-
公开(公告)号：CN113194493A
公开(公告)日：2021-07-30
申请号：CN202110490184.4
申请日：2021-05-06
申请人： 南京大学
摘要： 本发明公开了一种基于图神经网络的无线网络数据缺失属性恢复方法及装置。所述方法包括：将无线网络数据映射成对应的拓扑图结构，依次将存在缺失属性的样本数据映射为拓扑图结构中的节点的属性向量；根据节点的属性向量获取拓扑图结构的邻接矩阵；利用图采样算法将拓扑图结构进行简化，得到稀疏化的邻接矩阵；基于属性向量和稀疏化邻接矩阵，利用图神经网络模型进行学习，输出经过重构后恢复的属性向量。本发明方法使用基于图自动编码器的属性恢复框架，采用基于策略梯度的图神经网络学习算法，直接对无线网络数据的属性恢复问题进行建模和学习，充分利用了无线网络数据中相关性，从而提高无线网络数据恢复的属性的性能。
-
公开(公告)号：CN109547241B
公开(公告)日：2021-07-30
申请号：CN201811354532.X
申请日：2018-11-14
申请人： 南京大学
IPC分类号： H04L12/24
摘要： 本发明公开了一种基于Markov算法的面向NUMA架构的虚拟网络功能部署方法，主要包括以下步骤：(1)根据用户的服务请求，组成服务功能链，服务功能链由多个虚拟网络功能组成，为用户提供所需要的服务；(2)获取NUMA系统的节点部署情况、每个NUMA节点的剩余计算资源和NUMA节点之间的带宽资源，并根据NUMA系统的节点部署情况和重用机制，确定服务功能链中的虚拟网络功能可重用情况；(3)以一条服务功能链的服务延迟取最小值为优化目标建立目标规划问题，并获得该问题的一个可行解；(4)利用Markov算法获得该问题的一个优化的部署方案。实验结果表明，服务功能链通过本发明所提出的算法部署，可以取得比现有算法更优的服务延迟。
-
公开(公告)号：CN110413111B
公开(公告)日：2021-06-01
申请号：CN201910615492.8
申请日：2019-07-09
申请人： 南京大学
IPC分类号： G06F3/01
摘要： 本发明公开了一种目标键盘追踪系统及方法，应用于运动的智能眼镜与纸质键盘输入交互场景中；该系统包括：键盘追踪模块及自适应追踪模块；键盘追踪模块包括键盘的提取、特征点对选取、计算变换矩阵和键盘坐标转换；自适应追踪模块包括传感器数据获取、数据分段分析、判断状态并发送是否继续追踪的信号。本发明采用多线程优化技术来降低追踪处理的时延；实现了实时的键盘追踪，并且很好地满足用户的键盘交互输入需求。
-
公开(公告)号：CN112148451A
公开(公告)日：2020-12-29
申请号：CN202011030053.X
申请日：2020-09-27
申请人： 南京大学
摘要： 本发明公开了一种低时延的协同自适应CNN推断系统及方法，应用于边缘计算网络。所述系统包括一个主节点和多个从节点，主节点用于实时监控各从节点的运行状态，并周期性地更新从节点的推断任务，从节点用于推断任务的具体执行。本发明在系统中实现了CNN跨层数据范围演绎机制，使得主节点和从节点可以演绎出在CNN诸多层中任意两块数据之间的依赖关系，借此实现高效的自定义动态调度；同时设计了均衡同步调度器作为系统内置调度器，以动态感知的方式调整从节点负载并实现内存的高效回收。
-
公开(公告)号：CN110662238B
公开(公告)日：2020-08-25
申请号：CN201911016176.5
申请日：2019-10-24
申请人： 南京大学
摘要： 本发明提出一种针对边缘网络下突发请求的强化学习调度方法及设备，方法包括：建立系统模型，包括通信模型、请求模型和服务器模型；根据系统模型为调度突发请求建立目标函数，将调度突发请求转化为优化问题；采用强化学习求解优化问题，定义状态空间、动作空间和奖赏函数，建立强化学习模型；采用A3C算法训练强化学习模型直至收敛；将训练好的模型用于边缘网络的请求调度。该方法以多服务器协作的方式处理突发请求，相邻的边缘服务器相互协作，从而最大化在deadline之前完成的请求数量。通过将调度问题迁移成强化学习的决策问题，针对每个请求，只需将当前的状态输入到强化学习的actor网络，即可从输出的概率分布图中选择动作，达到快速决策的效果。
-
公开(公告)号：CN111461269A
公开(公告)日：2020-07-28
申请号：CN202010262932.9
申请日：2020-04-07
申请人： 南京大学
