-
公开(公告)号：CN103441842A
公开(公告)日：2013-12-11
申请号：CN201310308725.2
申请日：2013-07-22
Applicant: 暨南大学
Abstract: 本发明公开了一种物联网终端M2M访问控制系统及方法，系统包括：物联网终端及关守系统；方法包括：发送访问请求到关守系统，所述访问请求携带身份识别标志；关守系统根据访问请求携带的身份识别标志判断是否向应答终端发送请求访问终端的访问请求，是，向应答终端发送访问请求，否则，拒绝访问；所述访问请求携带有应答终端的身份识别信息；接收访问请求，并根据访问请求，发送准许访问信号到关守系统；关守系统将准许访问信号发送到请求访问终端，所述准许访问信号携带有应答终端的身份识别信息及准许访问信号报文；发送应答终端提供的准许访问信号报文到应答终端；根据接收到的准许访问报文，应答访问终端与请求访问终端建立基于TCP/IP协议的会话。
-
公开(公告)号：CN119485395A
公开(公告)日：2025-02-18
申请号：CN202411535653.X
申请日：2024-10-31
Applicant: 暨南大学
IPC: H04W24/02 , H04W72/044 , G06N3/048 , G06N3/045
Abstract: 本发明公开了一种用于无线供电移动边缘计算网络的智能资源管理方法及系统。该智能资源管理方法及系统构建了注意力机制增强的多任务神经模型，并采用多多任务联合学习训练优化多任务神经模型，对无线供电移动边缘计算网络中的无线信道增益信息进行输入，得到计算决策和资源分配的预测结果，以得到最大化的网络性能。本发明能够高效实现计算卸载决策与资源调度，确保系统在快速变化的环境中保持高性能和低延迟，显著降低了在线决策的计算复杂度，将复杂计算转移至离线训练阶段，适用于资源受限的边缘设备；同时还能够动态监测无线信道增益，以进行任务卸载决策和资源分配，并利用掩码机制有效处理设备状态的动态变化。
-
公开(公告)号：CN110213651A
公开(公告)日：2019-09-06
申请号：CN201910449893.0
申请日：2019-05-28
Applicant: 暨南大学
Inventor： 林龙新
IPC: H04N21/44 , H04N21/8549 , G06T7/246 , G06Q50/26 , G06K9/00
Abstract: 一种基于安防视频的智能案情辅助分析系统，包括如下模块：与视频源连接的视频文件上传和实时流接入模块，所述视频源提供用于辅助案情分析的视频资源；目标检测和对象跟踪模块；视频分析算法模块；视频摘要生成模块；案情管理和辅助视频图侦模块；人机交互模块；案情管理数据库；图片快照和视频摘要索引库；原始视频数据库。一种基于安防视频的智能案情辅助分析方法，采用上述一种基于安防视频的智能案情辅助分析系统。本发明具有辅助加速案情分析、安装简单、使用方便、经济实用等优点。本发明属于信息技术领域。
-
公开(公告)号：CN119497153A
公开(公告)日：2025-02-21
申请号：CN202411548529.7
申请日：2024-10-31
Applicant: 暨南大学
IPC: H04W28/084 , H04W28/08 , H04W4/40 , G06N3/092 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06F18/23213
Abstract: 本发明公开了一种车辆边缘计算卸载的深度学习方法，此方法采用改进的Transformer特征提取模型，引入Encoder模块，以增强对车辆特征数据中局部依赖的挖掘，进一步强化了网络的表达能力和泛化能力，提高了卸载决策的准确性和稳定性。通过简化网络，降低了模型的算法复杂度，提升了模型的计算效率。此外，本发明的方法还结合VE‑Kmeans算法和MADDPG网络模型进行训练，从而在保证精确度的情况下，大幅度提升模型的计算速度以及降低内存消耗，提高了车辆计算卸载的实用性和灵活性。
-
公开(公告)号：CN111245941B
公开(公告)日：2022-09-30
申请号：CN202010033172.4
申请日：2020-01-13
Applicant: 暨南大学
Abstract: 本发明公开了一种面向大规模可充电物联网的监测系统及分布式协议，监测系统包括物联网节点和多个射频能源模块，其中，物联网节点包括用于采集环境数据的采集节点、中继节点和汇聚节点，采集节点连接中继节点，并根据自身的数据发送概率向中继节点传输节点数据，中继节点连接汇聚节点，并根据自身的数据发送概率向汇聚节点传输节点数据；每个射频能源模块用于采集能量，并基于能量的发送功率，通过射频波束赋形产生的射频信号向周围的采集节点和中继节点发送对应的能量。本发明能基于节点的本地信息公平采集节点数据和合理分配充电量，有利于提高节点能量利用效率，可应用在网络规模大、覆盖范围广以及部署环境差的可充电物联网中。
-
Patent Agency Ranking
公开(公告)号：CN119066596A
公开(公告)日：2024-12-03
申请号：CN202411564038.1
申请日：2024-11-05
