-
公开(公告)号：CN117880256B
公开(公告)日：2024-08-27
申请号：CN202311641561.5
申请日：2023-12-04
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多控制器SDN的数据中心网络视频流QoS保障方法，具体是：主控制器根据全局网络视图和可达路径矩阵判断待传输视频流的源主机与目的主机是否直连，是则直接转发；否则基于M/M/N+1排队模型根据视频流的优先级，结合可达路径矩阵Ar将待传输视频流转发至网络可达且负载值最低的子控制器；针对被分配至子控制器的待转发视频流，构建视频流QoS保障多约束条件，得到路径的最小传输总成本；利用RNN改进DDPG深度强化学习算法，通过不断迭代训练当前网络和目标网络，获得待转发视频流最优路径规划。本发明能够有效解决网络拥塞和QoS保障问题，提高多媒体视频流传输的质量和用户体验。
-
公开(公告)号：CN113889247B
公开(公告)日：2024-06-25
申请号：CN202111157802.X
申请日：2021-09-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于医码通的用户数据采集方法，包括：针对不同的与就医患者相关的健康信息源和行程信息源，各设置一个节点与之关联；选择其中一个信息源的节点作为主节点，主节点接收不包含自己的搜索节点队列；通过搜索节点访问各个信息源里的数据来检索搜索数据；在选定的主节点中接收来自搜索节点的搜索数据，对搜索数据进行集成，将集成的综合搜索数据传输到用户客户端；接收用户发送的填写信息确认指令，将集成的综合搜索数据对应的二维码作为医码通发送至用户客户端。本发明能够逻辑集成多个不同的用户信息源用于数据查询，提高患者就医效率，降低医院运营成本。
-
公开(公告)号：CN118095446A
公开(公告)日：2024-05-28
申请号：CN202410509575.X
申请日：2024-04-26
Applicant: 南京邮电大学
Abstract: 本发明属于边缘计算技术领域，公开了一种面向多优先级任务的自适应协同推理加速方法，当推理任务进入到边缘服务器处的排队等待队列时根据当前队列状态做出是否反悔上传到云的决策，若反悔则从原始的边端协同调整为端云协同，最终实现高效的协同推理加速过程，该自适应协同推理加速方法通过自适应协同推理加速系统实现，该系统包括多个终端设备、多个边缘服务器以及一个云服务器。本发明通过在边缘服务器设计基于任务优先级的非抢占式优先排队模型，保证在优先处理较高优先级任务的同时，较低优先级任务也能在时延容忍时间内完成处理，充分利用边缘服务器有限计算资源，使云服务器资源得到合理规划以保证较高的服务质量，获得最大收益。
-
公开(公告)号：CN117939505B
公开(公告)日：2024-05-24
申请号：CN202410333763.1
申请日：2024-03-22
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
Abstract: 本发明属于移动边缘协作缓存技术领域，公开了一种车辆边缘网络中基于激励机制的边缘协作缓存方法及系统，缓存方法包括：步骤1、构建面向移动边缘计算场景激励赋能的边缘协作缓存系统模型；步骤2、提出集成注意力层的离散Soft Actor‑Critic(ADSAC)算法，制定基于深度强化学习的最优协同缓存替换决策，减少内容传输成本，缓存系统包括系统场景及架构、车辆移动模型、系统成本模型、奖励与惩罚模型以及缓存替换模型。本发明构建了一个边缘协作缓存系统模型，综合考虑了车辆的移动性和公平性，将影响用户请求服务质量的因素建模为综合系统成本，提高了缓存决策的准确性和效率，提升缓存系统整体的性能和效益。
-
公开(公告)号：CN117939505A
公开(公告)日：2024-04-26
申请号：CN202410333763.1
申请日：2024-03-22
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
Abstract: 本发明属于移动边缘协作缓存技术领域，公开了一种车辆边缘网络中基于激励机制的边缘协作缓存方法及系统，缓存方法包括：步骤1、构建面向移动边缘计算场景激励赋能的边缘协作缓存系统模型；步骤2、提出集成注意力层的离散Soft Actor‑Critic(ADSAC)算法，制定基于深度强化学习的最优协同缓存替换决策，减少内容传输成本，缓存系统包括系统场景及架构、车辆移动模型、系统成本模型、奖励与惩罚模型以及缓存替换模型。本发明构建了一个边缘协作缓存系统模型，综合考虑了车辆的移动性和公平性，将影响用户请求服务质量的因素建模为综合系统成本，提高了缓存决策的准确性和效率，提升缓存系统整体的性能和效益。
-
Patent Agency Ranking
公开(公告)号：CN117873402A
公开(公告)日：2024-04-12
申请号：CN202410261462.2
申请日：2024-03-07
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
Abstract: 本发明属于移动边缘缓存技术领域，公开了一种基于异步联邦学习和感知聚类的协作边缘缓存优化方法，包括以下步骤：步骤1、基于异步联邦学习框架，通过感知车辆的移动性特征，在用户本地训练自动编码器AE模型；步骤2、基于车辆感知聚类的预测流行内容的算法对不同活跃度的车辆簇进行内容预测，基于车辆感知聚类的预测流行内容的算法。本发明建立基于车辆感知的边缘缓存系统架构，低用户内容获取时延，并提高用户请求服务的公平性，在模型训练前进行预训练，异步聚合考虑车辆移动性和活跃度，并云聚合边缘RSU的全局模型，提高模型的准确性和泛化性，确保数据的安全性，有效提高内容流行度预测的公平性，从而保证不同用户的缓存服务质量。
-
公开(公告)号：CN117313732B
公开(公告)日：2024-03-26
申请号：CN202311608482.4
申请日：2023-11-29
Applicant: 南京邮电大学
IPC: G06F40/295 , G06F40/216 , G06F18/214 , G06N20/00
Abstract: 本发明公开了一种医疗命名实体识别方法、装置及存储介质，属于自然语言处理技术领域，其包括：利用现有医疗文本训练得到命名实体识别模型，将待识别医疗文本输入命名实体识别模型，完成实体的提取，该模型的获取包括：对教师模型进行医疗领域的初始化训练，通过训练后的教师模型得到未标记字的伪标签，通过标签选择策略对所述伪标签进行选择，通过正伪标签、负伪标签及其对应的标记数据分别对学生模型进行训练，得到命名实体识别模型，利用医疗领域少量标记数据完成了命名实体识别任务，减少了人工成本，不仅通过标签选择减少了噪声标签进入模型，还通过性能评价指标的衡量获取了性能最优的模型，提升了命名实体识别的效果。
-
公开(公告)号：CN117749635A
公开(公告)日：2024-03-22
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：CN117707795A
公开(公告)日：2024-03-15
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。
-
公开(公告)号：CN117539640A
公开(公告)日：2024-02-09
申请号：CN202410026413.0
申请日：2024-01-09
Applicant: 南京邮电大学
IPC: G06F9/50 , G06F18/231 , G06N3/045 , G06N3/042 , G06N3/0985 , G06N5/04
Abstract: 本发明公开了一种边缘技术领域的面向异构推理任务的边端协同系统及资源分配方法，旨在解决现有技术中异构边缘服务器无法为异构推理任务进行合理、高效的资源分配等问题，边端协同系统包括终端设备层和边缘服务器层，终端设备层包括多个物联网设备，边缘服务器层包括多个异构边缘服务器，以及应用于边端协同系统的资源分配方法。本发明对物联网设备产生的多个并行异构推理任务进行边端协同处理，实现在满足推理任务不同需求的同时最大化系统的资源利用率。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.036 seconds)
