-
公开(公告)号：CN117789122A
公开(公告)日：2024-03-29
申请号：CN202311812724.1
申请日：2023-12-26
申请人： 南京泰通科技股份有限公司 , 南京邮电大学
IPC分类号： G06V20/52 , G06V20/40 , G06V10/44 , G06V10/75 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/084 , H04N19/20
摘要： 本发明公开了一种基于视频的5G网络下高铁落物分析监测方法与系统，该方法基于监控设备以及云服务器搭建高铁落物分析与实时监测系统；服务器通过5G接收监控设备采集到的实时视频，并进行实时分析处理；通过建立高速运动下落物的轨迹模型并通过融合算法进行目标识别以及多目标追踪；完成对于高铁轨道上落物的精准判断追踪。该发明能够完成对于高铁轨道上落物的精准识别。
-
公开(公告)号：CN112948101B
公开(公告)日：2021-10-26
申请号：CN202110531260.1
申请日：2021-05-17
申请人： 南京邮电大学 , 中兴通讯股份有限公司
摘要： 本发明公开了一种面向快速联邦学习的5G边缘设备调度方法，该方法在联邦学习的每个训练周期开始阶段，考虑每个边缘设备的训练时延、公平性和本地模型重要性，基于多臂老虎机理论进行边缘设备调度。本发明还搭建了一个无线联邦学习系统，其联邦学习的训练过程包括：每个训练周期开始阶段，基于多臂老虎机理论进行设备调度；每个训练周期训练过程中，被调度的设备进行本地训练，并将更新之后的本地模型上传给基站，生成新的全局模型；每个训练周期结束阶段，基站将更新之后的全局模型广播给所有设备，用于下一个周期的设备选择以及模型训练。该发明能够在设备信道条件以及本地计算能力未知的情况下，以较低的训练时延获得较高的学习性能。
-
公开(公告)号：CN117914668A
公开(公告)日：2024-04-19
申请号：CN202410073938.X
申请日：2024-01-18
申请人： 南京邮电大学 , 江苏省未来网络创新研究院
摘要： 本发明公开了一种面向卫星通信的OTFS辅助端到端学习方法及系统，包括：构建面向卫星通信场景下端到端学习方法场景，结合通感一体化的方法优化地面用户的接收效率。提出OTFS辅助的信道通感一体化信号编码方式。构建面向卫星通信的OTFS辅助端到端学习方法，建立以符号错误率为目标函数的优化模型。本发明提供的面向卫星通信的OTFS辅助端到端学习方法及系统在卫星侧发送采用通感一体化技术优化不同用户群收到的波束功率，从而降低误码率。通过将大规模数据传送到地面基站进行模型驱动的端到端学习，这大大优化了整个系统的传输效率与数据处理能力。
-
公开(公告)号：CN116822335A
公开(公告)日：2023-09-29
申请号：CN202310634420.4
申请日：2023-05-31
申请人： 南京邮电大学
摘要： 本发明公开了一种基于斯塔克伯格博弈的设备调度方法，包括：1)由BS担任领导者，移动设备作为追随者对领导者的策略做出反馈，建立两者的效益函数，基于斯塔克伯格博弈设计BS和移动设备间的调度选择问题。2)移动设备集合接受来自特定BS的全局模型，通过无线网络协同执行联邦学习算法。3)利用来自BS的全局模型权重向量和移动设备的本地模型权重向量之间的差异，采用梯度下降法进行本地迭代更新。4)上传移动设备本地最优解到BS进行全局聚合，并向移动设备集合广播下一轮全局模型，用于下一轮联邦学习训练，直到全局模型达到预定精度为止。本方法通过斯塔克博格博弈提升了BS和移动设备的整体效益。
-
公开(公告)号：CN115118591B
公开(公告)日：2023-07-25
申请号：CN202210656857.3
申请日：2022-06-08
申请人： 南京邮电大学
IPC分类号： H04L41/0823 , H04L41/0896 , H04L41/16 , G06N20/00
摘要： 本发明公开了一种基于联盟博弈的簇联邦学习方法，包括：在物联网边缘环境下搭建簇联邦学习系统，包含多个用户设备和一个中心服务器；基于用户本地梯度的余弦相似度以及每个簇内成功参与训练的设备个数定义每个簇的效用；基于联盟博弈的方法对用户设备进行分簇，同时优化带宽分配；基于分簇结果执行簇联邦学习训练。本发明能够在多任务联邦学习场景下，有效提高训练的效率以及准确率。
-
公开(公告)号：CN112804107B
公开(公告)日：2023-04-28
申请号：CN202110116570.7
申请日：2021-01-28
申请人： 南京邮电大学
IPC分类号： H04L41/044 , H04L41/0823 , H04L41/0893 , H04L41/14 , H04L41/16 , H04L67/1001 , H04W28/02
