-
公开(公告)号：CN119782894A
公开(公告)日：2025-04-08
申请号：CN202510296634.4
申请日：2025-03-13
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/042 , G06N3/048 , G06N3/08
Abstract: 本发明属于医疗数据挖掘和人工智能技术领域，公开了一种基于表示学习的多标签疾病数据分类模型构建方法，在疾病侧及患者侧完善相关信息构成医学知识图谱，将其包含的实体和关系转换为嵌入向量；设计层次化注意力机制提取知识图谱中节点的高阶结构和语义信息，生成目标节点在不同层的嵌入向量；整合不同层的患者节点和疾病节点的嵌入向量，进行数据分类；构建知识图谱损失函数和疾病数据分类损失函数，利用自我对抗性负采样策略，设计基于节点度数的动态采样与损失加权，完成模型的构建。本发明所述方法能够高效利用各类医疗数据，充分挖掘疾病间复杂关系，克服数据稀疏性和类别不平衡问题，提升模型对疾病数据分类的准确性和泛化能力。
-
公开(公告)号：CN118102386B
公开(公告)日：2024-07-02
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：CN113673856B
公开(公告)日：2024-04-26
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
IPC: G06Q10/0631 , G06Q50/20 , G09B5/02 , G09B7/00 , G06Q10/0639
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：CN117133459B
公开(公告)日：2024-04-09
申请号：CN202311176801.9
申请日：2023-09-12
Applicant: 江苏省人民医院(南京医科大学第一附属医院) , 南京邮电大学 , 南京邮大医疗信息技术有限公司
IPC: G16H50/30 , G16H50/70 , G06F18/211 , G06F18/214 , G06F18/243 , G06N20/20 , G06N7/02
Abstract: 本发明提供一种基于机器学习的术后颅内感染预测方法及系统，涉及机器学习领域，包括如下：采集涉颅手术后患者的相关信息；对于接收的数据进行删除无用数据、数据清洗、标准化、错误修正；利用粗糙集算法进行特征选择；对特征选择的结果进一步加工，将数据划分为训练集和测试集；利用代价敏感随机森林进行模型训练；在训练完成后，对得到的模型进行评估；在模型训练完成后整理出四类文件，进行接口封装，使用所述接口进行颅内感染预测。通过上述方法及系统可以提高术后颅内感染预测的精确性。
-
公开(公告)号：CN117294643B
公开(公告)日：2024-03-12
申请号：CN202311575841.0
申请日：2023-11-24
Applicant: 南京邮电大学
IPC: H04L45/302 , H04L45/00 , H04L45/02 , H04L45/12 , H04L45/76 , H04L47/6275 , G06F18/23213
Abstract: 本发明公开了一种基于SDN架构的网络QoS保障路由方法，根据网络拓扑信息，抽象成有向图，然后基于基于改经的k‑means算法将数据分为老鼠流、大象流、巨象流，定义流量传输的约束条件，构建DQN神经网络，以奖励函数R最大的动作所对应的最大Q值为目标训练DQN神经网络，得到QoS保障路由模型，得到最优路径权重值，根据Dijkstra算法确定数据包发送路径，最后将路径信息下发到交换机。本发明避免了传统K‑means算法对数据的处理不够稳健以及分类结果不够准确的情况。在DQN的神经网络训练时，从经验池中依据数据的优先性抽取数据，使得神经网络更加关注重要的数据，提高了神经网络的学习效率和算法的性能。
-
Patent Agency Ranking
公开(公告)号：CN117592556A
公开(公告)日：2024-02-23
申请号：CN202410069642.0
申请日：2024-01-18
Applicant: 南京邮电大学