Applicant: 暨南大学
IPC: G06F18/2433 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06F18/241
Abstract: 本发明公开了一种用于工业控制系统异常检测的深度学习方法、装置、工作介质及计算机设备。该方法构建的神经网络模型利用一维卷积和线性层提取传感器节点的时间依赖特征。物理流程图将传感器节点划分为子图，并通过设置为完全图和图注意力网络提取局部依赖特征，池化生成物理流程嵌入，应用图注意力网络捕捉流程间的全局依赖。控制图通过图注意力网络提取控制器内传感器的通信特征，通过池化生成控制器嵌入，再应用图注意力网络捕捉控制器间的信息流动。通过物理流程图与控制器通信图的联合建模，有效捕捉多层次依赖。采用早停机制避免过拟合，支持基于异常分数的异常定位。该方法能够高效检测并定位工业控制系统中的异常，保障系统安全稳定运行。
-
公开(公告)号：CN118487982A
公开(公告)日：2024-08-13
申请号：CN202410545612.2
申请日：2024-05-06
Applicant: 暨南大学
IPC: H04L45/00 , H04L45/74 , H04L45/036
Abstract: 本发明公开了一种多目标路由优化的深度学习方法、装置、存储介质及计算机设备，此方法采用图神经网络模型和多代理强化学习模型，在图神经网络模块引入基于边和路径关系的图卷积神经网络、全连接网络和循环神经网络，以增强图神经网络模块对于图中相关信息的特征挖掘和提取，强化了网络的表达能力和泛化能力，提高了路由优化的准确性和稳定性。同时还采用强化学习对神经网络进行训练，从而在保证基础路由效果的情况下，解决了传统深度学习方法需要大量标签数据的难题，提高了模型对不同流量模式的适应能力，提高了路由优化的实用性和灵活性。
-
公开(公告)号：CN119066596B
公开(公告)日：2025-04-08
申请号：CN202411564038.1
申请日：2024-11-05
Applicant: 暨南大学
IPC: G06F18/2433 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06F18/241
Abstract: 本发明公开了一种用于工业控制系统异常检测的深度学习方法、装置、工作介质及计算机设备。该方法构建的神经网络模型利用一维卷积和线性层提取传感器节点的时间依赖特征。物理流程图将传感器节点划分为子图，并通过设置为完全图和图注意力网络提取局部依赖特征，池化生成物理流程嵌入，应用图注意力网络捕捉流程间的全局依赖。控制图通过图注意力网络提取控制器内传感器的通信特征，通过池化生成控制器嵌入，再应用图注意力网络捕捉控制器间的信息流动。通过物理流程图与控制器通信图的联合建模，有效捕捉多层次依赖。采用早停机制避免过拟合，支持基于异常分数的异常定位。该方法能够高效检测并定位工业控制系统中的异常，保障系统安全稳定运行。
-
公开(公告)号：CN118260593A
公开(公告)日：2024-06-28
申请号：CN202410363342.3
申请日：2024-03-28
Applicant: 暨南大学
IPC: G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/096 , H04L9/40
Abstract: 本发明公开了一种网络入侵检测识别的深度学习方法、装置、存储介质及计算机设备，此方法采用基于Transformer模型改进得到的Concise‑former神经网络模型，在编码器模块引入卷积门控自注意力层，以增强编码器模块对于序列数据中局部依赖的挖掘，进一步强化了网络的表达能力和泛化能力，提高了入侵检测的准确性和稳定性，通过简化网络，降低了模型的算法复杂度，提升了模型的计算效率。另外，本发明的方法还采用联合学习对神经网络进行训练，从而在保证精确度的情况下，大幅度提升模型的计算速度以及降低内存消耗，提高了入侵检测的实用性和灵活性。因此本发明能够有效地检测到各种类型的网络入侵。
-
公开(公告)号：CN111245941A
公开(公告)日：2020-06-05
申请号：CN202010033172.4
申请日：2020-01-13
Applicant: 暨南大学
Abstract: 本发明公开了一种面向大规模可充电物联网的监测系统及分布式协议，监测系统包括物联网节点和多个射频能源模块，其中，物联网节点包括用于采集环境数据的采集节点、中继节点和汇聚节点，采集节点连接中继节点，并根据自身的数据发送概率向中继节点传输节点数据，中继节点连接汇聚节点，并根据自身的数据发送概率向汇聚节点传输节点数据；每个射频能源模块用于采集能量，并基于能量的发送功率，通过射频波束赋形产生的射频信号向周围的采集节点和中继节点发送对应的能量。本发明能基于节点的本地信息公平采集节点数据和合理分配充电量，有利于提高节点能量利用效率，可应用在网络规模大、覆盖范围广以及部署环境差的可充电物联网中。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.027 seconds)
