-
公开(公告)号：CN115034390A
公开(公告)日：2022-09-09
申请号：CN202210961978.9
申请日：2022-08-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于云边端协同的深度学习模型推理加速方法，具体涉及一种深度学习模型分层卸载方法。该方法通过对整个深度学习模型推理过程中的计算时延、数据传输时延、数据传播时延和模型分层卸载策略生成时延进行理论建模，并以计算任务响应时延最小为优化目标，决定最优深度学习模型的分层卸载策略。相较于以物理端为主导和以云计算中心为主导的深度学习模型执行框架，本方法通过将边缘计算范式和云计算结合起来，并将深度学习模型分层卸载至不同的边缘计算节点，在满足计算精度的前提下，实现计算任务响应时延最小化。
-
公开(公告)号：CN114640568B
公开(公告)日：2022-08-19
申请号：CN202210536555.2
申请日：2022-05-18
Applicant: 南京邮电大学
IPC: H04L41/042 , H04L41/0803 , G06N3/08
Abstract: 本发明公开了基于深度强化学习的网络智能管控架构系统和运行方法，应用于网络内部的管理控制。其中架构系统由数据平面、控制平面以及管理平面组成。运行方法为：数据平面通过网络遥测技术探测网络中的各类数据，控制平面接收数据平面上传数据，通过深度强化学习技术进行在线决策并下发配置指令，数据平面接收指令对网络内设备进行处理。管理平面根据各分布式控制平面上传的网络状态数据进行学习，并将知识共享到各分布式控制平面。本发明基于深度强化学习技术，可实现网络内部的智能管控，有效提高网络内部资源利用率。
-
公开(公告)号：CN114422349A
公开(公告)日：2022-04-29
申请号：CN202210323840.6
申请日：2022-03-30
Applicant: 南京邮电大学
IPC: H04L41/0803 , H04L41/0826 , H04L41/14 , H04L41/142 , H04L67/10 , H04L67/1008 , H04L67/101 , H04L67/1021 , G06N5/04 , G06N3/08 , G06F9/50
Abstract: 本发明公开了基于云边端协同的深度学习模型训练和推理架构部署方法，基于云服务器、边缘服务器、物理终端，边缘服务器搭载训练模块、推理模块、态势感知中心；态势感知中心包括用于感知边缘服务器的计算资源、与边缘服务器间的带宽占用情况和物理距离计算的边缘服务器计算能力感知模块，以及用于感知边缘服务器与云服务器间的带宽占用情况、物理距离计算以及感知云服务器的计算资源的云服务器计算能力感知模块，训练模块和推理模块进行资源成本计算以决定架构部署。本发明充分调动了网络边缘侧的计算能力，同时为边缘侧赋予了智能决策能力，为边缘操作系统在边缘侧的成功部署和对海量、复杂任务的时效计算给出了解决办法。
-
公开(公告)号：CN114039811A
公开(公告)日：2022-02-11
申请号：CN202111209266.3
申请日：2021-10-18
Applicant: 南京邮电大学
IPC: H04L12/46 , H04L67/141 , H04L67/146
Abstract: 本申请涉及一种局域网内快速通信方法。该方法包括：当接收到第一智能物端发送的建立虚拟通路请求时，从建立虚拟通路请求中提取出第一智能物端标识和第二智能物端标识；根据第一智能物端标识，获取第一智能物端最新上报的第一智能物端信息；根据第二智能物端标识，获取第二智能物端最新上报的第二智能物端信息；向第二智能物端发送第一智能物端信息，以及向第一智能物端发送第二智能物端信息，使第一智能终端与第二智能物端根据接收到的智能物端信息建立虚拟通路，虚拟通路建立后，虚拟通路作为第一智能终端与第二智能物端之间唯一通信路径。第一智能物端和第二智能物端的数据传输通过该虚拟通路直接传输，降低通信时延，提高数据传输的效率。
-
公开(公告)号：CN113723241A
公开(公告)日：2021-11-30
申请号：CN202110953883.8
申请日：2021-08-19
Applicant: 南京邮电大学 , 江苏省人民医院(南京医科大学第一附属医院) , 边缘智能研究院南京有限公司
IPC: G06K9/00 , G06N3/04 , G06N3/08 , G06F16/783 , G16H40/20
Abstract: 本发明提出了一种基于姿态估计的手卫生监测系统。包括：身份识别模块，对医护人员身份进行标识，并针对每个身份信息建立单独的一个保存文档；图片传感模块，从多角度捕获医护人员洗手、手臂消毒过程的视频片段；数据传输模块，对图片传感模块捕获的多视频片段进行整理和调度，并传输至姿态估计模块；姿态估计模块，利用训练好的深度学习网络对输入的视频片段数据进行姿态估计，判断是否在进行正确的手卫生操作步骤，以及判断是否满足规范的手卫生操作时长；提醒警报模块，根据姿态估计模块的输出结果进行相应的提醒。本发明利用图片识别等关键技术，将信息数据大环境的资源进行巧妙利用，实现了手卫生的智能监测，能够有效提高手卫生依从率。
-
Patent Agency Ranking
