-
公开(公告)号：CN116760570A
公开(公告)日：2023-09-15
申请号：CN202310570228.3
申请日：2023-05-19
Applicant: 重庆大学
IPC: H04L9/40 , G01N33/00 , G01D21/02 , G01W1/02 , G06F16/27 , G06F21/64 , G06Q50/06 , H04L67/12 , H04L9/32
Abstract: 本发明公开基于物联网与数据双层处理技术的燃煤电厂碳排放监测系统及方法，系统包括物联网感知层、物联网传输层、物联网边缘计算层和物联网边缘设备层；碳排放数据采集设备采集碳排放数据并对数据进行分组与混合密钥的两步数据编码；物联网传输层将处理后的碳排放数据传输至物联网边缘计算层。方法步骤为：采集碳排放数据；对碳排放数据进行分组与混合密钥的两步数据编码处理；对碳排放数据进行解码处理，得到碳排放分析结果及碳排放数据；对碳排放分析结果及碳排放数据进行可视化处理。本发明实时采集燃煤电厂内部和周边环境的环境参数以及气象数据，并通过物联网将这些数据传输到云计算节点，保证了数据的可追溯性、安全性和真实性。
-
公开(公告)号：CN116347525A
公开(公告)日：2023-06-27
申请号：CN202310158049.9
申请日：2023-02-23
Applicant: 重庆大学
IPC: H04W28/14 , H04W4/40 , H04W4/44 , H04W52/02 , H04W12/033 , H04W12/00 , H04L67/568 , H04L67/12 , H04L9/14 , H04L9/40
Abstract: 本发明公开一种面向车联网的低功耗安全缓存方法及介质，方法步骤为：1)搭建边缘缓存系统；2)获取车辆请求数据，并确定车辆请求内容偏好；所述请求内容偏好包括缓存内容和缓存优先级；3)根据车辆请求内容偏好，确定边缘缓存系统的内容放置方案；4)根据内容放置方案，宏基站和路边单元从内容服务器获取内容数据；5)根据车辆请求数据，确定基于资源分配的内容分发方案。介质存储有计算机程序。本发明通过联合考虑车辆偏好、车辆活跃度、内容大小以及功率和带宽分配的缓存方案，显著改善了系统的功耗。
-
-
公开(公告)号：CN112083933A
公开(公告)日：2020-12-15
申请号：CN202010881131.0
申请日：2020-08-27
Applicant: 重庆大学 , 重庆工业大数据创新中心有限公司
Abstract: 本发明公开一种基于强化学习的服务功能链部署方法，步骤为：1)读取当前物理网络拓扑和服务功能链请求；2)生成虚拟网络功能集在物理网络上的放置方案；3)判断虚拟网络功能集中每个虚拟网络功能是否都具有可供所述虚拟网络功能放置的服务器，若是，进入步骤4)，否则，进入步骤6)；4)判断物理网络中是否存在满足所述放置方案需求的链路，若是，则形成服务功能链请求的链路映射方案，进入步骤5)，否则进入步骤6)；5)接受服务功能链请求，根据放置方案和链路映射方案部署服务功能链请求，更新物理网络拓扑，返回步骤1)；6)拒绝服务功能链请求，返回步骤1)。本发明解决了在VNF顺序已知的场景下在线进行服务功能链部署的问题。
-
Patent Agency Ranking
公开(公告)号：CN116843016B
公开(公告)日：2025-02-14
申请号：CN202310580633.3
申请日：2023-05-22
Applicant: 重庆大学
Abstract: 本发明公开一种移动边缘计算网络下基于强化学习的联邦学习方法、系统及介质，方法步骤为：所述边缘服务器通过基站将待训练的机器学习模型下载至用户设备；每个用户设备利用本地数据对机器学习模型进行训练，获得机器学习模型参数wi(k)，并通过基站上传到边缘服务器中；根据待聚合设备的本地数据量，所述边缘服务器对所有待聚合设备的机器学习模型参数进行聚合，得到机器学习模型参数聚合值#imgabs0#并通过基站下载至加入联邦学习的用户设备；系统包括边缘服务器和用户设备。介质存储有计算机程序。本发明综合考虑联邦学习过程中的能量消耗和任务模型的损失函数值来优化联邦聚合策略，在保证任务模型精度的同时减少能量的消耗。
