-
公开(公告)号：CN114611689B
公开(公告)日：2025-04-04
申请号：CN202210100881.9
申请日：2022-01-27
Applicant: 北京邮电大学
Abstract: 本发明提供了一种低精度整型表示下的联邦学习方法，包括：服务器对全局浮点数模型进行初始化，并选择终端；将全局浮点数模型量化为整型的全局整型模型；服务器将全局整型模型发送至终端；终端利用训练数据对获取的全局整型模型进行训练，得到整型的低精度模型；终端将低精度模型传输至服务器；服务器对全局整型模型以及低精度模型反量化，利用反量化后的全局整型模型以及反量化后的低精度模型更新全局浮点数模型；重复上述初始化之后的步骤直至所述全局浮点数模型收敛或达到预设的训练次数；本发明通过设计一个全整型表示的神经网络训练算法解决终端浮点数运算的能耗问题并通过设计一个低精度模型聚合算法解决低精度联邦学习的精度问题。
-
公开(公告)号：CN115361387B
公开(公告)日：2024-12-13
申请号：CN202210990289.0
申请日：2022-08-18
Applicant: 北京邮电大学
Abstract: 一种容器实例数目调整及用户请求分流的联合控制方法及装置，采用训练好的深度强化学习模型完成，该模型将当前能够启动的容器实例数目、当前时隙运行的容器实例数目及当前时隙的用户请求状态信息作为输入，输出当前时隙所需的容器实例数目的增减信息及当前时隙的用户请求分流信息。基于该模型的输出结果，对跨域边缘网络中的容器实例数目进行增减控制及对用户请求分流到对应的边缘云的过程进行控制。该模型的训练是基于预设的问题模型进行求解实现的，该问题模型是以跨域边缘网络的单位时隙平均用户请求成本最小为目标，采用马尔科夫决策方式进行问题建模得到的。因此，本申请以用户请求为调度粒度，实现跨域边缘网络中的算力资源的动态管理。
-
公开(公告)号：CN115022928B
公开(公告)日：2024-10-15
申请号：CN202210624379.8
申请日：2022-06-02
Applicant: 上海中传网络技术股份有限公司 , 北京邮电大学
IPC: H04W28/084 , H04W28/08 , H04W72/56
Abstract: 本申请公开了一种移动边缘计算网络中的资源协同分配方法，包括：遍历所有待分配资源的应用实例，若应用实例的时延需求大于或等于相应应用的时延阈值，则将其加入实例集合RUA；否则，将移动性优先级小于移动性阈值G的应用实例加入实例集合BUA，将移动性优先级大于或等于移动性阈值G的应用实例加入MUA；在MUA中，优先为移动性优先级更大的应用实例，分配城域级资源；在BUA中，优先为移动性优先级更小的应用实例，分配基站级资源；在RUA中，优先为资源需求更大的应用实例，分配远端数据中心资源。应用本申请，能够为应用实例合理选择不同层级的资源，尽可能降低处理时延，提高资源利用率。
-
公开(公告)号：CN117931412B
公开(公告)日：2024-06-11
申请号：CN202410324706.7
申请日：2024-03-21
Applicant: 北京邮电大学
IPC: G06F9/48 , G06F13/368
Abstract: 本申请涉及计算机技术领域，公开了一种双内核实时操作系统及任务调度方法。该系统应用于星务计算机，包括：内核接口、通用内核及实时内核；内核接口，用于接收目标任务发起的系统调用请求并生成中断，根据目标任务是否具有实时响应需求，将中断分发到实时内核或通用内核；通用内核，用于抽象系统的硬件资源，并共享给实时内核；在目标任务不具有实时响应需求的情况下，作为目标内核执行系统调用；实时内核，用于通过内核接口，使用通用内核共享的硬件资源；在目标任务具有实时响应需求的情况下，作为目标内核执行系统调用。采用本申请的操作系统，能够提高星务计算机实时操作系统的安全性，同时向用户提供丰富的应用程序与服务。
-
公开(公告)号：CN117931412A
公开(公告)日：2024-04-26
申请号：CN202410324706.7
申请日：2024-03-21
Applicant: 北京邮电大学
IPC: G06F9/48 , G06F13/368
Abstract: 本申请涉及计算机技术领域，公开了一种双内核实时操作系统及任务调度方法。该系统应用于星务计算机，包括：内核接口、通用内核及实时内核；内核接口，用于接收目标任务发起的系统调用请求并生成中断，根据目标任务是否具有实时响应需求，将中断分发到实时内核或通用内核；通用内核，用于抽象系统的硬件资源，并共享给实时内核；在目标任务不具有实时响应需求的情况下，作为目标内核执行系统调用；实时内核，用于通过内核接口，使用通用内核共享的硬件资源；在目标任务具有实时响应需求的情况下，作为目标内核执行系统调用。采用本申请的操作系统，能够提高星务计算机实时操作系统的安全性，同时向用户提供丰富的应用程序与服务。
