-
公开(公告)号：CN115202879A
公开(公告)日：2022-10-18
申请号：CN202210828289.0
申请日：2022-07-13
IPC分类号： G06F9/50 , G06F9/48 , G06V10/771 , G06V10/774 , G06V10/82 , H04L67/10
摘要： 本发明公开了一种基于多类型智能模型的云边协同调度方法及应用，应用于云边协同系统中，云边协同系统包括云计算中心以及多个边缘节点，该方法包括：构建预测模型，预测模型包括分别部署在N个边缘节点上的N个推理模型以及对应的N个选择模型；基于预测模型中的选择模型调度对应的推理模型执行目标任务。该方法可以应用于不同的网络结构、不同的应用以及不同的输入数据集上；且基于相关参数矩阵提取特征值，提高预测模型识别效果，降低任务的执行时间；基于多DNN并存的模型选择方法，提升预测模型对图像处理应用的整体精度；同时，通过采用边缘设备和云计算中心相互协同调度的方式执行目标任务，减小了带宽资源损耗，且保证了数据的安全性。
-
公开(公告)号：CN114567560A
公开(公告)日：2022-05-31
申请号：CN202210067473.8
申请日：2022-01-20
IPC分类号： H04L41/0894 , H04L41/14 , H04L67/1001 , H04L67/60 , G06N3/08
摘要： 本发明公开一种基于生成对抗模仿学习的边缘节点动态资源分配方法，包括：获取边缘节点上的边缘环境信息，根据边缘环境信息，利用预先训练的资源分配策略模型得到资源分配策略；根据资源分配策略向请求服务的各用户节点分配应用服务资源；资源分配策略模型基于预训练的用户请求策略模型利用Q‑learning强化学习算法训练得到；用户请求策略模型为基于历史真实边缘环境信息利用生成对抗训练得到。本发明无需通过与大量真实边缘环境交互便可实现资源分配策略模型的策略优化，从而在实际边缘节点资源分配时能够获得更贴合实际用户需求的资源分配策略，提升边缘节点应用为用户提供服务的效率，优化用户服务体验。
-
公开(公告)号：CN114201180A
公开(公告)日：2022-03-18
申请号：CN202111517932.X
申请日：2021-12-13
摘要： 本发明公开了一种微服务部署方法，在已经部署好的节点中，获取已经部署好的计算服务，每隔时隙t对服务质量进行检测；在重部署条件触发时，筛选服务质量未满足预期的计算服务S1；获取计算服务S1的服务贡献值，所述服务贡献值由相应计算服务的迁移时间与原部署方案下的调度时间的差值决定；选取服务贡献值最高的计算服务进行重部署。本发明方案优化了对服务的响应部署，从而有利于改善系统服务执行的效率和成本。
-
公开(公告)号：CN115202879B
公开(公告)日：2024-10-29
申请号：CN202210828289.0
申请日：2022-07-13
IPC分类号： G06F9/50 , G06F9/48 , G06V10/771 , G06V10/774 , G06V10/82 , H04L67/10
摘要： 本发明公开了一种基于多类型智能模型的云边协同调度方法及应用，应用于云边协同系统中，云边协同系统包括云计算中心以及多个边缘节点，该方法包括：构建预测模型，预测模型包括分别部署在N个边缘节点上的N个推理模型以及对应的N个选择模型；基于预测模型中的选择模型调度对应的推理模型执行目标任务。该方法可以应用于不同的网络结构、不同的应用以及不同的输入数据集上；且基于相关参数矩阵提取特征值，提高预测模型识别效果，降低任务的执行时间；基于多DNN并存的模型选择方法，提升预测模型对图像处理应用的整体精度；同时，通过采用边缘设备和云计算中心相互协同调度的方式执行目标任务，减小了带宽资源损耗，且保证了数据的安全性。
-
公开(公告)号：CN114567560B
公开(公告)日：2024-07-12
申请号：CN202210067473.8
申请日：2022-01-20
IPC分类号： H04L41/0894 , H04L41/14 , H04L67/1001 , H04L67/60 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/092
摘要： 本发明公开一种基于生成对抗模仿学习的边缘节点动态资源分配方法，包括：获取边缘节点上的边缘环境信息，根据边缘环境信息，利用预先训练的资源分配策略模型得到资源分配策略；根据资源分配策略向请求服务的各用户节点分配应用服务资源；资源分配策略模型基于预训练的用户请求策略模型利用Q‑learning强化学习算法训练得到；用户请求策略模型为基于历史真实边缘环境信息利用生成对抗训练得到。本发明无需通过与大量真实边缘环境交互便可实现资源分配策略模型的策略优化，从而在实际边缘节点资源分配时能够获得更贴合实际用户需求的资源分配策略，提升边缘节点应用为用户提供服务的效率，优化用户服务体验。
