-
公开(公告)号：CN118219061A
公开(公告)日：2024-06-21
申请号：CN202410452066.8
申请日：2024-04-16
申请人： 山东大学
IPC分类号： B23Q17/09
摘要： 本发明涉及一种基于数字孪生的数据机理双驱动刀具在线监测方法，属于生产制造领域，本发明分别利用数据驱动模型和机理驱动模型对刀具磨损进行预测，最后通过强跟踪卡尔曼滤波算法将两模型融合得到更精确的刀具磨损预测结果。在数据驱动模型中，利用多尺度卷积神经网络融合不同深度层次的特征实现刀具磨损预测，机理驱动模型通过有限元仿真实现刀具的磨损预测；数据驱动模型的预测值作为观测数据，机理驱动模型提供状态转移方程，利用强跟踪卡尔曼滤波算法实现刀具磨损预测值的估计。本发明通过强跟踪卡尔曼滤波算法将数据驱动模型和机理驱动模型融合，可以实现低计算成本和高预测精度的数据机理双驱动模型，增加了预测结果的准确性和鲁棒性。
-
公开(公告)号：CN116112708B
公开(公告)日：2024-05-07
申请号：CN202211721168.2
申请日：2022-12-30
申请人： 山东大学
IPC分类号： H04N21/239 , H04N21/2343 , H04N21/61 , H04N21/647 , H04W52/28 , H04W72/044
摘要： 本发明涉及一种面向自适应流媒体的联合内容存储、码率转换与功率分配资源优化方法，包括：第一步、SBS收集用户视频内容及视频版本请求；第二步、SBS制定视频缓存及转码决策：SBS根据收集的用户的请求信息，结合MEC的存储和计算资源制定联合内容存储策略，以及码率转换策略；第三步、SBS信息反馈及视频传输：对于能够满足需求的用户，SBS为其分配合适的发送功率；对于无法满足需求的用户，SBS将用户请求反馈至MBS，用户将从MBS获取视频。本发明可以有效的减少用户与核心网视频数据交互量、缓解网络拥塞；能够降低用户获取视频的初始时延、避免视频卡顿、提高用户视频观看体验。
-
公开(公告)号：CN115914285B
公开(公告)日：2024-03-22
申请号：CN202211361491.3
申请日：2022-11-02
申请人： 山东大学
摘要： 本发明涉及一种基于RSU辅助的车联网混合紧急消息广播方法，该方法首先基于瞬时交通状态和紧急消息的类型生成广播目标区域，然后基于交通场景中的车辆密度和V2V通信范围动态确定转发区域。最后，基于城市道路中RSU的分布情况，通过适当利用RSU之间的有线链路和无线V2V多跳链路相结合在混合车辆网络中广播紧急消息，直至满足目标区域中的广播要求或紧急消息的生命周期结束。该紧急消息广播方法将有效提高紧急消息的远距离广播能力，并减少无线多跳传输的不稳定性。
-
公开(公告)号：CN117669368A
公开(公告)日：2024-03-08
申请号：CN202311603365.9
申请日：2023-11-28
申请人： 山东大学
IPC分类号： G06F30/27 , G06F30/28 , G06N3/084 , G06N3/126 , G06F113/08 , G06F119/14 , G06F111/10 , G06F111/04
摘要： 本发明涉及一种基于数字孪生的中药干燥成型单元流化床预演方法及系统，包括：获取中药干燥成型过程中的参数；预处理后训练几何约束增量神经网络预测模型；将待预演的中药干燥成型过程中的参数预处理后输入至训练好的几何约束增量神经网络预测模型，对流化床的状态量和材质特性进行预测；与此同时，将待预演的中药干燥成型过程中的参数输入至双相瞬态耦合CFD‑DEM模型；通过训练好的几何约束增量神经网络预测模型和双相瞬态耦合CFD‑DEM模型得到的输出分别作为观测值和模拟值融合进粒子滤波算法，实现精确预测。本发明通过几何约束增量神经网络与双相瞬态耦合CFD‑DEM模型的融合，为制药工艺提供了前所未有的高精度模拟。
-
公开(公告)号：CN114882245B
公开(公告)日：2023-08-25
申请号：CN202210438889.6
申请日：2022-04-22
申请人： 山东大学
IPC分类号： G06V10/46 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/94 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/084 , G06N3/098 , G06F21/62
摘要： 本发明涉及一种联邦多任务学习中基于特征提取‑子任务分类器的数据标签分类方法及系统，适用于中央节点式联邦学习系统。为了提升整体模型的有效性和精度并解决标签缺失数据的问题，本发明通过两步分离式的联邦多任务学习训练方式，实现了一个“特征提取‑子任务分类器”的统一网络架构设计。该设计方法能够解决联邦多任务学习中多标签数据的部分标签缺失问题并拥有较高的模型性能以及测试精度，最终训练出一个高性能多标签分类器网络，同时保护了用户节点的数据隐私。
