一种车联网中基于深度强化学习的任务卸载方法

    公开(公告)号:CN112822234A

    公开(公告)日:2021-05-18

    申请号:CN202011599843.X

    申请日:2020-12-29

    摘要: 本发明公开了一种车联网中基于移动边缘计算的任务卸载与资源分配方法,即一种车联网中基于深度强化学习的任务卸载方法,通过深度强化学习的任务卸载方法,应用于车联网处理高维状态信息的任务卸载,具体步骤包括:(1)构建系统模型框架建立车联网通信场景;(2)模型细化,对用户侧和服务器侧任务处理进行建模;(3)提出高可靠低时延约束与优化问题;(4)进行优化问题的转化并引入马尔科夫决策过程;(5)建立最优化问题模型,提出基于Deep Q‑learning Network的具有URLLC感知的任务卸载算法五个步骤构成。本发明同时考虑平均度量性能以及高阶统计量的性能,考虑了极端事件对通信可靠性的影响,使得用户车辆可以在保障URLLC通信需求的同时通过深度学习作出最优的任务卸载决策,满足其众多应用的高可靠低时延通信需求。

    一种车联网中基于深度强化学习的任务卸载方法

    公开(公告)号:CN112822234B

    公开(公告)日:2022-03-22

    申请号:CN202011599843.X

    申请日:2020-12-29

    摘要: 本发明公开了一种车联网中基于移动边缘计算的任务卸载与资源分配方法,即一种车联网中基于深度强化学习的任务卸载方法,通过深度强化学习的任务卸载方法,应用于车联网处理高维状态信息的任务卸载,具体步骤包括:(1)构建系统模型框架建立车联网通信场景;(2)模型细化,对用户侧和服务器侧任务处理进行建模;(3)提出高可靠低时延约束与优化问题;(4)进行优化问题的转化并引入马尔科夫决策过程;(5)建立最优化问题模型,提出基于Deep Q‑learning Network的具有URLLC感知的任务卸载算法五个步骤构成。本发明同时考虑平均度量性能以及高阶统计量的性能,考虑了极端事件对通信可靠性的影响,使得用户车辆可以在保障URLLC通信需求的同时通过深度学习作出最优的任务卸载决策,满足其众多应用的高可靠低时延通信需求。

    多光谱融合的感传存算一体化高压放电检测方法

    公开(公告)号:CN117607636B

    公开(公告)日:2024-05-14

    申请号:CN202311616966.3

    申请日:2023-11-30

    IPC分类号: G01R31/12 G06F9/54

    摘要: 本发明公开了多光谱融合的感传存算一体化高压放电检测方法及装置,包括:S1:对设备可见光图像、紫外图像分别通过YOLOv3算法进行标注,得到设备、紫外放电光斑图像标注框;S2:判断光斑图像标注框中是否存在紫外放电光斑,若是,生成高压局部放电异常告警报文,否则进入S4;S3:判断基于设备可见光图像生成的设备标注框中是否存在其他放电设备,若是,调整检测装置摄像头角度,拍摄高压放电设备并生成告警报文,否则进入S4;S4:基于紫外线放电光斑标注框大小、队列积压情况调整本地数据采集帧率;S5:建立多个感传存算方案,实时监测通信环境变化,进行感传存算方案自适应切变;S6:动态分配带宽,保障告警报文以及图像数据的可靠性传输。

    多光谱融合的感传存算一体化高压放电检测方法

    公开(公告)号:CN117607636A

    公开(公告)日:2024-02-27

    申请号:CN202311616966.3

    申请日:2023-11-30

    IPC分类号: G01R31/12 G06F9/54

    摘要: 本发明公开了多光谱融合的感传存算一体化高压放电检测方法及装置,包括:S1:对设备可见光图像、紫外图像分别通过YOLOv3算法进行标注,得到设备、紫外放电光斑图像标注框;S2:判断光斑图像标注框中是否存在紫外放电光斑,若是,生成高压局部放电异常告警报文,否则进入S4;S3:判断基于设备可见光图像生成的设备标注框中是否存在其他放电设备,若是,调整检测装置摄像头角度,拍摄高压放电设备并生成告警报文,否则进入S4;S4:基于紫外线放电光斑标注框大小、队列积压情况调整本地数据采集帧率;S5:建立多个感传存算方案,实时监测通信环境变化,进行感传存算方案自适应切变;S6:动态分配带宽,保障告警报文以及图像数据的可靠性传输。