-
公开(公告)号：CN115080213A
公开(公告)日：2022-09-20
申请号：CN202210798458.0
申请日：2022-07-06
摘要： 本发明公开了一种面向电力数据处理的任务调度方法及应用，应用于云边协同系统中，云边协同系统包括云计算中心以及多个边缘节点，该方法包括：获取多个待调度任务的延迟上限，以确定多个待调度任务的任务类型，其中，任务类型包括延迟容忍型任务、延迟高敏感型任务以及延迟低敏感型任务；依据预设卸载顺序将多个待调度任务卸载至云计算中心或边缘节点，其中，预设卸载顺序为依次卸载延迟容忍型任务、延迟高敏感型任务以及延迟低敏感型任务。该方法根据任务延迟敏感度的不同对任务类型进行划分，并针对不同类型任务的卸载和资源分配机制进行优化，降低了任务响应时间，并提高了系统性能。
-
公开(公告)号：CN114185662A
公开(公告)日：2022-03-15
申请号：CN202111517941.9
申请日：2021-12-13
摘要： 本发明公开了一种面向电力视觉应用的自适应云边协同任务调度方法和装置，用于解决如何在高并发场景下充分利用边缘资源为用户提供较好的服务体验的问题。其中该方法包括：获取多个待调度任务的实时性级别、平均执行时间、以及关键路径长度，以确定多个待调度任务的优先级；根据多个待调度任务的优先级和任务开始执行时间、以及在各节点的前置任务最早完成时间，依次确定多个待调度任务在各节点的最早结束时间；基于多个待调度任务在各节点的最早结束时间，依次将多个待调度任务卸载到对应的节点。
-
公开(公告)号：CN116886215A
公开(公告)日：2023-10-13
申请号：CN202310865413.5
申请日：2023-07-14
IPC分类号： H04B17/309 , H04W24/08
摘要： 本发明公开了一种底噪功率的估计方法、装置、设备及存储介质，所述方法包括：获取拟占用频段，对拟占用频段进行信号采集；将采集的拟占用频段信号划分为时域信号与频域信号，对时域信号与频域信号进行底噪电平估计，得到时域底噪信息和频域底噪信息；根据时域底噪信息和频域底噪信息确定拟占用频段的底噪功率。本发明提供的底噪功率的估计方法，通过从时域和频域两方面对底噪进行综合估计，可以准确评估拟占用频段的底噪功率，为下一步判断是否存在干扰提供了有力依据。
-
公开(公告)号：CN116886220A
公开(公告)日：2023-10-13
申请号：CN202310871897.4
申请日：2023-07-14
IPC分类号： H04B17/345 , G06N3/049 , H04B17/309 , H04B17/336
摘要： 本发明公开了一种无线通信干扰识别方法、装置、设备及存储介质。获取无线通信系统对应的目标输入数据，其中，无线通信系统对应于目标变电站，目标输入数据包括目标干扰功率数据、目标信号质量数据和目标距离数据，目标干扰功率数据包括预设设备的接收信号频域干扰功率，目标信号质量数据包括预设终端的空口信号质量，目标距离数据包括预设设备与预设终端之间的距离；将目标输入数据输入至预设脉冲神经网络模型进行处理；根据预设脉冲神经网络模型的输出，确定无线通信系统的干扰识别结果。综合考虑能够表征干扰的多个数据，有效解决了现有的无线通信干扰识别方法，存在干扰识别准确率低的问题，取到了提高干扰识别准确率的有益效果。
-
公开(公告)号：CN117349747A
公开(公告)日：2024-01-05
申请号：CN202311271792.1
申请日：2023-09-27
IPC分类号： G06F18/2415 , G06N3/0442 , G06Q10/20 , G06Q50/06 , H02J13/00
摘要： 本发明公开了一种电力物联智能终端的离线故障原因分类方法。所述方法包括：获取电力物联智能终端的历史时序数据；将所述历史时序数据输入故障原因分析模型得到故障原因概率集合，所述故障原因分析模型包括由门控循环单元GRU、深度神经网络DNN、以及注意力机制Attention结合的GRU‑DNN‑Attention模型；根据所述故障原因概率集合确定所述电力物联智能终端离线的故障原因。该方法能够通过GRU‑DNN‑Attention模型确定电力物联智能终端离线的故障原因概率集合，并根据故障原因概率集合确定电力物联智能终端离线的故障原因，提高了电力物联智能终端的运维效率。
-
-
-
-
-
-
-
-
-
搜索结果
121 条记录 (耗时 0.123 秒)