公开(公告)号：CN113673856A
公开(公告)日：2021-11-19
申请号：CN202110928674.8
申请日：2021-08-13
Applicant: 南京邮电大学 , 江苏省人民医院(南京医科大学第一附属医院) , 边缘智能研究院南京有限公司
Abstract: 本发明提出了一种基于3D的医院感控模拟培训考核系统，包括应用层、平台层、传输层、感知层，其中感知层使用各种终端采集数据，通过传输层传输至不同平台进行处理，所述终端包括VR设备、3D人体模型的传感器、摄像头；传输层用于将感知层采集的数据向应用层和平台层提供进行可靠传输；平台层用于进行培训和考核的大数据分析、人员的身份信息管理和系统后台评价管理；应用层用于对感知层采集的数据进行计算、处理和挖掘，实现对系统的实时控制和精确管理。本发明利用更加有效的信息化技术手段，使培训方式更灵活，培训效果更理想，能够解决前面提出的感控培训考核的诸多困难。可以在当前新冠肺炎大流行背景下帮助医院发挥更大作用。
-
公开(公告)号：CN117749635B
公开(公告)日：2025-01-24
申请号：CN202311759121.X
申请日：2023-12-20
Applicant: 南京邮电大学
Abstract: 本发明属于通信技术领域，涉及一种数字孪生使能的工业物联网资源分配系统及方法；方法为：构建数字孪生使能的工业物联网资源分配系统；在数字孪生层中联合考虑任务卸载设备关联决策、卸载决策、资源分配、任务比例分配并提出最小化系统成本的目标优化问题；将目标优化问题建模为多代理的马尔科夫决策问题；采用协同计算与资源分配CCRA算法求解马尔科夫决策问题，输出卸载策略，完成资源分配优化；本发明构建的系统有利于实现全局资源的统一调度与管理；减少边缘服务器的计算负荷，实现对大规模计算密集型和延迟敏感型任务的有效处理；方法中考虑了真实值与数字孪生估算值之间的偏差，并总结了系统因偏差而变化的规律。
-
公开(公告)号：CN119166824A
公开(公告)日：2024-12-20
申请号：CN202411659611.7
申请日：2024-11-20
Applicant: 南京邮电大学
IPC: G06F16/35 , G06F40/289 , G06N3/0464 , G06N3/08 , G10L15/26
Abstract: 本发明属于人工智能技术领域，公开基于生成式AI的情感连接交互方法、系统及设备，所述方法包括：将获取的语音信息转换为语音文本，并实施分词处理，将词元映射至连续的向量空间，获得文本嵌入向量，利用声学特征提取技术对语音信息提取声学嵌入向量，将文本嵌入向量和声学嵌入向量通过基于注意力机制的卷积神经网络，确定语音信息的情感分类；对基于词典的分词算法处理后的数据进行自然语言处理，确定语音信息的话题领域；根据情感分类、话题领域、用户信息以及历史交互数据，生成用户情感反馈信息，实现文本与声学在特征级别的有效融合，避免了后期融合方法因不同处理框架所得分类结果可能存在的非互补性而导致的性能下降。
-
公开(公告)号：CN118102386A
公开(公告)日：2024-05-28
申请号：CN202410497345.6
申请日：2024-04-24
Applicant: 南京邮电大学
IPC: H04W28/06 , H04W28/084
Abstract: 本发明涉及属于移动通信中的边缘计算技术领域，公开了一种D2D辅助MEC网络中的服务缓存和任务卸载联合优化方法及系统，考虑五种任务卸载模式，并进一步将任务卸载和服务缓存的联合优化问题表示为马尔可夫决策问题，利用改进的MAPPO算法训练模型，并据此获取最佳的任务卸载和资源分配策略，联合优化系统包括网络模块、服务缓存模块、任务卸载模块，网络模块包括云服务器、边缘服务器和终端设备。本发明实现了最小化系统时延和能耗。
-
公开(公告)号：CN117707795B
公开(公告)日：2024-05-10
申请号：CN202410162969.2
申请日：2024-02-05
Applicant: 南京邮电大学
IPC: G06F9/50 , H04W28/084 , H04W28/08 , G06N5/043 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/092 , G06N3/098 , G06N3/084 , G06V10/96 , G06V10/94 , G06V10/82
Abstract: 本发明提供了一种基于图的模型划分的边端协同推理方法及系统，该方法包括：获取CNN模型以及边缘网络系统的工作负载信息和网络质量信息；将CNN模型转换为有向无环图；采用等价节点合并的方法对有向无环图进行压缩；对时延优化问题进行建模，协同推理时延由计算时延和数据传输时延组成。基于图神经网络和DQN算法，根据边缘网络系统的工作负载信息和网络质量信息进行DAG划分模型的训练，以最小化时延为目标求解时延优化问题，得到最优的划分策略。根据划分策略，将CNN模型划分为2个CNN模型分段，分别分配给端设备和边缘服务器进行计算，用以解决现有的CNN推理任务的推理时间没有得到最大限度的减少的问题。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.028 seconds)
