-
公开(公告)号：CN118212778A
公开(公告)日：2024-06-18
申请号：CN202410315580.7
申请日：2024-03-19
Applicant: 中南大学
IPC: G08G1/01
Abstract: 本发明涉及交通流量预测技术领域，特别是一种基于深度学习的高速路网多任务流量预测方法及系统；本发明关注进站流量和出站流量的关联以及时间特征的相似性，使用多任务学习技术将两者的共同特征表征出来，表征的共同特征作为特征融合的输入，能实现对高速路网目标站点的进站流量和出站流量的多任务协同预测，通过深度学习流量预测模型深入挖掘高速路网流量时空相关性的特点及不同外部因素对其影响的变化规律，提高了流量预测的准确性。
-
公开(公告)号：CN116089838B
公开(公告)日：2023-09-26
申请号：CN202310184950.3
申请日：2023-03-01
Applicant: 中南大学 , 湖南能源大数据中心有限责任公司
IPC: G06F18/214 , G06F18/24 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q30/0201 , G06Q50/06
Abstract: 本发明公开了一种窃电用户智能识别模型训练方法和识别方法，所述训练方法包括获取无标签用电数据和有标签用电数据；对用电时间序列进行预处理；由无标签用电数据的N个预处理后的用电时间序列构成第一样本数据集，由有标签用电数据的M个预处理后的用电时间序列及对应的用户类型构成第二样本数据集；构建对比表征学习模型，利用第一样本数据集对对比表征学习模型进行训练，得到目标特征编码器；构建窃电用户智能识别模型，窃电用户智能识别模型包括目标特征编码器、时频域特征提取模块以及分类计算模块；利用第二样本数据集对窃电用户智能识别模型进行训练，得到目标窃电用户智能识别模型。本发明能够提高窃电用户识别的准确性。
-
公开(公告)号：CN116390165A
公开(公告)日：2023-07-04
申请号：CN202310224248.5
申请日：2023-03-09
Applicant: 中南大学
IPC: H04W28/086 , H04L41/16
Abstract: 本发明公开了一种数据驱动的蜂窝基站动态管理方法与系统，本方法获取包含射频拉远头和基带处理单元的蜂窝基站数据集，并从蜂窝基站数据集中获得射频拉远头的表示特征；根据射频拉远头的表示特征构建射频拉远头的流行度指标；采用带约束条件的聚类方法对射频拉远头的流行度指标进行分类，获得射频拉远头的分类结果；根据分类结果建立基带处理单元的总优化目标；根据基带处理单元的总优化目标建立马尔可夫决策过程模型；采用异步优势动作评价方法对马尔可夫决策过程模型进行网络训练，获得射频拉远头到基带处理单元的连接映射结果；根据连接映射结果动态管理蜂窝基站。本发明能提高基带处理单元的利用率，减少能耗，使用户连接负载更均衡。
-
公开(公告)号：CN116108350A
公开(公告)日：2023-05-12
申请号：CN202310016410.4
申请日：2023-01-06
Applicant: 中南大学 , 湖南能源大数据中心有限责任公司
IPC: G06F18/214 , G06N3/0464 , G06N3/096 , G06Q50/06
Abstract: 本发明公开了一种基于多任务学习的非侵入式电器识别方法及系统，本方法通过获取多种电器的训练样本集和验证样本集；根据卷积神经网络，构建多任务学习的非侵入式电器识别模型；计算非侵入式电器识别模型的残差值；将多种电器的待预测样本输入至训练好的非侵入式电器识别模型中，获得非侵入式电器的识别结果；其中，训练好的非侵入式电器识别模型由残差值、验证样本集和训练样本集训练得到。本发明能够充分利用电器之间的内在联系，提高非侵入式电器识别的准确度。
-
公开(公告)号：CN112070240B
公开(公告)日：2022-10-14
申请号：CN202010929585.0
申请日：2020-09-07
IPC: G06N20/20 , G06F30/27 , G06F111/04
Abstract: 本发明公开了一种高效通信的分层联邦学习框架及其优化方法和系统，该框架包括：一个云聚合器、多个边缘聚合器和多个分布式计算节点；在每轮云聚合迭代中，边缘聚合器首先从云聚合器下载全局学习模型，每个分布式计算节点从其关联的边缘聚合器下载全局学习模型，训练模型更新上传到关联的边缘聚合器；边缘聚合器聚合接收模型更新并聚合发送回关联的计算节点，经过多次边缘聚合迭代后，将边缘模型更新上传到云聚合器；云聚合器将多个边缘模型聚合后得到全局模型更新发送回所有的边缘聚合器；重复边缘聚合以及云聚合迭代，直至全局模型达到目标精度。该优化方法采用通信开销最小化作为优化目标。本发明提高学习性能的同时，可降低系统的通信开销。
-
Patent Agency Ranking
