-
公开(公告)号：CN119904729A
公开(公告)日：2025-04-29
申请号：CN202411957282.4
申请日：2024-12-30
Applicant: 河海大学
IPC: G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于参数量化的深度神经网络模型压缩方法及装置。所述方法通过对预训练模型利用训练集进行微调，利用重要性评估样本集合数据记录权重梯度绝对值，区分高、低重要性权重；迭代量化高重要性权重，重新训练低重要性权重并更新权重重要性，使用二值掩码标识重要性，直至量化完成；其中量化操作采用就近二次幂技术，映射权重至非均匀二次幂网格；最终保存量化后的深度神经网络模型。本发明通过精确的参数选择和量化策略，实现了模型体积的有效压缩，并确保了模型在边缘设备上的高效部署，为深度学习技术在资源受限环境中的应用提供了重要支持。
-
公开(公告)号：CN118097963A
公开(公告)日：2024-05-28
申请号：CN202410347604.7
申请日：2024-03-26
Applicant: 河海大学
Abstract: 本发明公开了一种车路协同场景下基于车流量预测的无回程依赖感知任务卸载方法及系统。所述方法包括：建立车路协同的十字路口与普通道路场景；采集不同车辆任务的相关数据集，公路车辆实时数据集；在车辆端建立一种依赖性感知的无回程迁移方案；基于车路协同系统中任务在本地、边缘服务器上计算的时延和需要满足的截止时间，以及车辆的任务在本地或卸载到边缘服务器执行的能源消耗，建立任务卸载优化问题方程；利用时变马尔可夫决策过程，确定任务卸载和获取结果的卸载和迁移联合优化问题，并迭代求解。并且在边缘服务器端获得实时车流量预测数据，为任务的卸载提供依据。
-
公开(公告)号：CN116346926A
公开(公告)日：2023-06-27
申请号：CN202310021412.2
申请日：2023-01-07
Applicant: 河海大学
Abstract: 本发明公开了一种S3CE系统中车辆服务请求的在线决策方法及装置。所述方法包括：根据车辆移动轨迹预测模型，获得车路协同场景中移动车辆任意时刻的位置，得到车辆与路侧单元之间的传输范围；建立车辆服务请求调度有关的时延模型和代价模型，在满足距离限制以及服务容器资源限制的条件下，形成请求调度和容器保留联合决策的优化问题方程，优化目标为满足服务请求时延期限下最小化系统的长期代价；将问题分解为请求转移决策问题和区域性S3CE代价问题，分别利用STD算法和ASP算法来求解；基于求解结果，形成在线联合决策方案，实现车辆服务请求的实时调度和服务容器管理。本发明可在车辆移动性和车辆服务需求变化下进行实时的请求调度和容器保留决策。
-
公开(公告)号：CN112348199B
公开(公告)日：2022-08-30
申请号：CN202011194414.4
申请日：2020-10-30
Applicant: 河海大学
Abstract: 本发明涉及一种基于联邦学习与多任务学习的模型训练方法，将目标神经网络中各个全连接层划为目标神经网络的后部模型，以及将其中剩余部分划为目标神经网络的前部模型；由参数服务器负责更新各目标神经网络的前部模型，交换网络中的各个工作节点终端共同负责各目标神经网络的后部模型，如此应用联邦学习框架针对目标神经网络进行训练，通过对几个任务同时训练共同或相关的网络层，使得多个任务互相促进训练准确性，提高了模型收敛速率与泛化能力，获得目标神经网络高效训练的同时，能够保证基础数据的私密性与安全性。
-
公开(公告)号：CN112434805B
公开(公告)日：2022-08-05
申请号：CN202011198228.8
申请日：2020-10-30
Applicant: 河海大学
Abstract: 本发明涉及一种深度神经网络模块分割方法，考虑了数据重复的问题，获得划分时最优的方法；具体将最小化问题等价于最小割问题，可以更快速的得到全局最优解；具体针对深度神经网络所建模的有向无环图，采用图的最大流/最小割算法进行划分，获得有效分割，即作为对应深度神经网络的最佳分割；如此通过有效利用应用的分割，能够有效的减少应用在智能移动设备上的计算时延；在实验结果中，随着模型层数以及计算量的提高，采用上述改进方案，在移动智能设备上的运行时间得到了显著的减少，与未考虑重复传输问题的方法进行划分的方式相比，该划分方式得到的划分为最佳划分且运行速度的到了较大的提高。
-
