-
公开(公告)号：CN104301812B
公开(公告)日：2020-06-30
申请号：CN201410483847.X
申请日：2014-09-19
Applicant: 中国电力科学研究院信息通信研究所 , 北京邮电大学
IPC: H04Q11/00
Abstract: 本发明为了解决数据被映射到光网络时很难被处理的问题，基于NFV特性节点架构提出了一种实现网络功能虚拟化的方法和相对应的光网络系统。系统包括资源层、物理网络控制层、虚拟网络控制层和云层。本发明所述网络功能虚拟化方法，包括云层向虚拟网络控制层提出虚拟网络建立请求、虚拟网络控制层选择虚拟网络节点的地理位置和光通道上的源宿节点、物理网络控制层依据当前的节点链路资源情况进行路由选择和波长分配构造虚拟网络节点、虚拟网络控制层通过OpenFlow协议和每个所述虚拟网络节点成功建立连接。本发明由于采取新的光网络架构，可以对传统OTN设备下的光网络中数据进行处理，很好地实现网络虚拟化功能。
-
公开(公告)号：CN104301812A
公开(公告)日：2015-01-21
申请号：CN201410483847.X
申请日：2014-09-19
Applicant: 中国电力科学研究院信息通信研究所 , 北京邮电大学
IPC: H04Q11/00
Abstract: 本发明为了解决数据被映射到光网络时很难被处理的问题，基于NFV特性节点架构提出了一种实现网络功能虚拟化的方法和相对应的光网络系统。系统包括资源层、物理网络控制层、虚拟网络控制层和云层。本发明所述网络功能虚拟化方法，包括云层向虚拟网络控制层提出虚拟网络建立请求、虚拟网络控制层选择虚拟网络节点的地理位置和光通道上的源宿节点、物理网络控制层依据当前的节点链路资源情况进行路由选择和波长分配构造虚拟网络节点、虚拟网络控制层通过OpenFlow协议和每个所述虚拟网络节点成功建立连接。本发明由于采取新的光网络架构，可以对传统OTN设备下的光网络中数据进行处理，很好地实现网络虚拟化功能。
-
公开(公告)号：CN114781902B
公开(公告)日：2024-12-31
申请号：CN202210492491.0
申请日：2022-04-29
Applicant: 北京邮电大学
IPC: G06Q10/0631 , G06Q30/0283 , G06Q50/40 , H04L67/12
Abstract: 本发明公开了一种网联车系统的调度方法，属于智慧交通领域；具体为：首先、针对当前时刻，实时获取待调度区域及相邻区域的服务方和服务对象的数量，作为供需信息；然后，将供需信息输入至训练好的神经网络中，输出每个区域所有定价因子的价值估计值；并利用ε‑greedy策略，为各区域选择各自的唯一定价因子；最后，将各区域的服务对象数量和唯一定价因子输入至调节函数，计算各区域中接受定价的服务对象数量，随机选择等数量的服务方进行服务；同时，将各区域没有接受定价的剩余服务方，输入至已学习的网络流调度模型，输出对各服务方的调度策略并执行；本发明考虑了调度成本，空驶时间，时空定价以及供需平衡等多方面的约束，实现服务方收益最大化。
-
公开(公告)号：CN117545069A
公开(公告)日：2024-02-09
申请号：CN202311574247.X
申请日：2023-11-23
Applicant: 北京邮电大学
Abstract: 本发明公开一种多站协作的通感定位方法和装置，属于移动通信技术领域，是一套具有移动性和URLLC需求的目标用户的通感定位方法。根据待测目标用户和基站的分布关系，以及信息RSRP确定待测目标的接入状态。然后使用通感一体化对待测目标进行测距，即通过发射并感知翻身的通感信号进行测距。最后测距结果在核心网感知处理模块使用策略控制模块下发的定位算法计算待测目标用户的坐标。整个通感流程为智慧交通系统场景服务，以提高定位精度和资源利用率。本发明可实现多基站协作定位，减小测量误差，提高精度，可以大幅增加系统定位的精度并提高系统鲁棒性。
-
公开(公告)号：CN109635636B
公开(公告)日：2023-05-09
申请号：CN201811273875.3
申请日：2018-10-30
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
IPC: G06V40/10 , G06V10/80 , G06V10/77 , G06V10/82 , G06V10/54 , G06V10/56 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于属性特征和加权的分块特征相融合的行人再识别方法，包括以下步骤：构造属性特征提取子网络，该子网络融合了手动提取的特征和深度神经网络提取的特征；采用设置加权的交叉熵损失函数来训练属性特征提取子网络；构造基于分块的特征提取子网络，该网络可融合多个分块的深度特征；训练基于分块的特征提取子网络，设置局部损失函数的加权融合层，自主学习不同的权重，进而赋予各局部损失函数；对整体网络进行训练，提取融合了属性特征和基于分块的深度特征的行人特征表示。本发明设计合理，其有效结合了属性特征和深度特征，在损失函数计算方法上进行优化，获得了很好的行人再识别结果，使得系统整体匹配准确率大大提升。
