-
公开(公告)号：CN113296845B
公开(公告)日：2022-10-14
申请号：CN202110619280.4
申请日：2021-06-03
申请人： 南京邮电大学 , 杭州海康威视数字技术股份有限公司
摘要： 本发明公开一种边缘计算环境下基于深度强化学习的多小区任务卸载算法，提出了一种改进的双深度Q网络算法，并基于双深度Q网络算法进行任务卸载算法设计，并将MEC边缘控制平台作为智能体与车联网环境进行交互，旨在相同的资源下优化任务处理速率与任务执行时延，另外在复杂业务场景下，针对DQN算法中存在的过估计问题，对DQN算法中的Q值函数进行改进，提高模型选择最优卸载策略的能力，本方案可以显著的提高计算与存储资源的利用率、有效降低车辆终端的任务执行时延，大幅度提高边缘侧计算与存储资源的利用率，并且算法收敛效率高于传统的DQN算法，解决了任务的最佳卸载比例问题，能够更有效地降低任务的执行时延。
-
公开(公告)号：CN113296845A
公开(公告)日：2021-08-24
申请号：CN202110619280.4
申请日：2021-06-03
申请人： 南京邮电大学 , 杭州海康威视数字技术股份有限公司
摘要： 本发明公开一种边缘计算环境下基于深度强化学习的多小区任务卸载算法，提出了一种改进的双深度Q网络算法，并基于双深度Q网络算法进行任务卸载算法设计，并将MEC边缘控制平台作为智能体与车联网环境进行交互，旨在相同的资源下优化任务处理速率与任务执行时延，另外在复杂业务场景下，针对DQN算法中存在的过估计问题，对DQN算法中的Q值函数进行改进，提高模型选择最优卸载策略的能力，本方案可以显著的提高计算与存储资源的利用率、有效降低车辆终端的任务执行时延，大幅度提高边缘侧计算与存储资源的利用率，并且算法收敛效率高于传统的DQN算法，解决了任务的最佳卸载比例问题，能够更有效地降低任务的执行时延。
-
公开(公告)号：CN113344119B
公开(公告)日：2024-07-12
申请号：CN202110718610.5
申请日：2021-06-28
申请人： 南京邮电大学 , 杭州海康威视数字技术股份有限公司
IPC分类号： G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/52
摘要： 本发明是一种工业物联网复杂环境下的小样本烟雾监测方法，该监测方法利用两条并行分支实现烟雾检测，具体包括如下步骤：S1、第一条分支利用条件生成对抗网络生成数据集，将生成的数据集输入卷积神经网络中进行训练，将参数固定；S2、第二条分支采用迁移学习方法对源域图片和目标域的图片传入卷积神经网络进行训练，S3、将步骤S1和S2得到的概率进行加权得到新的概率，概率最高的标签即为所属类别，从而实现小样本下的烟雾检测。本发明结合了生成对抗网络和迁移学习方法，前者通过扩充数据集来解决小样本的问题，后者通过迁移学习来解决，二者结合，使得该模型即使在只有少量样本的情况下也能很好地在有雪环境下对烟雾进行监控。
-
公开(公告)号：CN113344119A
公开(公告)日：2021-09-03
申请号：CN202110718610.5
申请日：2021-06-28
申请人： 南京邮电大学 , 杭州海康威视数字技术股份有限公司
摘要： 本发明是一种工业物联网复杂环境下的小样本烟雾监测方法，该监测方法利用两条并行分支实现烟雾检测，具体包括如下步骤：S1、第一条分支利用条件生成对抗网络生成数据集，将生成的数据集输入卷积神经网络中进行训练，将参数固定；S2、第二条分支采用迁移学习方法对源域图片和目标域的图片传入卷积神经网络进行训练，S3、将步骤S1和S2得到的概率进行加权得到新的概率，概率最高的标签即为所属类别，从而实现小样本下的烟雾检测。本发明结合了生成对抗网络和迁移学习方法，前者通过扩充数据集来解决小样本的问题，后者通过迁移学习来解决，二者结合，使得该模型即使在只有少量样本的情况下也能很好地在有雪环境下对烟雾进行监控。
-
公开(公告)号：CN115994588B
公开(公告)日：2023-07-25
申请号：CN202310281972.1
申请日：2023-03-16
申请人： 杭州海康威视数字技术股份有限公司
摘要： 本申请提供一种基于区块链与合同理论的数据处理方法、装置及设备，该方法包括：基于历史数据确定用户设备对应的第一数据质量，从区块链获取用户设备对应的第二数据质量，基于第一数据质量和第二数据质量确定用户设备对应的目标数据质量；基于每个用户设备对应的目标数据质量从M个用户设备中选取I个目标用户设备，将目标合同组发送给I个目标终端设备，将初始全局模型参数发送给I个目标用户设备，以使每个目标用户设备从目标合同组中选取目标激励合同，基于目标激励合同的最佳样本数量和初始全局模型参数获取局部模型参数；基于I个目标用户设备的局部模型参数确定已训练参数。通过本申请方案，提高模型训练过程的效率，训练的收敛速度更快。