Patent Agency Ranking
公开(公告)号：CN114739412A
公开(公告)日：2022-07-12
申请号：CN202210371840.3
申请日：2022-04-11
Applicant: 河海大学
Abstract: 本发明公开了一种基于智能手机的行人步态实时检测方法及设备。所述方法通过智能手机的加速度传感器实时采集行人运动的惯性信号，对采集到的加速度数据计算合成加速度、滤波降噪等预处理操作，然后通过波峰检测法检测波峰点，并通过构建加速度序列和结合动态时间规整算法对此波峰点作进一步判断分析，若满足条件则计步。与传统波峰检测法相比，本发明提出的方法具有更高的步态检测准确率。
-
公开(公告)号：CN113989561A
公开(公告)日：2022-01-28
申请号：CN202111268128.2
申请日：2021-10-29
Applicant: 河海大学
Abstract: 本发明公开了一种基于异步联邦学习的参数聚合更新方法、设备及系统。所述方法通过在参数服务器上保存权重摘要来保留工作节点的最新权重，并且所有工作节点所占权重比例相同，权重摘要通过每个工作节点只能更新自身摘要部分，限制了快节点高频更新对整体权重的影响；所述方法通过在参数服务器上设置版本感知机制对权重摘要的版本进行记录，使得参数服务器聚合时可以根据工作节点不同的版本确定不同的加权比例，当整体版本差距过大时，通过全局更新的方式将慢节点中使用的旧权重更新到最新权重，从而提高慢节点的更新效率，使参数服务器上的模型更快的收敛。本发明可有效地提高基于联邦学习的机器学习模型的训练速度。
-
公开(公告)号：CN112988275A
公开(公告)日：2021-06-18
申请号：CN202110326021.2
申请日：2021-03-26
Applicant: 河海大学
Abstract: 本发明公开了一种基于任务感知的移动边缘计算多用户计算卸载方法，包括如下步骤：根据服务器收集到系统中所有用户设备任务的相关信息，对任务进行分类；将任务参数选择问题建模为最小支配集问题，通过基于粒子群优化的任务参数选择算法来选择出实际计算的任务和重用计算结果的任务；将实际计算的任务和重用计算结果的任务融合成新任务；利用建立好的任务卸载相关模型，根据融合成的新任务，获取到卸载决策，各用户设备执行各自的卸载决策，进行计算卸载。本发明可以有效减少重复数据传输以及任务重复计算，充分利用有限计算和通信资源，从而降低多用户任务的时延与能耗，提高用户体验。
-
公开(公告)号：CN112348199A
公开(公告)日：2021-02-09
申请号：CN202011194414.4
申请日：2020-10-30
Applicant: 河海大学
Abstract: 本发明涉及一种基于联邦学习与多任务学习的模型训练方法，将目标神经网络中各个全连接层划为目标神经网络的后部模型，以及将其中剩余部分划为目标神经网络的前部模型；由参数服务器负责更新各目标神经网络的前部模型，交换网络中的各个工作节点终端共同负责各目标神经网络的后部模型，如此应用联邦学习框架针对目标神经网络进行训练，通过对几个任务同时训练共同或相关的网络层，使得多个任务互相促进训练准确性，提高了模型收敛速率与泛化能力，获得目标神经网络高效训练的同时，能够保证基础数据的私密性与安全性。
-
公开(公告)号：CN111275591A
公开(公告)日：2020-06-12
申请号：CN202010040147.9
申请日：2020-01-15
Applicant: 河海大学
Abstract: 本发明公开了一种用于在线教育的教学质量评估方法，包括如下内容：设课程互动方式有A，B两种；对于课程i，用户j在课程互动方式A，B中的互动计数记为Aij，Bij，对数据做同趋化处理和无量纲化处理，得课程活动指标评测值A′ij，B′ij，使各指标值处于同一个数量级别上；对A′ij、B′ij取几何平均值，得用户j对课程f的平均关注度情况Cij；对用户平均关注度情况Gij做无量纲化处理；对用户j在课程i中的测验所得评分Tij做无量纲化处理；以用户j对课程i的关注情况作为加权，取该课程的课程测验加权平均值Vi；计算所有用户对课程i的平均关注度情况Cij的算数平均数，得用户对课程i的平均关注水平Pi；对Vi与Pi取几何平均数，得教学质量评估分数参考值Qi。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.023 seconds)
