-
公开(公告)号：CN118940820A
公开(公告)日：2024-11-12
申请号：CN202410992192.2
申请日：2024-07-23
Applicant: 广西电网有限责任公司 , 西安交通大学
Abstract: 本发明基于维度选择与压缩恢复的差分隐私在线联邦学习方法，其使用维度选择的方法解决在线联邦学习中差分隐私机制的效用性问题。本发明通过引入本地梯度缓冲池累计本地模型的梯度，使用基于指数机制的维度选择算法，划分一部分隐私预算用于估计top‑k维度的真实值，从而在中心服务器端更有效地对被采样的本地模型变化量进行恢复，得到更加准确的全局模型变化量。本发明提升了一定差分隐私保证下的在线联邦学习的效用性。
-
公开(公告)号：CN112507720B
公开(公告)日：2024-08-20
申请号：CN202011264456.0
申请日：2020-11-12
Applicant: 西安交通大学
IPC: G06F18/2415 , G06N5/04 , G06F40/30 , G06N3/0464 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于因果语义关系传递的图卷积网络根因识别方法，解决了大规模复杂通信网络的故障快速准确定位问题。在知识图谱嵌入模型的启发下，假设根因识别问题中的切片样本内告警和根因告警存在因果关系，并且因果关联网络同构，即：因果关系向量r、样本序列在因果关系空间表示xseq以及序列的根因告警在因果关系空间表示#imgabs0#构成三元组#imgabs1#满足关系#imgabs2#结合概率统计知识、基于均值聚合器的GraphSAGE模型以及语义关系传递模块提出深层神经网络方法，在无需专家知识的前提下提升对运维故障的根因告警识别准确性，从而可以快速准确地定位通信过程中的关键问题便于后续针对性解决处理。
-
公开(公告)号：CN112818988B
公开(公告)日：2024-04-02
申请号：CN202110128956.X
申请日：2021-01-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种指针式仪表自动识别读数方法及系统，通过基于指针式仪表图片数据集对仪表目标检测模型进行预训练；利用预训练后的仪表目标检测模型对待识别仪表图像进行预处理，然后提取预处理后的图像特征，基于提取的图像特征，对待识别仪表图像中的表盘进行矫正处理，将待识别仪表图像中的表盘与指针进行拟合，根据提取的图像特征确定表盘的起止刻度，使用角度法即可得到仪表指针读数，通过仪表目标检测模型完成指针式仪表的检测和分类，能够快速实现表盘特征的提取，然后在表盘轮廓拟合中采用拟合方法，在读数阶段提出使用目标检测的方法定位起止刻度，解决了传统方法中必须先固定拍摄表盘角度的问题，使得拍摄现场可以具有更大的灵活性。
-
公开(公告)号：CN115664525A
公开(公告)日：2023-01-31
申请号：CN202210949946.7
申请日：2022-08-09
IPC: H04B10/275 , H04B10/038 , H04L45/00 , H04L45/02
Abstract: 本发明公开了一种双归属环形网络拓扑与路径优化系统，包括：网络监控模块：负责采集优化算法的相关输入；路径优化模块：负责根据流量需求，利用结合了SRLG约束的Suurballe算法对所有流量规划主备份路径；拓扑优化模块：将双归网络逻辑层的拓扑约束条件和物理层的路径约束条件相结合，利用Gurobi求解器进行拓扑优化求解；流量规划模块：负载对拓扑优化模块求得的物理层拓扑G进行流量传输仿真，用来验证拓扑G是否严格满足流量相关约束条件；场景自适应模块：作为辅助模块帮助拓扑优化模块得到的拓扑满足流量相关约束条件。本发明根据逻辑层网络拓扑上的流量情况对物理拓扑与流量路径进行有效规划，通过两者之间的有效映射关系，达到光纤资源消耗更少。
-
公开(公告)号：CN113395723B
公开(公告)日：2022-08-09
申请号：CN202110656499.1
申请日：2021-06-11