摘要： 本发明公开了一种物联网设备能耗自适应控制的分层联邦学习方法，包括如下步骤：1)通过在物联网设备和云服务器之间部署边缘服务器，搭建分层联邦学习系统；2)在每个训练周期t的起始阶段，云服务器根据统计信道信息以及物联网设备的能耗队列状态，制定物联网设备计算能力控制策略F(t)以及物联网设备关联策略A(t)；3)在训练过程中，物联网设备本地模型，并发送到边缘服务器进行边缘聚合从而更新边缘模型；边缘服务器将边缘模型上传到云服务器进行全局聚合更新全局模型；云服务器通过边缘服务器将全局模型传输给所有物联网设备从而进行下一轮的训练；该发明能够在满足长期能耗约束的前提下，以较低的训练时延获得较高的学习性能。
-
公开(公告)号：CN115529625A
公开(公告)日：2022-12-27
申请号：CN202210711607.5
申请日：2022-06-22
申请人： 南京卓云邮通科技有限公司 , 南京邮电大学
发明人： 周欢 , 杨凡 , 彭敏鑫 , 徐波 , 刘娅璇 , 崔燕茹 , 吴丰靖 , 高赟 , 刘颖 , 张旭妍 , 邵鑫宇 , 王思洋 , 荀位 , 徐邦宁 , 徐卓然 , 孙文雪 , 吕锦钰 , 谈宇浩 , 赵海涛 , 张晖 , 夏文超 , 倪艺洋 , 杨洁
摘要： 本发明公开了一种移动性任务卸载方法、系统及存储介质，待任务卸载的用户设备获取其通信范围内边缘节点设备的位置和方向向量信息，并计算用户设备与每个边缘节点设备的通信时间；以用户设备任务卸载耗费的总时延作为筛选约束，筛选出满足通信时间大于任务卸载总时延的边缘节点设备，将任务拆分后卸载到每个可用边缘节点设备上执行；其中，所述总时延由传输时延和计算时延加和得到；所述传输时延指将任务卸载到边缘节点设备所需的时间；所述计算时延指边缘节点设备的数据处理时间。该发明能够在无线分布式边缘计算环境下，考虑边缘节点设备的移动性，缩短边缘节点设备卸载响应时间，提高卸载成功率。
-
公开(公告)号：CN114841366A
公开(公告)日：2022-08-02
申请号：CN202210408140.7
申请日：2022-04-19
申请人： 南京邮电大学
摘要： 本发明公开了一种基于无线联邦学习的学习模型训练方法，该方法按以下步骤进行：1)以任务发布者发出的奖励R和移动用户n的本地迭代精度εn作为变量，采用主从博弈法，确定最佳奖励和移动用户n的最佳本地精度值2)系统根据所得奖励值和本地精度值初始化相关参数完成模型训练。本发明中任务发布者通过设定合理的奖励鼓励移动用户参与训练提升模型精度，同时移动用户能够根据自身的资源状态确定本地精度，最终实现任务发布者和移动用户最大化各自的效益。
-
公开(公告)号：CN109922432B
公开(公告)日：2021-07-16
申请号：CN201910245311.7
申请日：2019-03-28
申请人： 南京邮电大学
摘要： 本发明公开了一种无线通信环境下通过优化指纹元素个数的目标定位方法，以短距离无线通信定位系统为基础，以定位精度和计算效率为目标，以神经网络为研究工具，结合训练过程反馈的准确性以及计算周期不断优化特征维数；在训练阶段根据定位目标的历史轨迹，以及在这些轨迹下所采集到的特征信息所组成的指纹信息进行训练，采取神经网络进行回归分析，使得位置信息和特征信息能够实现映射，同时根据测试过程结果的调整对应位置上的特征向量的元素个数，从而实现用最合理的元素个数进行定位；最后在测试阶段，通过已经完成室内各个位置的训练模型，定位目标在室内具体位置将会被检测出。本发明可以在定位过程中针对动态情况选取最优的特征向量的元素个数，从而提高特征采集的效率以及提供更加精确的位置信息。
-
公开(公告)号：CN118379615A
公开(公告)日：2024-07-23
申请号：CN202311845505.3
申请日：2023-12-29
申请人： 南京泰通科技股份有限公司 , 南京邮电大学
IPC分类号： G06V20/10 , G06V10/26 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
摘要： 本发明提供了一种基于SAM模型的铁路轨道入侵数据标注和增强训练方法，以下步骤进行：1）异常入侵关键帧的提取。2）半自动标注过程：使用SAM‑RA模块的强大图像分割能力，对提取的关键帧进行标注，并生成入侵物的图像掩膜。3）数据增强：通过SAM‑RTN方法，使用生成的图像掩膜作为感知特征，进行特征提取和ROI采样。4）联合训练网络：将图像掩膜数据和感知特征的采样数据联合并输入到下游的目标检测和分类训练网络中。本发明的方法结合了SAM模型强大的图像分割能力和特征感知能力，从而显著提高了铁路轨道异常入侵物的目标检测和分类网络的性能。
-
-
-
-
-
-
-
-
-
搜索结果
31 条记录 (耗时 0.033 秒)