-
公开(公告)号：CN118228782A
公开(公告)日：2024-06-21
申请号：CN202410175179.8
申请日：2024-02-07
Applicant: 重庆大学
IPC: G06N3/0495 , G06N3/092 , G06N5/04
Abstract: 一种边云协同下DNN推理加速方法，包括以下步骤：1)获取边缘设备的资源信息、云服务器的资源信息以及预训练的DNN模型信息；2)设定分区点，并基于所述分区点将预训练的DNN模型信息划分为两个部分，分别记为第一DNN子模型、第二DNN子模型；3)计算第一DNN子模型各层的压缩率，对第一DNN子模型进行压缩，得到第一DNN压缩模型；将第一DNN子模型、第二DNN子模型分别部署在边缘设备和云服务器上；4)执行DNN模型推理。本发明综合考虑了推理中模型的准确性和推理过程中的延迟来优化模型划分和压缩的策略，在保证模型准确率的同时减少推理延迟。本发明可以满足DNN模型不同的准确率需求，以最小化延迟。
-
公开(公告)号：CN118228770A
公开(公告)日：2024-06-21
申请号：CN202410507617.6
申请日：2024-04-25
Applicant: 重庆大学
IPC: G06N3/045 , G06N3/0442 , G06Q50/04 , G06F17/10 , G06F17/11
Abstract: 本发明涉及数据质量分析技术，揭露了基于时序分析和深度学习的工业数据质量分析方法，包括：获取待分析的工业数据集，并将所述工业数据集转化为工业时间序列集；对所述工业时间序列集进行奇异谱分析得到工业趋势成分序列集；按照预设的数据格式要求对所述工业趋势成分序列集执行数据结构化处理操作，得到工业结构化数据集；将工业结构化数据集输入至数据质量分析模型中进行质量分析，得到数据质量分析序列，在所述数据质量分析序列达到预设的数据质量评估指标时得到工业数据质量评估结果。本发明还提出一种基于时序分析和深度学习的工业数据质量分析装置、设备以及介质。本发明可以提高基于时序分析和深度学习的工业数据质量分析的效率和准确率。
-
公开(公告)号：CN117391881A
公开(公告)日：2024-01-12
申请号：CN202311131368.7
申请日：2023-09-04
Applicant: 重庆大学
Abstract: 一种基于区块链技术的碳捕集膜标识信息记录系统，包括：信息采集层、数据安全与隐私保护层、信息上链层、数据统计层、数据库；本发明通过标识解析系统与区块链技术结合，解决了膜研发制作环节人工记录数据错误率高和耗时长的问题，增强了数据的安全性和不可篡改性，方便快捷地实现了数据的共享和交换，结合后台的模型分析，提高了数据的可利用性和共享性，对以往生产过程中的残次品也实现了资源利用。
-
公开(公告)号：CN116431326A
公开(公告)日：2023-07-14
申请号：CN202310185892.6
申请日：2023-03-01
Applicant: 重庆大学
Abstract: 本发明公开一种基于边缘计算和深度强化学习的多用户依赖性任务卸载方法，步骤包括：1)建立多用户移动边缘计算系统；2)获取边缘计算网络信息，包括云端服务器、边缘服务器、无线移动设备产生的任务信息；3)对于无线移动设备第n个应用程序，建立有向非循环图，以表示应用程序中I个依赖性子任务之间的依赖关系；4)根据有向非循环图，建立依赖性任务卸载时延和能耗模型；5)根据依赖性任务卸载时延和能耗模型，建立任务卸载决策模型，并利用马尔可夫决策方式对任务卸载决策模型进行解算，得到任务卸载决策。本发明大大降低了无线移动设备的通信时延和能量成本，满足了用户需求，节约了链路成本。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.024 seconds)
