公开(公告)号：CN113095153A

公开(公告)日：2021-07-09

申请号：CN202110297073.1

申请日：2021-03-19

Applicant: 南京理工大学

Inventor： 林高尚 ,  周琪林 ,  肖强 ,  奚思遥 ,  王力立 ,  张永 ,  黄成 ,  单梁

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度残差网络的移动终端人类情境识别方法。该方法如下：初始化移动终端系统参数；初始化深度残差网络参数，包括网络层数、每层神经元的个数、激活函数、池化函数和池化窗、卷积核；对传感器数据进行预处理；对深度残差网络进行训练优化；利用优化后的深度残差网络识别人类情境。本发明方法可以提高基于传感器数据的移动终端人类情境识别的准确率，减少了识别误差；能提高移动终端系统识别人类情境的能力，可以被广泛应用于活动识别、姿态预测等移动终端实际应用场景。

公开(公告)号：CN113095140B

公开(公告)日：2022-08-16

申请号：CN202110271812.X

申请日：2021-03-12

Applicant: 南京理工大学

Inventor： 王力立 ,  肖强 ,  周琪林 ,  奚思遥 ,  林高尚 ,  黄成 ,  单梁 ,  张永

IPC: G06K9/00 ,  G06N20/00 ,  G06F30/27

Abstract: 本发明公开了一种基于Q‑Learning的移动终端传感器调度方法。该方法包括以下步骤：为移动终端系统定义新的参数：窗口，一个窗口表示一个时间段；初始化移动终端系统参数和Q值表；确定窗口的长度；对Q值表进行训练优化，获得训练后的Q值表；利用获得的Q值表调度传感器。本发明可以提高移动终端系统传感器触发策略的实时性和有效性，减少了传感器能耗，延长了传感器使用寿命；此外，本发明能提高移动终端系统更精确快捷地服务人类生活的能力，可以被广泛应用于医疗监测、疾病防控等移动终端实际应用场景。

公开(公告)号：CN113095140A

公开(公告)日：2021-07-09

申请号：CN202110271812.X

申请日：2021-03-12

Applicant: 南京理工大学

Inventor： 王力立 ,  肖强 ,  周琪林 ,  奚思遥 ,  林高尚 ,  黄成 ,  单梁 ,  张永

IPC: G06K9/00 ,  G06N20/00 ,  G06F30/27

Abstract: 本发明公开了一种基于Q‑Learning的移动终端传感器调度方法。该方法包括以下步骤：为移动终端系统定义新的参数：窗口，一个窗口表示一个时间段；初始化移动终端系统参数和Q值表；确定窗口的长度；对Q值表进行训练优化，获得训练后的Q值表；利用获得的Q值表调度传感器。本发明可以提高移动终端系统传感器触发策略的实时性和有效性，减少了传感器能耗，延长了传感器使用寿命；此外，本发明能提高移动终端系统更精确快捷地服务人类生活的能力，可以被广泛应用于医疗监测、疾病防控等移动终端实际应用场景。

公开(公告)号：CN116779082A

公开(公告)日：2023-09-19

申请号：CN202210224560.X

申请日：2022-03-07

Applicant: 南京理工大学

Inventor： 吴守林 ,  杨妮 ,  周琪林 ,  林高尚 ,  王力立 ,  黄成 ,  张永 ,  单梁

IPC: G16H10/60 ,  G16H40/67

Abstract: 本发明公开了一种基于DDPG算法的电子健康网络计算卸载方法。该方法包括：确定电子健康网络架构，初始化必要的网络参数；然后将寻找最优的计算卸载策略问题转化为马尔科夫决策问题；最后采用DDPG算法对计算卸载模型进行训练，得到通信连接和卸载策略，使得各个用户在动态环境下获得合适的通信资源和计算资源。本发明不仅解决了移动设备本地计算资源受限的问题，在多WBAN用户多MEC的场景下还能显著地减少系统的时延和能耗，可以广泛应用在居家医疗、运动健身、疾病防控和医疗监测等场合中。

公开(公告)号：CN116779081A

公开(公告)日：2023-09-19

申请号：CN202210224557.8

申请日：2022-03-07

Applicant: 南京理工大学

Inventor： 周琪林 ,  杨妮 ,  吴守林 ,  林高尚 ,  王力立 ,  黄成

IPC: G16H10/60

Abstract: 本发明公开了一种基于DQN算法的电子健康网络区块链共识方法。该方法包括：确定支持区块链交易的电子健康网络架构，并设计区块链信誉评分机制即计算网络参数；然后将区块链共识问题建模为MDP并采用DQN算法对区块链共识方法进行训练。最后根据决策网络自适应分配哈希资源，以便得到最大化的边缘服务器总体收入。本发明提出的方法能够有效解决MEC环境的信任和隐私问题，获得最佳的网络服务性能，能在居家医疗、运动健身、战场士兵和疗养监测等场合中被广泛应用。

公开(公告)号：CN116367231A

公开(公告)日：2023-06-30

申请号：CN202310329813.4

申请日：2023-03-30

Applicant: 南京理工大学

Inventor： 王玲玲 ,  王力立 ,  甘亮 ,  周琪林 ,  黄成 ,  单梁 ,  张永

IPC: H04W28/08 ,  H04W28/086 ,  H04W28/084 ,  H04W28/14 ,  H04W4/44 ,  H04L41/16 ,  H04W12/02 ,  H04L67/12 ,  H04L67/568

Abstract: 本发明公开了一种基于DDPG算法的边缘计算车联网资源管理联合优化方法，该方法为：建立车联网中边缘服务与联邦学习集成框架的网络架构，初始化网络参数；利用数据集训练模型并计算最优模型参数；将联合优化问题建模成马尔可夫决策问题并采用DDPG算法进行训练，更新网络参数，记录平均奖励，得到决策网络，进行网络动态卸载调度以及资源分配和服务模型缓存，实现边缘计算车联网资源管理的联合优化。本发明提高了基于边缘计算与联邦学习的车联网服务的实时性，具有良好的收敛性能和联合优化效果；提高了隐私数据在边缘服务器中的安全性及车联网用户的服务质量，能够广泛应用于路径规划与导航、远程车辆诊断等移动终端实际应用场景。