-
公开(公告)号：CN116346821A
公开(公告)日：2023-06-27
申请号：CN202310283873.7
申请日：2023-03-22
Applicant: 桂林理工大学
Abstract: 本发明涉及大数据和云计算技术领域，具体涉及一种面向云数据中心的通信开销最优化方法，包括基于全局云端数据中心、本地数据中心和终端用户构建联邦学习架构并建立通信传输；在全局云端数据中心初始化上一轮全局模型参数；每个终端用户基于全局模型参数得到局部模型和评估成本；本地数据中心基于评估成本选择出最优局部模型以及相应的终端用户；未经选择的终端用户向本地数据中心发送三元向量化模型参数及演化方向；全局云端数据中心结合最优局部模型和三元向量化模型参数及演化方向进行全局模型更新并修改同步参数用以调节最优局部模型与其他三元向量化模型参数的同步迭代更新，得到最终全局模型，并将其作为下一轮训练的初始化全局模型。
-
公开(公告)号：CN111562837B
公开(公告)日：2023-05-05
申请号：CN202010368714.3
申请日：2020-05-02
Applicant: 桂林理工大学
IPC: G06F1/3234 , G06F1/329 , G06F9/48
Abstract: 一种多CPU/GPU异构服务器的功耗控制方法。首先用户将作业提交到服务器功耗控制框架，其中的作业调度器接收到作业后初始化，获取作业信息；接着，作业调度器将作业信息发送到功耗控制器，对信息进行绑定后，功耗控制器内部的最佳选择方法按照作业信息选取一种策略给每个处理组件分配功率预算。然后每个处理组件向功耗控制器返回功耗情况，按照返回的功耗情况，功耗控制器中的最佳选择方法自我更新，完成后方法重置。本发明以服务器吞吐量最大化为目标，提出了一种采用强化学习的功耗控制方法，其时间复杂度是多项式时间，可以适用于处理在线的、大规模作业；采用强化学习的方法自动选取策略，能够自我学习、自我更新，可以适用于各种不同场景。
-
公开(公告)号：CN112214295A
公开(公告)日：2021-01-12
申请号：CN202011007696.2
申请日：2020-09-23
Applicant: 桂林理工大学
Abstract: 本发明公开了一种多CPU/GPU异构服务器集群的低能耗作业调度方法。首先接收用户提交的作业，根据该作业在CPU和GPU上的执行时间情况对该作业进行分类，然后调用动态分配方法对该作业进行分配。动态分配方法的中心思想在于尽可能把任务分配到偏好的处理器上以确保较好的执行效果，无法分配时把尝试把处理器的任务队列中异构比较小的任务替换出来，必要时可以通过DVFS技术调高处理器频率的方法强行分配，通过这种方法达到少开服务器以降低能耗的效果。本发明以最小化集群完成任务所需能耗为目的，在满足作业时限的前提下，实现在线的调度作业，该方法计算简单、运算速度快，适用于在线、大规模的服务请求场景。
-
公开(公告)号：CN119300088A
公开(公告)日：2025-01-10
申请号：CN202411309041.9
申请日：2024-09-19
Applicant: 桂林理工大学
Abstract: 本发明涉及边缘计算技术领域，具体涉及一种智能超表面辅助的车载边缘计算任务卸载方法，针对智能超表面辅助车载边缘计算场景的无线卸载传输链路面临的高路径损耗和易受阻塞等问题，利用智能超表面来提高无线卸载传输链路的信道质量，具体通过建立智能超表面辅助的车载边缘计算卸载模型，克服了在车辆移动时产生的传输链路受阻问题，同时建立智能超表面相移、幅值、卸载决策以及资源分配的智能联合优化问题，最后通过DDPG算法来解决动态耦合非凸问题，在减少链路受阻下降低计算卸载成本，从而使由车载边缘计算系统延迟和能耗组成的成本最小化。
-
公开(公告)号：CN119110415A
公开(公告)日：2024-12-10
申请号：CN202411171202.2
申请日：2024-08-26
Applicant: 桂林理工大学
IPC: H04W72/50 , H04W24/06 , H04W72/0446 , H04B5/79
Abstract: 本发明涉及无线供能边缘计算和任务调度技术领域，具体涉及一种面向无线供能边缘计算网络的资源分配方法，首先，综合考虑异构接入点、移动终端、时变信道和异构任务，并建立了相应的系统模型、设备与服务模型、任务模型计算模型；然后，综合考虑多种影响计算性能的因素，设计基于混合延迟任务的选择算法；最后，考虑无线供能边缘计算网络网络模型特性，基于一维时间变量二分搜索的坐标下降算法解决移动终端的卸载决策和系统时间资源分配问题。本发明能够在时变信道下有效的做出异构接入点选择、卸载决策和时间资源分配方案，从而提高系统整体计算效能。
-
Patent Agency Ranking
公开(公告)号：CN119048779A
公开(公告)日：2024-11-29
申请号：CN202411171713.4
申请日：2024-08-26