Abstract: 基于强化学习的5G NR下行调度时延优化系统，是根据实际场景存在的状态非完全可观测情形，将基站下行调度过程建模为一个部分可观测马尔可夫控制问题，并通过Actor‑Critic强化学习算法框架来解决。具体包括：网络监控模块，用于负责采集下行调度器的相关输入；资源调度器模块，用于通过仿真器模拟基站细粒度调度过程；POMDP构建模块，用于将每个时隙的状态处理为部分可观测状态，并建立针对不同时间尺度任务的智能体；核心控制器模块，用于帮助POMDP构建模块完成针对不同时间尺度任务的智能体在每个时隙的动作策略制定；场景自适应模块，作为辅助模块为核心控制器提供更科学高效的决策，并且通过流量时空预测来指导算法更好地进行多小区调度场景下的负载均衡。
-
Patent Agency Ranking
公开(公告)号：CN111181773B
公开(公告)日：2021-09-07
申请号：CN201911282101.1
申请日：2019-12-13
Applicant: 西安交通大学
Abstract: 本发明公开了面向异构边云协同智能系统的多组件应用的延迟预测方法，本发明提供了一种延迟敏感的多跳应用如何精确刻画每个组件的延迟和精确建模问题一个高可用的解决方案，选择延迟敏感的不同应用，基于对不同的应用刻划不同的流程，对数据集选取不同的机器学习方法和/或深度学习算法进行训练，并搭建基于容器的测试平台，生成边云协同的放置方案，将获取的数据放入数据库中，进行特征提取和预处理生成新的数据集，在延迟预测算法中进行训练，最终得到组件延迟的预测样本。给多条应用的延迟精确刻画提供了一个可靠的方案。
-
公开(公告)号：CN112817755A
公开(公告)日：2021-05-18
申请号：CN202110091011.5
申请日：2021-01-22
Applicant: 西安交通大学
Abstract: 本发明提供的一种基于目标追踪加速的边云协同深度学习目标检测方法，解决了目标检测问题实时性不能得到保障的问题。通过三阶段的处理，第一阶段，在边缘节点上，使用自适应关键帧算法提供关键帧的选择方法，并且做到在同一深度学习模型中选择关键帧只需极小的计算资源代价。第二阶段，在云端，利用边缘筛选的数据，使用高精度的分类模型，进行高精度的目标检测。第三阶段，在边缘端，利用孪生网络，通过关键帧的分类和标框结果进行快速追踪，该方法在利用自适应关键帧算法实现针对视频目标检测的数据筛选，同时实现模型精度和时延消耗的折中，给解决边云协同深度学习模型视频目标检测问题提供了可靠的方案。
-
公开(公告)号：CN108108747A
公开(公告)日：2018-06-01
申请号：CN201710861282.8
申请日：2017-09-21
Applicant: 西安交通大学
CPC classification number: G06K9/6218 , G06F16/285 , G06F16/35
Abstract: 本发明公开了一种解决大数据聚类的基于视觉原理的聚类方法，通过对原有数据进行给定精度的无损多尺度编码，实现数据的多尺度、多维度的网格化存储，基于各尺度编码判断编码和邻域编码的相似度，利用连通性分析，实现多尺度的聚类，提供多尺度的聚类结果。在数据编码过程中，利用了视觉原理，该原理符合韦伯定律，即感觉的差别阈限随原刺激量的变化而变化。
-
公开(公告)号：CN101437266B
公开(公告)日：2010-09-15
申请号：CN200810232702.7
申请日：2008-12-17
Applicant: 西安交通大学
Abstract: 本发明公开了一种减小动态源路由协议控制负载的方法。本发明主要通过在数据包多跳向目的节点转发过程中，删除数据包头中源路由信息中冗余的节点地址信息，来减小数据包头中由源路由方法引入的控制负载。本发明能够有效减小DSR路由协议中的控制负载，同时对于路由协议在数据传输率、延迟等方面的性能也有所提高。
-
公开(公告)号：CN101321122A
公开(公告)日：2008-12-10
申请号：CN200810018282.2
申请日：2008-05-23
Applicant: 西安交通大学
Abstract: 本发明公开了一种解决异类点Ad Hoc网络隐藏终端的方法。本发明在网络层为每个节点都配备两个发射接口，工作在互不干扰的两个信道，通过利用高性能节点的优势使每个节点形成一个较大的感知区域，在MAC层采用跨层设计的方法，应用网络层中感知到的周围节点的拓扑信息，采用最短路径算法求取多跳返回CTS与ACK的路由，并将CTS多播到隐藏终端来阻止其接入信道。本发明设计了严格的时序最终在MAC层彻底解决了异类点的隐藏终端和CTS/ACK无法返回的问题。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.031 seconds)