Abstract: 本发明属于联邦学习和边缘计算技术领域，公开了一种基于GNN的半联邦学习系统及其运行方法，系统包括云端服务中心、多个边缘服务器与终端设备，边缘服务器与云端服务中心之间存在双向的连接，边缘服务器和终端设备之间存在双向的链路，边缘服务器用于分析需要上传本地数据的终端设备，下发传输决策，确定本地训练的终端设备后，接收实行本地训练的终端设备上传的模型参数用于聚合；同时接收无法进行本地训练的终端设备发送的本地数据，进行去重处理后再进行模型训练，将得到的模型参数用于聚合，并聚合后的模型参数上传至所述云端服务中心。本发明提升了系统的包容性和模型的性能，解决了重复数据训练造成的模型过拟合问题。
-
公开(公告)号：CN114124466B
公开(公告)日：2024-01-23
申请号：CN202111269289.3
申请日：2021-10-29
Applicant: 南京邮电大学
IPC: H04L9/40 , H04L41/0803 , H04L41/28 , H04L67/12 , H04L69/18
Abstract: 本发明公开了一种面向物联网的轻量级应用生态开发系统，包括设备接入层、数据和设备管理层及应用层；所述设备接入层，用于感知和控制设备，兼容若干种网络协议，屏蔽底层设备异构性，对上层形成统一的接口，并将设备信息和数据上传到数据和设备管理层，同时根据来自于数据和设备管理层的设备控制指令对设备进行远程控制；所述数据和设备管理层，用于将数据和设备信息按照统一标准进行存储，接收来自应用层的数据分析指令并对数据和设备信息进行分析；所述应用层，用于给用户提供应用开发平台和应用服务平台，提供物联网应用开发模块给物联网应用开发人员，并对应用、应用模块和用户进行管理；本发明能够将各类底层设备信息与数据进行统一调度。
-
公开(公告)号：CN117221950A
公开(公告)日：2023-12-12
申请号：CN202311475470.9
申请日：2023-11-08
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度强化学习的车辆任务卸载方法与系统，该系统整合了将深度强化学习算法和边缘计算结构，将二者结合引入到车联网的计算资源分配问题中，通过用户车辆与边缘计算服务器交互来获取用户车辆的服务需求，采用深度确定性策略梯度算法进行多轮训练并结合优先经验回放机制获得最优的任务卸载策略。充分利用其在环境感知、环境交互、自主学习和智能决策等方面的性能优势，来满足复杂车联网场景中较大计算任务的需求。
-
公开(公告)号：CN117133459A
公开(公告)日：2023-11-28
申请号：CN202311176801.9
申请日：2023-09-12
Applicant: 江苏省人民医院(南京医科大学第一附属医院) , 南京邮电大学 , 南京邮大医疗信息技术有限公司
IPC: G16H50/30 , G16H50/70 , G06F18/211 , G06F18/214 , G06F18/243 , G06N20/20 , G06N7/02
Abstract: 本发明提供一种基于机器学习的术后颅内感染预测方法及系统，涉及机器学习领域，包括如下：采集涉颅手术后患者的相关信息；对于接收的数据进行删除无用数据、数据清洗、标准化、错误修正；利用粗糙集算法进行特征选择；对特征选择的结果进一步加工，将数据划分为训练集和测试集；利用代价敏感随机森林进行模型训练；在训练完成后，对得到的模型进行评估；在模型训练完成后整理出四类文件，进行接口封装，使用所述接口进行颅内感染预测。通过上述方法及系统可以提高术后颅内感染预测的精确性。
-
公开(公告)号：CN117114113A
公开(公告)日：2023-11-24
申请号：CN202311378988.0
申请日：2023-10-24
Applicant: 南京邮电大学
IPC: G06N5/04 , G06N3/0464 , G06F9/50
Abstract: 本发明属于边缘计算技术领域，涉及一种基于排队论的协同推理加速方法；包括：步骤1建立任务属性模型；步骤2建立通信模型；步骤3依据当前队列状态信息做出是否直接上传云服务器的决策，上传则步骤7，否则步骤4；步骤4进行DNN模型分区，若此时任务不触发反悔机制则转步骤5，否则转步骤6；步骤5基于步骤4，边缘服务器协同执行推理任务并转步骤8；步骤6触发反悔机制，DNN模型深段部分转步骤7；步骤7模型上传云服务器并完成推理结果的聚合进入步骤8；步骤8获得此时的模型分区策略及总推理时延；当总推理时延不再减小，输出最优模型分区策略以及最小推理时延；结合队列状态信息对模型分区点进行优化，实现最小化系统推理时延。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.039 seconds)