公开(公告)号：CN111629443B
公开(公告)日：2022-07-26
申请号：CN202010523949.5
申请日：2020-06-10
Applicant: 中南大学
Abstract: 本发明公开了一种用于超5G车联网中的动态频谱切片框架的优化方法，包括：对于特定类型的服务请求，将时隙内到达的服务请求调度到不同的下行链路资源平面中以交付服务；通过资源切片的方式使每个资源平面为每种类型的服务请求维护一个队列；根据每个资源平面在每个时隙中的无人机包处理能力，确定在每个时隙内为满足来自所有服务请求的动态包处理需求，需要调度的无人机数量；根据每个资源平面在时隙内对每个服务请求的分组处理能力；以所有资源平面的服务供应成本最小化以及服务效用最大化为优化目标，基于李雅普诺夫优化技术解耦优化参数，以确定最优的控制参数。本发明有效地提高用户服务性能和资源利用率。
-
公开(公告)号：CN114706678A
公开(公告)日：2022-07-05
申请号：CN202210284033.8
申请日：2022-03-22
Applicant: 中南大学
Abstract: 本发明公开了一种边缘智能服务器神经网络推断任务调度方法，步骤包括：利用GPU虚拟化技术将GPU虚拟成多个虚拟GPU；按照预设的分配策略，为虚拟GPU分配预设的资源，用排队服务系统按照预设的执行批次，为每个推断任务的类别对应的虚拟GPU分配推断任务；收集每一类推断任务的平均服务延迟和计算资源量，判断是否需要调整分配策略，是则用强化学习算法计算新的分配策略；按照新的分配策略，为虚拟GPU分配对应的资源，用排队服务系统按照对应的执行批次，为每个任务的类别对应的虚拟GPU分配神经网络推断任务。本发明以较低的计算复杂度，满足动态场景的实时性要求，并且有效的解决了在较大规模的边缘计算场景中的负载均衡问题。
-
公开(公告)号：CN114466385A
公开(公告)日：2022-05-10
申请号：CN202210030007.2
申请日：2022-01-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于用户移动感知的无缝服务迁移方法及计算机系统，应用于小蜂窝边缘计算系统，该方法包括步骤：建模小蜂窝边缘计算系统场景，定义多用户服务迁移问题和优化目标；数据清洗，分析用户移动特性；根据用户移动特性，求解最优的服务放置决策：根据用户与AP之间的关联信息，将用户分成两类：如果用户移动到“偏好”的AP上，则需要为其考虑服务迁移，采用增强学习的迁移策略，实时为用户做出迁移决策；如果用户移动到“非偏好”的AP上，则不需要为其考虑服务迁移，将用户的服务请求对应的任务仍放置在原本的边缘节点上。本发明考虑了当前时刻的服务调度决策对未来系统表现的影响，减少了系统中不必要的迁移，降低了多用户服务迁移的复杂度，提供了一种以最小化系统长期平均延迟为目标的服务迁移优化策略。
-
公开(公告)号：CN114466023A
公开(公告)日：2022-05-10
申请号：CN202210216002.9
申请日：2022-03-07
Applicant: 中南大学
IPC: H04L67/1023 , H04L67/1008 , H04L67/60 , H04L67/10 , G06F9/50 , G06Q30/02 , G06N3/08
Abstract: 本发明公开了一种面向大规模边缘计算系统的计算服务动态定价方法及系统，包括步骤：边缘计算服务器训练一个动态定价强化学习智能体；每台边缘计算服务器根据动态定价强化学习智能体的输出在每个时隙开始时发布新的任务卸载的服务定价，通过无线网络连接到该边缘计算服务器的用户移动设备对发布的服务定价进行反馈，反馈包括时隙内用户移动设备卸载给该边缘计算服务器的任务计算量；在该时隙结束时，将时隙内的边缘计算服务器的负载数据、服务定价和定价带来的收益输入动态定价强化学习智能体进行学习，以最大化每个时隙的长期收益作为学习目标，优化动态定价强化学习智能体。本发明可仅通过与用户交互迭代就可以不断学习改进动态定价策略。
-
公开(公告)号：CN114038062A
公开(公告)日：2022-02-11
申请号：CN202111335745.X
申请日：2021-11-11
Applicant: 中南大学
Abstract: 本发明公开了一种基于联合关键点表征的考生异常行为分析方法及系统，方法包括如下步骤：S1.获取视频帧，以考生和课桌为目标进行定位，获取目标图像；S2.提取所述目标图像中所述考生的人体关键点，以及所述课桌的课桌关键点；S3.根据所述人体关键点、课桌关键点，生成抽象化特征图；通过智能神经网络对所述特征图进行识别，判断考生是否存在异常行为。具有准确性高、对考生异常行为识别效果好等优点。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.102 seconds)
