-
公开(公告)号：CN118261373A
公开(公告)日：2024-06-28
申请号：CN202410364410.8
申请日：2024-03-28
Applicant: 沈阳理工大学
IPC: G06Q10/0631 , G06N3/006 , G06Q10/047 , G06Q10/0835 , G06Q10/083 , G06Q50/02 , G06N3/048 , G06N3/0499 , G06N3/126 , G06N3/084
Abstract: 本发明提供一种基于深度学习的露天矿卡车队规模预测模型的构建方法，涉及露天矿卡车队规模技术领域，本发明首先利用粒子群算法求解出露天矿卡低油耗预测调度模型得到最优的调度路线，并根据预测得到的不同车队规模的矿石生产效率及综合效率的预测值计算矿场运营总效率，同时，充分考虑矿山卡车运输的各种成本，计算不同车队规模下的矿场运营成本效率。其次，以车队规模、运输距离、矿石负载等为约束条件，最大化总效率及成本效率为目标函数，建立最佳车队规模模型。最后，采用遗传算法求解此多目标问题，并将得出最佳车队规模结果与采用其他方案得出的结果进行对比，得到油耗最低的固定路线中车队规模的最佳数量。
-
公开(公告)号：CN118075818A
公开(公告)日：2024-05-24
申请号：CN202410390914.7
申请日：2024-04-02
Applicant: 沈阳理工大学
IPC: H04W28/084 , H04W28/082 , H04L41/14 , H04L41/16 , H04L67/10 , H04L67/12
Abstract: 本发明提供一种基于深度强化学习的跨区域计算卸载方法，涉及深度强化技术领域，本发明针对多区域多服务器多终端用户场景，建立了一个多区域的任务卸载模型，并提出了基于深度强化学习Dueling Double DQN的跨区域计算卸载方法。该方法引入D2D通信技术，通过附近终端用户辅助卸载的方法，扩大边缘服务器的服务范围，均衡各边缘服务器的负载情况，从而有效降低了系统的平均任务时延。首先围绕所提出的问题构建了综合的系统模型、网络模型及任务计算卸载模型，并对这些模型进行了详细的数量关系分析。然后将任务卸载决策定义为马尔可夫决策问题，以最小化平均任务时延为目标，提出了一种基于深度强化学习D3QN算法的跨区域任务卸载决策方法。
-
公开(公告)号：CN113806746B
公开(公告)日：2024-03-22
申请号：CN202111119216.6
申请日：2021-09-24
Applicant: 沈阳理工大学
IPC: G06F21/56 , G06F18/25 , G06F18/241 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于改进CNN网络的恶意代码检测方法，通过图像化技术将恶意代码转换成灰度图像特征，再通过N‑Gram技术提取恶意代码的操作码序列特征，通过特征融合技术将全局特征和局部特征进行特征融合，得到的融合特征输入到改进的卷积神经网络模型训练并选用合适的分类器进行检测；该方法实现了自动及深层次的特征提取，而且还不受制于恶意代码的数量和种类，解决了恶意代码快速增长及变形的问题；针对恶意代码检测的静态和多层特征，采用图像化和特征融合来设计检测模型，提高了检测速度以及准确度。
-
公开(公告)号：CN116709516A
公开(公告)日：2023-09-05
申请号：CN202310924378.X
申请日：2023-07-26
Applicant: 沈阳理工大学
Abstract: 本发明提供一种支持WPT技术的可穿戴无线传感器网络信道时隙分配方法，涉及可穿戴无线传感器网络技术领域。本发明提出了基于粒子群的信道时隙分配方案，包括采用WPT技术收集节点能量来建立节点功率最优模型，并将其转化成几何问题，求解出最优发射功率，并基于该模型，分析得出WWSN中时隙分配模型的优化目标，利用粒子群算法进行求解，并将所提算法进行仿真验证，同时与其它两种典型的信道分配协议在能耗和时延等方面进行了性能对比，显示出良好的性能优势。本发明能够处理时隙资源浪费问题，根据数据包大小和时隙所能容纳数据包的最大容量，在信道中动态调整分配时隙，实现时隙复用，以提高信道带宽利用率，增强网络整体性能。
-
公开(公告)号：CN116455573A
公开(公告)日：2023-07-18
申请号：CN202310237451.6
申请日：2023-03-13
Applicant: 沈阳理工大学
Abstract: 本发明设计面向IIoT基于椭圆曲线密码的分布式轻量级身份认证方法，针对IIoT设备认证过程中，保证不同管理域中的IIoT设备之间的跨域可信认证的技术；首先分析了物联网与区块链结合认证机制相关技术，在理论上基本掌握了不同管理域中的IIoT设备之间的跨域可信认证的实际需求；其次，分析和比较现存的物联网与区块链结合认证机制方面的相关技术，提出了基于信誉的轻量级共识机制；在该共识机制的基础上，结合IIoT设备的特点，提出基于椭圆曲线密码算法的分布式轻量级身份认证机制实现IIoT设备间的跨域可信认证；并完成了面向IIoT基于区块链的轻量级认证机制的设计与实现；能够有效的保证设备之间认证的效率与安全性，从而使工业控制系统具有较高的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN116363449A