-
Patent Agency Ranking
公开(公告)号：CN114943342A
公开(公告)日：2022-08-26
申请号：CN202210532203.X
申请日：2022-05-09
Applicant: 北京邮电大学
Abstract: 本发明公开了一种联邦学习系统的优化方法，属于大规模分布式边缘智能学习领域，具体为：服务器创建全局模型初始化后下发至所有用户端；各用户端分别利用各自隐私数据集进行训练，得到个性化的本地模型，随后进入联邦学习的循环过程，每一轮循环皆如下：服务器对用户端进行聚类，结合用户端的贡献度选择上行传输用户端集合，集合中各用户端压缩本地模型并上传；服务器利用联邦平均方法以及无标签数据集对本地模型进行聚合和对齐，以更新全局模型并压缩后下发到根据用户需求选择的下行传输用户端集合中；各用户端用隐私数据集再次训练为新的个性化模型，循环直至本地模型及全局模型皆收敛。因此，本发明提升了通信效率，实现了联邦学习的高效训练。
-
公开(公告)号：CN112907103A
公开(公告)日：2021-06-04
申请号：CN202110257404.9
申请日：2021-03-09
Applicant: 北京邮电大学
Abstract: 本发明公开了一种共享单车动态供需平衡的方法，属于共享单车规划领域；具体为：首先，筛选骑行的历史订单并提取起始点和终止点坐标，根据聚类算法进行聚类，各类的中心点视为共享单车的虚拟站点；然后，建立有权无向图，并利用社区发现算法得到内部自平衡的优化后的站点社区集合；同时，将每天划分若干时隙；针对每个虚拟站点，对该站点在同一个时隙的各天的流出订单数量进行统计，并计算平均值，作为该虚拟站点的订单需求预测值；最后，针对优化后的社区站点集合，根据每一个社区内各虚拟站点不同时隙的订单需求预测值和实际的车辆分布情况，生成各社区以最大化总收益为目标的卡车搬移策略并执行；本发明提高了订单服务水平以及总收益的性能。
-
公开(公告)号：CN112332892A
公开(公告)日：2021-02-05
申请号：CN202011158996.0
申请日：2020-10-26
Applicant: 北京邮电大学
IPC: H04B7/0413 , H04B1/40 , H04B1/00
Abstract: 本发明实施例提供了一种收发机、接收及发送方法，将多通道的信号合成一路宽带信号后，送入一个中频复用模块。这样使用一个中频复用模块完成对多通道的信号进行处理，相较于使用多个中频模块，减少了部件，不仅节约了成本，而且达到减小芯片总面积的目的；另外，使用中频复用模块考虑总带宽，可以在同一带宽下同时处理多通道的信号，实现多通道复用，提高了设备的高效性。
-
公开(公告)号：CN110210608A
公开(公告)日：2019-09-06
申请号：CN201910483957.9
申请日：2019-06-05
Applicant: 国家广播电视总局广播电视科学研究院 , 北京邮电大学
Abstract: 本发明涉及一种基于注意力机制和多层次特征融合的低照度图像增强方法，包括以下步骤：在输入端对低照度图像进行处理，输出四通道特征图；使用基于注意力机制的卷积层作为特征提取模块，用于提取基础特征作为低层特征；将低层特征与相应的高层特征和卷积层最深层次的特征融合，经过反卷积层后，获得最终特征图；输出映射将最终的特征图还原成RGB图片。本发明充分利用了深度卷积神经网络模型的多层次特征，将不同层次特征融合，并通过通道注意力机制，给予特征通道不同的权重，获得了更优的特征表示，提高了图像处理的准确率，获取了高质量图像，可广泛用于计算机低层次视觉任务技术领域。
-
公开(公告)号：CN107563381A
公开(公告)日：2018-01-09
申请号：CN201710816619.3
申请日：2017-09-12
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
Abstract: 本发明设计了一种基于全卷积网络的多特征融合的目标检测方法，其主要技术特点是：搭建具有六个卷积层组的全卷积神经网络；利用卷积神经网络的前五组卷积层提取图像特征，并将其输出进行融合，形成融合特征图；对融合后的特征图进行卷积处理，直接产生固定数目的不同大小的目标边框；计算卷积神经网络生成的目标边框与真实边框之间的分类误差与定位误差，利用随机梯度下降法降低训练误差，得到最终训练模型的参数，最后进行测试得到目标检测结果。本发明利用了深度卷积网络对目标的强大的表示能力，构建了用于目标检测的全卷积神经网络，提出了新的融合特征方法，提高了算法的检测速度和精度，获得了良好的目标检测结果。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.122 seconds)