-
公开(公告)号：CN115996226B
公开(公告)日：2023-06-27
申请号：CN202310295550.X
申请日：2023-03-17
申请人： 杭州海康威视数字技术股份有限公司
摘要： 本申请提供一种基于区块链的多重智能合约的共享激励方法、装置及设备，该方法包括：获取数据请求者发送的针对智能合约中的目标数据集的访问请求；基于访问请求对应的验证参数对数据请求者进行验证；若访问请求对应的每个验证参数均满足验证通过条件，则数据请求者验证成功；若验证成功，则为数据请求者生成目标令牌，将目标令牌发送给数据请求者，以使数据请求者基于目标令牌访问目标数据集；其中，访问请求包括资源验证参数，资源验证参数包括第一结算资源和第二结算资源，若第一结算资源不小于目标数据集的数据价格，第二结算资源不小于数据请求者的第一保证价格，则资源验证参数满足验证通过条件。通过本申请技术方案，能够保证数据安全。
-
公开(公告)号：CN115994588A
公开(公告)日：2023-04-21
申请号：CN202310281972.1
申请日：2023-03-16
申请人： 杭州海康威视数字技术股份有限公司
摘要： 本申请提供一种基于区块链与合同理论的联邦学习方法、装置及设备，该方法包括：基于历史数据确定用户设备对应的第一数据质量，从区块链获取用户设备对应的第二数据质量，基于第一数据质量和第二数据质量确定用户设备对应的目标数据质量；基于每个用户设备对应的目标数据质量从M个用户设备中选取I个目标用户设备，将目标合同组发送给I个目标终端设备，将初始全局模型参数发送给I个目标用户设备，以使每个目标用户设备从目标合同组中选取目标激励合同，基于目标激励合同的最佳样本数量和初始全局模型参数获取局部模型参数；基于I个目标用户设备的局部模型参数确定已训练参数。通过本申请方案，提高模型训练过程的效率，训练的收敛速度更快。
-
公开(公告)号：CN113869436A
公开(公告)日：2021-12-31
申请号：CN202111165307.3
申请日：2021-09-30
申请人： 杭州海康威视数字技术股份有限公司
IPC分类号： G06K9/62 , G06F16/28 , G06F16/2455
摘要： 本发明实施例提供了一种基于情境分类的传感器控制方法及一种物联网中间件，涉及物联网技术领域。该方法包括：获取第一类传感器实时采集到的第一类信息，以及第二类传感器按照当前采样频率采集到的第二类信息；其中，第一类传感器和第二类传感器在信息采集过程的能耗有差异；基于第一类信息和第二类信息，确定当前情境类别；从预设的关于情境类别和采样频率的对应关系中，查找与当前情境类别对应的采样频率，作为目标采样频率；控制第二类传感器按照目标采样频率进行信息采集；与现有技术相比，应用本发明实施例提供的方案，可以实现降低物联网中的各个传感器的能耗，以延长各个传感器的使用寿命，从而，减少各个传感器的维护需求且降低维护成本。
-
公开(公告)号：CN113542037A
公开(公告)日：2021-10-22
申请号：CN202111074312.3
申请日：2021-09-14
申请人： 杭州海康威视数字技术股份有限公司
摘要： 本申请提供一种物联网环境下基于根因分析的告警多维关联方法及装置，该方法包括：依据源IP地址对物联网通信设备的告警系统产生的告警进行分组；其中，源IP地址相同的告警归属于同一分组；对于任一分组，依据该分组内各告警之间的时间关联对该分组内的告警进行聚类，得到至少一个告警聚类段；对同一分组内各告警聚类段进行因果关联分析，依据同一分组内各告警聚类段之间的因果关联，确定至少一个关联告警集；对所述关联告警集中的告警进行关键字段提取，并确定各关键字段的权重系数和频数；依据各关键字段的权重系数和频数，确定根因告警，并识别故障设备。该方法可以提高根因定位的效率和准确性。
-
公开(公告)号：CN113612974A
公开(公告)日：2021-11-05
申请号：CN202110998278.2
申请日：2021-08-27
申请人： 杭州海康威视数字技术股份有限公司
摘要： 本申请公开了一种基于位置预测的物联网节能方法、设备及系统，涉及视频监控技术领域，有助于降低物联网的能耗。该方法包括：在运动检测节点检测到监控区域有入侵目标之后，第一通信节点接收运动检测节点发送的包含当前位置的测量信息的第一消息，其中，在监控区域内没有检测到入侵目标时视频节点处于关闭状态；第一通信节点向控制器发送包含当前位置的测量信息的第二消息；第二通信节点基于来自控制器的第三消息控制第一视频节点开启，以对入侵目标进行监控，第三消息是控制器基于当前位置的测量信息和当前位置的预测信息得到的，当前位置的预测信息是基于入侵目标的上一位置得到的，第二通信节点是与第一视频节点的距离最近的通信节点。
-
-
-
-
-
-
-
-
-
搜索结果
128 条记录 (耗时 0.065 秒)