摘要： 本发明公开了一种基于射频识别技术的尿不湿湿度检测系统及其工作方法，包括：RFID标签及RFID手持终端；其中，RFID标签，其粘贴于尿不湿上，用于采集尿不湿的湿度数据；RFID手持终端，其包含：阅读器天线、RFID阅读器、存储单元、处理单元、交互单元；阅读器天线用于接收RFID标签的ID、信号强度信息；RFID阅读器用于读取阅读器天线接收的RFID标签的ID、信号强度信息；存储单元用于存储经验阈值数据；处理单元用于处理RFID阅读器传输的RFID标签的ID、信号强度信息并得到尿不湿的湿度，交互单元，用于人机交互。本发明通过射频识别技术实现湿度检测，成本低廉，使用方便。
-
公开(公告)号：CN107193655B
公开(公告)日：2020-04-03
申请号：CN201710347165.X
申请日：2017-05-17
申请人： 南京大学
IPC分类号： G06F9/50
摘要： 本发明公开了一种基于效用函数的面向大数据处理的公平资源调度方法，首先获取所有作业的基本特征，然后通过分析基本特征将作业分为流数据处理、交互式以及批处理作业；接着对于流数据处理的作业以平均分布和紧凑的原则来预留系统中的资源；对于交互式和批处理的作业，先分析各自的特征向量导出作业的效用函数，再通过截止时间系数进行约束创建当前可调度作业的预备作业池，最后使用最大资源点乘法选择能够提高资源利用率的任务进行调度，丢弃排队队列中不能为系统产生正面效用的工作。本发明方法将效用函数作为衡量作业重要性的指标，能够更加完善、准确以及满足用户公平性，提高作业服务质量，系统的总体处理能力以及整体效用。
-
公开(公告)号：CN107135268B
公开(公告)日：2020-02-18
申请号：CN201710366310.9
申请日：2017-05-22
申请人： 南京大学
IPC分类号： H04L29/08
摘要： 本发明公开了一种基于信息中心网络的分布式任务计算方法，包括以下步骤：用户将计算任务分解为子任务，并向网络发送特定格式的请求包来请求计算子任务；网络中间节点根据任务需求和自身负载情况判断是否执行计算任务；对网络中间节点未予处理的请求任务，最终由服务器来完成。本发明的方法以信息中心网络中间节点可以缓存数据为基础，修改包的格式和网络节点对包的处理流程，由路由协议协助管理计算任务的分配，充分利用中间节点的计算和存储资源，减少分布式任务计算中网络传输所需的时间和节点之间的交互，克服现有方法中对路由器负载影响过大的缺点，提供了一种更加高效的分布式任务计算服务，适用于大型分布式任务计算场景。
-
公开(公告)号：CN110287658A
公开(公告)日：2019-09-27
申请号：CN201910537874.3
申请日：2019-06-20
申请人： 南京大学
IPC分类号： G06F21/16
摘要： 本发明提出了一种基于DirectX的数字水印生成方法，包括以下步骤：创建置顶窗口；调整透明度；进行颜色选择；嵌入水印图案。该方法通过分析人眼和手机摄像头成像原理的不同，在屏幕上以高帧率刷新具有颜色互补关系的图片，使得数字水印在不被人眼感知的同时可以被手机摄像头捕捉。为了轻量化和减少使用过程中调整的复杂度的需求，开发了一个在Windows平台使用的基于DirectX接口的应用程序，该程序在屏幕最顶层绘制出一个具有一定透明度的窗口，然后根据实际情况调整其颜色和透明度，并在窗口中循环展示嵌入信息的颜色互补的图片，最终实现把嵌入的水印图案实时添加到电子屏幕的顶层，并通过高速刷新的方法使得对人眼不可见。
-
公开(公告)号：CN110278149A
公开(公告)日：2019-09-24
申请号：CN201910537886.6
申请日：2019-06-20
申请人： 南京大学
IPC分类号： H04L12/707 , H04L12/863
摘要： 本发明公开了基于深度强化学习的多路径传输控制协议数据包调度方法。在多路径传输控制协议(MPTCP)中，通过设置周期性的调度机制，将数据包调度过程转化为马尔可夫决策过程，并通过深度强化学习，用神经网络表示MPTCP的数据包调度策略，并且学出各种网络环境下的最优数据包调度策略。从根本上解决启发式MPTCP数据包调度无法适应复杂多样的动态网络环境导致MPTCP性能下降的问题。本发明方法使用Actor-Critic强化学习框架，采用基于策略梯度的深度强化学习算法，直接对MPTCP数据包调度策略进行建模和学习，从而提高策略优化效率，加速MPTCP数据包调度策略神经网络的训练。
-
-
-
-
-
-
-
-
-
搜索结果
286 条记录 (耗时 0.089 秒)