-
Patent Agency Ranking
公开(公告)号：CN117829226A
公开(公告)日：2024-04-05
申请号：CN202311318039.3
申请日：2023-10-12
Applicant: 北京邮电大学
IPC: G06N3/063
Abstract: 本申请公开一种面向SoC边缘服务器的神经网络协同推理方法及装置，基于预设的算子拆分规则及预设的子模型计算图分支规则，对待推理的神经网络进行算子拆分及子模型计算图分支的划分，得到多个子模型，每个所述子模型中具有多个算子；针对每一所述子模型，基于设置的所述子模型的计算图，确定所述子模型中的多个算子的执行顺序；根据所述子模型中的多个算子的执行顺序，将所述子模型的多个算子分配到所述SoC边缘服务器的不同SoC芯片中的不同CPU中，以使所述不同的SoC芯片中的不同CPU计算所述子模型中的不同算子，完成所述神经网络的推理。这样，充分利用SoC边缘服务器的SoC芯片的计算资源，减少计算资源的损失。
-
公开(公告)号：CN116775149A
公开(公告)日：2023-09-19
申请号：CN202310732822.8
申请日：2023-06-20
Applicant: 北京邮电大学
Abstract: 本申请实施例公开了一种神经网络冷启动的方法及装置，采用具有多核处理器的边缘设备，其中多核处理器采用大小核架构，以神经网络的算子内核为单位，将神经网络的运行过程拆分为多个所述算子内核的运行过程，按照所述算子内核的运行顺序，将其中的第一算子内核的参数读取的操作过程、对应权重的读取及转化的操作过程、以及运行第一算子内核的操作过程，调度在所述大核处理器中完成；将运行其余算子内核的操作过程调度在所述大核处理器中完成，将其余算子内核的参数读取的操作过程、以及对应权重的读取及转化的操作过程调度在所选取的小核处理器完成。这样，在不影响神经网络运行精度的前提下，降低延迟时间。
-
公开(公告)号：CN114650227B
公开(公告)日：2023-08-18
申请号：CN202210100788.8
申请日：2022-01-27
Applicant: 北京邮电大学
Abstract: 本发明提供了一种分层联邦学习场景下的网络拓扑构建算法，包括以下步骤：云服务器初始化，获取参与训练的局域网信息、初始全局模型以及多个终端设备，根据局域网信息对多个终端设备进行分组，并选择参与训练的终端设备；对终端设备计算不同的分布式通信架构的单轮聚合预测时长，选取最短时长的架构作为最优拓扑结构；云服务器将当前全局模型下发给每个分组，并基于最优拓扑结构对全局模型进行训练，得到全局模型更新量并经多次聚合后上报给云服务器；云服务器根据每个分组上报的训练结果更新全局模型；本发明能够减少全局模型上传云服务器的通信次数，通过在局域网内进行部分聚合和本地更新的方式，加速联邦学习的收敛并减少了通信成本。
-
公开(公告)号：CN116245192A
公开(公告)日：2023-06-09
申请号：CN202211549270.9
申请日：2022-12-05
Applicant: 北京邮电大学
IPC: G06N20/00
Abstract: 本申请实施例公开了一种在星载环境下应用人工智能模型的方法，本申请实施例通过在卫星中存储经过放缩处理的人工智能模型的模型参数，并在应用时对已放缩处理的人工智能模型的模型参数进行恢复，从而避免了卫星存储的人工智能模型，特别是人工智能模型中的模型参数受到辐射损伤的影响而变化，导致的在应用时无法保证人工智能模型的准确性，保证了后续在卫星内存中应用人工智能模型时的应用准确性及可靠性。
-
公开(公告)号：CN113489787B
公开(公告)日：2023-01-17
申请号：CN202110761876.8
申请日：2021-07-06
Applicant: 北京邮电大学
IPC: H04L67/52 , H04L67/148 , H04L67/563 , H04L67/10 , H04W36/32
Abstract: 本发明提供了一种移动边缘计算的服务与数据协同迁移的方法和装置，该方法包括：移动用户位置变化导致用户服务要发生迁移时，根据待迁移服务的数据所在边缘服务器及待迁移服务的数据所在边缘服务器的存储状态变化概率，采用粒子群迭代算法确定使待迁移服务的服务响应时间最短时待迁移服务的服务迁移位置和数据迁移位置；将待迁移服务和待迁移服务的数据分别迁移到所述服务迁移位置和所述数据迁移位置。本发明能够降低服务响应时间。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.118 seconds)