-
公开(公告)号：CN116456143A
公开(公告)日：2023-07-18
申请号：CN202310425764.4
申请日：2023-04-20
申请人： 山东大学
IPC分类号： H04N21/433 , H04N21/466 , H04N21/462 , H04N21/218 , H04N21/231
摘要： 本发明涉及一种面向360°超高清全景视频的空间分配及缓存决策方法，属于计算机存储系统领域，包括收集过去一段时间内用户的请求日志，并且从日志中分析得到每个瓦片的请求概率、待缓存视频的熵、流行度信息、完播率以及每个视频放弃时刻的概率质量函数信息；计算每个视频的置信度分数；根据置信度分数、每个瓦片的请求概率为每个视频分配缓存空间，并决策需要缓存的视频瓦片。本发明通过分析用户在观看不同种类全景视频时的视场、完播率以及视频流行度信息，设计了基于启发式算法的缓存空间分配与决策算法，可以有效的提升缓存内容的命中率，降低用户的内容请求时延，同时缓解骨干网络的通信压力，有助于提高用户体验，降低运营商运营成本。
-
公开(公告)号：CN115696296A
公开(公告)日：2023-02-03
申请号：CN202211310238.5
申请日：2022-10-25
申请人： 山东大学
摘要： 本发明涉及一种基于社区发现和加权联邦学习的主动边缘缓存方法，用于选择最佳的缓存用户，制定最优的缓存策略。首先提出一种基于社区发现的用户分组方法，根据用户移动性和社交属性将用户分成不同用户组，随后在每个用户组内计算不同用户的重要程度并选择重要度最高的用户作为缓存节点提供内容分发服务。在此基础上，提出一种基于注意力加权联邦学习的内容流行度预测框架，将注意力加权联邦学习机制与深度学习算法相结合来预测用户未来对不同内容的偏好程度，提高内容流行度预测精度的同时解决了用户隐私泄露的问题。最后，根据预测结果在被选择的缓存用户上缓存热点内容，以实现降低网络传输时延的同时减少网络运营成本的目标。
-
公开(公告)号：CN114726410A
公开(公告)日：2022-07-08
申请号：CN202210215335.X
申请日：2022-03-07
申请人： 山东大学
IPC分类号： H04B7/0408 , H04B7/0413
摘要： 本发明涉及一种适用于多天线通信感知一体化的非均匀波束空间调制方法及系统，包括：求取同时满足感知性能和通信性能的ISAC波束；包括：构建通信发射信号；构建通信接收信号；构建非均匀波束空间调制的通信感知一体化频谱效率上界；构建感知性能目标函数；求取使得频谱效率最大化和感知性能最优的候选波束矩阵和波束激活概率分布。通过ISAC波束求取非均匀波束空间调制的频谱效率。在满足同样感知性能要求情况下，本发明的频谱效率更高。通过修改系统中通信和感知之间的折中因子，能够实现在满足同样通信频谱效率的情况下，本发明方案在目标区域方向上的波束图更加接近于参考波束图。在通信和感知性能方面优于现有的波束设计方法。
-
公开(公告)号：CN109982438B
公开(公告)日：2022-03-22
申请号：CN201910276954.8
申请日：2019-04-08
申请人： 山东大学
IPC分类号： H04W72/08
摘要： 本发明涉及一种基于NOMA与SWIPT认知无线电环境下的多用户资源分配方法，运行于基于NOMA与SWIPT认知无线电环境下的多用户中继通信系统，包括一个主用户PU、m个中继R1～Rm、两个次用户发送端ST1和ST2、以及一个次用户接收端SR，主用户PU始终处于通信状态；增加了系统用户可接入数量，提升了系统的频效与能效。采用遍历求最优解的方法，将复杂的非凸问题转换为易于求解的线性规划问题，最终实现最大化二级网络中弱用户的可达速率。
-
公开(公告)号：CN113258935B
公开(公告)日：2022-03-04
申请号：CN202110568987.7
申请日：2021-05-25
申请人： 山东大学
摘要： 本发明涉及一种联邦学习中基于模型权值分布的通信压缩方法，属于无线通信技术领域。本发明基于联邦学习中已有的联邦平均思想，每次通信时首先统计出节点之间要传输的模型权重信息的分布，然后根据其分布特性，通过Lloyd‑Max量化器进行标量量化压缩，然后使用Huffman编码方法来进行编码，最终发送到目标节点，从而在实现最小均方量化误差的同时减小通信所需的比特数。本发明所设计的通信压缩方法，具有良好的普适性，在保证学习效率的前提下节省了通信开销，具有实用性。
-
-
-
-
-
-
-
-
-
搜索结果
202 条记录 (耗时 0.032 秒)