-
公开(公告)号:CN118485159A
公开(公告)日:2024-08-13
申请号:CN202410349561.6
申请日:2024-03-25
Applicant: 重庆大学
Abstract: 一种异构移动边缘计算网络中高能效客户端采样的联邦学习方法,包括:1)建立异构移动边缘计算系统,包括参数服务器以及#imgabs0#个存在系统异构性的移动客户端;2)参数服务器生成采样策略#imgabs1#并设通信次数t=1;3)参数服务器根据采样策略#imgabs2#从#imgabs3#个移动客户端中选出#imgabs4#个参与联邦学习训练的移动客户端;4)所述#imgabs5#个移动客户端在本地进行更新;5)参数服务器对更新后的模型参数进行加权聚合,得到全局模型的参数;6)判断全局模型的参数是否达到收敛条件,若是,则输出参数服务器中的全局模型的参数,若否,则令t=t+1,并返回步骤3)。本发明综合考虑联邦学习训练过程中的能量消耗和模型的损失函数,在确保模型收敛性的同时降低能耗。
-
公开(公告)号:CN118042524A
公开(公告)日:2024-05-14
申请号:CN202410109755.9
申请日:2024-01-25
Applicant: 重庆大学
IPC: H04W28/08 , H04W28/084 , H04W28/086 , H04W12/02 , G06F9/50 , G06N3/045 , G06N3/092 , G06N3/006
Abstract: 本发明公开一种智能反射面辅助的移动边缘计算网络下任务卸载优化方法,步骤包括:1)建立智能反射面辅助的移动边缘计算系统;2)基于所述移动边缘计算系统,构建通信及数据安全模型;3)构建不同卸载决策下的延迟优化目标;4)将延迟优化目标建模为马尔科夫决策过程,设置深度强化学习的状态空间、动作空间和奖励函数;5)对建模为马尔科夫决策过程的延迟优化目标进行求解,得到计算卸载和资源分配方案。本发明在优化计算卸载和资源分配策略时考虑了网络的动态性和时变性,使得系统能够在多数网络环境中正常稳定运行。
-
公开(公告)号:CN116843016A
公开(公告)日:2023-10-03
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:CN113672819B
公开(公告)日:2023-09-29
申请号:CN202110572916.4
申请日:2021-05-25
Applicant: 重庆大学
IPC: G06F16/9536 , G06F9/50 , G06F16/957
Abstract: 本发明公开一种基于推荐感知和协作边缘缓存的内容请求处理系统,包括网络信息获取模块、移动边缘缓存系统模型搭建模块、推荐列表生成模块、用户体验质量计算模块、请求处理策略生成模块;本发明综合考虑了终端的个性化需求,结合了“软缓存”这一观点,给出了对内容请求的最佳处理方式,同时通过对缓存友好的启发式算法确定对内容请求的最佳处理地点,很大程度上提高了用户的QoE(Qualityof Experience,体验质量)。
-
公开(公告)号:CN116723193A
公开(公告)日:2023-09-08
申请号:CN202310242559.4
申请日:2023-03-14
Applicant: 重庆大学
IPC: H04L67/1008 , H04L67/1027 , H04L67/62 , H04L67/12
Abstract: 本发明适用于数据处理中云计算任务优化调度领域,提供了一种基于车载以太网的负载均衡方法、装置及终端设备,方法包括在J个服务实例运行的设备中计算第j个服务实例的负载率;获取第j个服务实例的执行时间;在客户端运行的设备中,获取车载应用请求的响应时间,响应时间为车载应用请求发出至客户端接收到响应数据的时间;通过改进蚁群算法生成负载均衡调度指令,以使客户端执行负载均衡调度指令;当客户端收到任意服务实例的不可用事件通知时,或接收到新增服务实例通知时,更新通过改进蚁群算法生成负载均衡调度指令所使用的信息素矩阵。本发明可以选择执行时间更短、响应速度更快、负载水平更低的目标服务实例来执行车载应用请求。
-
公开(公告)号:CN116401445A
公开(公告)日:2023-07-07
申请号:CN202310166078.X
申请日:2023-02-23
Applicant: 重庆大学
IPC: G06F16/9535 , G06F16/9536
Abstract: 本发明公开一种基于性格感知及复杂关系交互的服务推荐系统,包括信息获取模块、用户性格子图生成模块、信息传播模块、信息融合模块和个性化推荐模块;本发明将用户性格对用户偏好的影响考虑在内,构建用户性格图,提升了用户表示的精准度。
-
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:CN115660776A
公开(公告)日:2023-01-31
申请号:CN202211277665.8
申请日:2022-10-19
Applicant: 重庆大学
IPC: G06Q30/0601 , G06N3/0464 , G06N3/08
Abstract: 一种融合深度矩阵分解和多特征交叉的内容资源推荐方法,包括以下步骤:1)构建交互矩阵Yij;2)构建交互矩阵深度分解模块,将交互矩阵Yij输入到交互矩阵深度分解模块中,获得映射结果DNN;3)获取独热向量y和数值型特征向量Xfeature;4)构建多特征交叉模块,将独热向量y和数值型特征向量Xfeature输入到多特征交叉模块中,获得组合结果Cross;5)构建点击率预测模块,将映射结果DNN和组合结果Cross输入到点击率预测模块中,获得内容资源推荐方案。本发明同时利用用户、内容资源的属性信息和用户的交互数据做推荐,进行了用户交互数据的处理和用户、内容资源属性信息的处理,再结合运算结果做点击率预测,从而为用户推荐内容资源。
-
公开(公告)号:CN111813084B
公开(公告)日:2022-10-28
申请号:CN202010662863.0
申请日:2020-07-10
Applicant: 重庆大学
Abstract: 本发明公开了一种基于深度学习的机械装备故障诊断方法,具体包括以下步骤:步骤S1:对机械设备的主要数据源和次要数据源进行数据采集并进行预处理,得到数据集;步骤S2:采用5折交叉验证方法,将数据集分为训练集、验证集和测试集;步骤S3:基于CNN和BD‑LSTM建立故障诊断模型,将训练集输入故障诊断模型中提取隐藏特征后进行训练,并输出诊断结果。本发明采用BD‑LSTM进行平滑跟踪和预测结果,处理了由于操作和环境干扰引起的不确定性;传感器监测数据采用CNN和BD‑LSTM并行提取隐藏特征,两条没有相关性的路径输出都会影响预测,且可根据预测的误差校正网络中的每个参数。
-
公开(公告)号:CN114398954A
公开(公告)日:2022-04-26
申请号:CN202111545844.0
申请日:2021-12-16
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混合优化策略极限学习机的云服务器负载预测方法,步骤为:1)建立极限学习机模型;2)构建鲸鱼优化器,3)使用多样混合优化策略更新鲸鱼优化器;4)将迁移策略引入鲸鱼优化器,得到混合策略鲸鱼优化器;5)获取云服务器历史负载数据,并对混合策略鲸鱼优化器进行训练,得到最优超参数P;6)将最优超参数输入至极限学习机模型中,建立云服务器负载预测模型;7)获取当前云服务器负载数据,并输入到云服务器负载预测模型中,对云服务器未来负载进行预测。本发明提供一种基于混合优化策略极限学习机的云服务器负载预测方法,该方法可以大大提高云服务器负载的预测精度。
-
-
-
-
-
-
-
-
-