公开(公告)日：2023-06-30
申请号：CN202310208568.1
申请日：2023-03-07
Applicant: 沈阳理工大学
IPC: G06V10/774 , G06V10/764 , G06N20/20 , G06F21/62
Abstract: 本发明提供一种基于分层联邦学习的图像识别方法，利用分层联邦学习的训练方式优化具有分类功能的卷积神经网络模型训练过程，避免用户数据在传递过程中被恶意攻击造成隐私泄露，同时可以联合多个数据拥有方协同训练一个模型；本发明构建在“云‑边‑端”分层的架构中，通过层级结构减少与中心服务器的直接通信频率，进而降低通信成本；其次，本发明采用基于时效的聚合策略，边缘服务器采用异步聚合策略，仅接受在时效内到达的局部模型参数，对于未到达的需要参与后续轮次聚合，中心服务器采用同步聚合策略，等待全部边缘服务器完成边缘聚合后进行全局聚合，并更新全局模型参数开启下一轮迭代更新，通过该策略可以有效提高模型的训练效率。
-
公开(公告)号：CN116346436A
公开(公告)日：2023-06-27
申请号：CN202310208569.6
申请日：2023-03-07
Applicant: 沈阳理工大学
IPC: H04L9/40 , H04L67/12 , G16Y30/10 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种基于ViT改进的轻量化恶意流量识别方法；首先基于会话中数据包的灰度图片转换方法生成以原始流量数据构建的灰度图片，限制会话的长度、规范会话中每个数据包的长度并统一灰度图片的分辨率，按照会话中数据包的顺序转换为二维矩阵；然后，基于简化混合Vision Transformer模型注意力机制的方法，利用MobileNetV2模型对灰度图片进行特征提取和下采样，忽略特征图像左右相邻像素以生成两个序列，经过降低维度的Transformer Encoder模块后转换为原始特征图像的形状，再通过全连接层后得到恶意流量识别的结果；本发明提供了一种高精度、轻量化的恶意流量识别方法，在保证恶意流量识别准确率的前提下，降低了模型所需的参数量和计算量。
-
公开(公告)号：CN113765921B
公开(公告)日：2023-04-07
申请号：CN202111046305.2
申请日：2021-09-08
Applicant: 沈阳理工大学
IPC: H04L9/40 , G06F18/2321
Abstract: 本发明提出一种面向工业物联网的异常流量分级检测方法，包括两次异常检测，第一级检测网络流量的频数异常；首先计算流量频数的差分值，进行平滑处理；然后采用指数加权移动平均模型进行数据拟合，使数据符合统计规律，并且对模型进行了偏差修正，降低初始值产生的误差；最后提出双层阈值区间的方法，将流量分为稳态流量、可疑流量、危险流量三种流量。对于第一级检测中发现的可疑流量进行第二级流量属性检测，采用一种面向复杂数据属性特征的聚类优化异常检测算法，根据流量属性特征的优先级对数据的加权距离和安全系数进行分类，快速选择安全系数较高的数据作为聚类中心，并将围绕该中心的多特征数据匹配成为一个聚类，最终用于属性异常检测。
-
公开(公告)号：CN113807453A
公开(公告)日：2021-12-17
申请号：CN202111119221.7
申请日：2021-09-24
Applicant: 沈阳理工大学
IPC: G06K9/62
Abstract: 本发明提供一种基于加权概率融合并行贝叶斯网络的异常行为检测方法，构建局部子贝叶斯网络并进行加权融合得到全局贝叶斯网络，利用训练后的全局贝叶斯网络对待检测数据集进行用户异常行为的检测；并通过一种增量评分函数定量的表示了单位时间内网络模型与数据之间适应程度的变化情况，采用对计算的得到的部分特定节点进行更新的措施，达到新旧数据在网络模型中的平衡；本发明方法达到了面对互联网用户行为数据时，提高学习贝叶斯网络模型的效率及准确性的效果，保证随着新增数据的增加贝叶斯网络模型对数据表达的精确度及稳定性。
-
公开(公告)号：CN110336620B
公开(公告)日：2021-05-07
申请号：CN201910640233.0
申请日：2019-07-16
Applicant: 沈阳理工大学
Abstract: 本发明公开了一种基于MAC层公平接入的QL‑UACW退避方法，节点学习整个水下自组织网络环境，根据一个随机策略选择某个动作执行调整增大或减小竞争窗口，获得一个新竞争窗口状态值，节点根据竞争窗口值进行退避竞争，然后接入水声信道发送数据，并利用返回的奖赏值，更新一个竞争窗口状态对应的累积奖赏值函数，评估所选动作，不断学习迭代更新，学习经历所有的状态动作对，使得累积奖赏值最大的动作为最优动作。本发明使得用户能够使水下自组织网络在节点竞争接入信道时提高节点间公平性，降低数据包冲突的同时提高信道利用率和网络吞吐量，从而使得大量水下自组织网络节点发送数据更加公平。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.038 seconds)
