一种群智感知中的资源分配方法

    公开(公告)号:CN118093102B

    公开(公告)日:2024-07-23

    申请号:CN202410507949.4

    申请日:2024-04-25

    Abstract: 本发明公开了一种群智感知中的资源分配方法,涉及移动用户MU的策略制定过程中一致的部分建模为标准的凸优化问题,本发明根据群智感知的真实情况,提出了移动用户个人的对不同任务的偏好属性并进行量化分析,提出连续策略迭代算法CSI使得MCS系统能够在跨周期迭代的过程中学习用户的偏好程度,并与相关的Greedy以及Ranking算法进行了仿真比较。在一般的实验设置下,相较于对比的基于贪心和等级划分的优化算法,CSI算法在效用指标上有10%~20%的提升,且使得模拟误差降低10%左右。本发明证明了CSI算法在大多数场景下有着更优秀的指标,助力提高收集数据的质量,同时增加系统的可靠性和稳健性。

    一种群智感知中的资源分配方法

    公开(公告)号:CN118093102A

    公开(公告)日:2024-05-28

    申请号:CN202410507949.4

    申请日:2024-04-25

    Abstract: 本发明公开了一种群智感知中的资源分配方法,涉及移动用户MU的策略制定过程中一致的部分建模为标准的凸优化问题,本发明根据群智感知的真实情况,提出了移动用户个人的对不同任务的偏好属性并进行量化分析,提出连续策略迭代算法CSI使得MCS系统能够在跨周期迭代的过程中学习用户的偏好程度,并与相关的Greedy以及Ranking算法进行了仿真比较。在一般的实验设置下,相较于对比的基于贪心和等级划分的优化算法,CSI算法在效用指标上有10%~20%的提升,且使得模拟误差降低10%左右。本发明证明了CSI算法在大多数场景下有着更优秀的指标,助力提高收集数据的质量,同时增加系统的可靠性和稳健性。

    雾无线接入网中基于量化的联邦强化学习的协作缓存方法

    公开(公告)号:CN114916015A

    公开(公告)日:2022-08-16

    申请号:CN202210519737.9

    申请日:2022-05-12

    Applicant: 东南大学

    Abstract: 本发明公开了一种雾无线接入网中基于量化的联邦强化学习的协作缓存方法,包括:1、根据全局内容流行度来初始化缓存节点的本地缓存内容,初始化缓存节点的本地模型权重参数,单个周期内的本地模型迭代次数和总的模型训练周期;2、每一个缓存节点根据接收到的用户请求信息进行内容缓存决策和本地模型训练;3、计算缓存命中率和用户请求延迟;4、一个训练周期结束时,对每一个缓存节点的本地模型进行网络剪枝;5、对本地模型更新量进行量化压缩和权值共享处理;6、将本地模型更新量上传到云中心进行全局模型聚合得到全局模型,再将全局模型分发给每一个缓存节点,进入下一个训练周期。本发明提高缓存命中率,降低网络负载压力。

    一种机器人关节
    30.
    发明授权

    公开(公告)号:CN107175686B

    公开(公告)日:2020-05-19

    申请号:CN201710435982.0

    申请日:2017-06-09

    Applicant: 东南大学

    Abstract: 本发明公开了一种机器人关节,包括壳体、电机,以及连接在所述壳体和电机上的谐波减速器;所述谐波减速器包括输入轴、椭圆形凸轮、薄壁轴承外壳、中空的刚轮、中空的柔轮和应变片;输入轴的一端与凸轮的一端固定连接;凸轮和薄壁轴承外壳之间设有球形滚动体,凸轮带动薄壁轴承外壳旋转;柔轮的下部表面呈小模数外齿形,刚轮内壁呈小模数内齿形,刚轮内壁和柔轮的下部相适配;薄壁轴承外壳与柔轮的下部内腔相适配;应变片固定连接在柔轮的表面。该机器人关节结构简单,关节中的各种导线不会因为关节的转动而缠绕,穿线方便;同时能准确测量谐波减速器的输出力矩。

Patent Agency Ranking