Applicant: 桂林理工大学
IPC: G06V10/75 , G06F16/33 , G06V10/80 , G06V10/764 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及数据融合技术领域，具体涉及一种面向多模态数据的图像‑文本快速匹配方法，首先通过引入目标注意力模型，从而构建多模态数据的语义关联模型，捕捉不同模态之间的共性。其次，使用双线性融合方法探索图像与文本之间的关系建立了多模态张量融合模型，直接学习相似度分数，无需构造整个嵌入子空间且在两个模态之间建模向量，避免了建立公共嵌入空间中距离度量时带来的计算开销。最后，根据计算的相似度分数，使用双向边际最大损失函数来计算模型损失，实现了图像与文本的快速匹配。与现有大多数基于分类与基于嵌入的跨模态匹配方法相比，本发明可以有效均衡匹配精度及模型复杂度。
-
公开(公告)号：CN118779077A
公开(公告)日：2024-10-15
申请号：CN202410891413.7
申请日：2024-07-04
Applicant: 桂林理工大学
Abstract: 本发明涉及人工智能及大数据技术领域，具体涉及一种加速分布式训练作业的自适应调度方法，涉及调度、迁移和预留三个过程，首先，通过建模分析和机器学习来预测作业完成时间，设计最佳作业划分方法。然后，考虑到了作业迁移的开销，设计了一种预估作业迁移开销的方法来减少开销。最后，由于迁移的开销不可忽略性，因此设计了预留方法来减少非必要的迁移。本发明分别采用基于作业和节点特征的预测模型以及分层选择策略进行高效调度。通过分析作业迁移的必要性并考虑迁移代价，以及调度与迁移的关系，为调度方法设计了用于优化的预留方法。
-
公开(公告)号：CN118158032A
公开(公告)日：2024-06-07
申请号：CN202410235294.X
申请日：2024-03-01
Applicant: 桂林理工大学
IPC: H04L25/02 , H04B7/04 , G06F18/241 , G06N3/098 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及无线通信技术领域，具体涉及一种基于联邦学习的RIS辅助通信系统信道估计方法，针对车辆移动时难以进行精准的信道估计问题，利用联邦学习技术来实现可靠安全的信道估计，并为本地用户设计了层次残差神经网络，具体方法如下：首先对车辆所在区域进行预判断，然后再进行相应区域下的信道估计，克服了车辆在小区中移动时车辆位置变化信道估计产生的影响，同时通过联邦学习进行模型训练将本地模型上传至边缘基站，能够很大程度上减少模型训练过程中产生的通信开销，提升所提算法在RIS辅助通信场景下的整体信道估计性能。
-
公开(公告)号：CN117676706A
公开(公告)日：2024-03-08
申请号：CN202311488800.8
申请日：2023-11-09
Applicant: 桂林理工大学
IPC: H04W28/08 , H04W28/084 , H04W4/029
Abstract: 本发明涉及边缘计算技术领域，具体涉及一种多用户移动感知与用户卸载关联匹配方法，首先构建基于非正交多址(NOMA)技术的超密集网络边缘计算场景系统模型；其次针对用户的非线性移动特性，采用基于扩展卡尔曼滤波的多项式拟合算法进行轨迹预测；最后以提升所提模型最低卸载信干燥比为目标，设计一种基于广度优先搜索的用户‑基站卸载关联匹配算法，实现对微基站重叠覆盖区域内的用户与基站关联。本发明提出的用户‑基站卸载关联匹配方法考虑了用户动态运动的影响，因此更能逼近现实超密集网络边缘计算卸载的情况，同时通过扩展卡尔曼滤波对GPS测量的历史轨迹数据进行滤波，提升了历史轨迹数据的精确度。
-
公开(公告)号：CN117676705A
公开(公告)日：2024-03-08
申请号：CN202311488286.8
申请日：2023-11-09
Applicant: 桂林理工大学
IPC: H04W28/08 , H04W28/084 , H04W4/029 , H04W4/40
Abstract: 本发明涉及无线通信技术领域，具体涉及一种多无人机协同的智慧园区物联网数据边缘协同处理方法，首先基于博弈论计算卸载算法优化终端设备计算任务卸载比例，改进基站及无人机单位资源售价更新策略：通过计算效用函数一阶偏导更新基站及无人机单位资源价格，实现算法快速收敛；然后基于上一阶段的终端设备卸载比例，提出融合模拟退火算法及天牛须算法的退火天牛须算法用于优化无人机飞行轨迹，在外部迭代采用模拟退火中的蒙特卡洛准则接受差解，跳出局部最优，弥补了天牛须算法容易陷入局部最优解的缺陷。本发明通过对多无人机飞行轨迹以及终端计算任务卸载问题进行优化，从而降低计算任务的时延及能耗加权和总成本，提高网络服务质量。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.025 seconds)
