率和排队延迟，设计QoS感知和负载均衡的路由判据，为不同QoS需求的业务流选择一条负载较少的最佳路径；最后根据网络总负载和各优先级业务流的负载情况，在MAC层动态的调整数据包优先级。本发明能更加准确的感知MAC层的链路质量，保证智能电网不同业务流的QoS需求，进一步提高数据包投递率和平均吞吐量，减少所有业务流的端到端时延。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.024 seconds)
