“范立生”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果61个，建议您升级VIP下载更多相关专利

[发明专利]基于自适应混合梯度压缩的加速AI大模型分布式训练的方法及装置-CN202310740870.1在审
发明人：刘外喜;范立生;罗剑涛;陈孔阳;李进;陈庆春;陈昊森 -专利权人：广州大学
申请日： 2023-06-21 - 公布日： 2023-10-27 - 主分类号： G06N3/098 文献下载
摘要：本发明公开一种基于自适应混合梯度压缩的加速AI大模型分布式训练的方法及装置，方法包括：在主从节点结构下，PS参数服务器和计算节点各自经过本地训练迭代生成梯度；利用自适应混合梯度压缩方法对该梯度压缩；将压缩后的梯度发送至PS参数服务器，而后进行解压缩、聚合、更新；更新后的新模型参数发送给各个计算节点；多次迭代训练得到分布式机器学习模型；所述自适应混合梯度压缩方法包括，对于某一类梯度，如果它是一维向量，不进行梯度压缩，如果它的梯度数量大于等于设定阈值，采用逐类梯度聚类机制进行压缩，否则，采用Tensor Train分解机制对其进行压缩。本发明通过减少分布式训练所需通信量减少训练时间，同时不损失模型精度、不引入大计算量。
基于自适应混合梯度压缩加速 ai 模型分布式训练方法装置

[发明专利]可塑身神经辐射表示的三维人体重建方法及系统-CN202310852666.9在审
发明人：彭伟龙;蔡宇生;汪洋涛;肖亚铁;谭恒良;范立生;方美娥 -专利权人：广州大学
申请日： 2023-07-11 - 公布日： 2023-09-26 - 主分类号： G06T13/40 文献下载
摘要：本发明提供了一种可塑身神经辐射表示的三维人体重建方法及系统，涉及三维重建技术领域，其中，方法包括：使用SMPLify工具进行姿态估计，得到视频中每一帧的姿态及身体形状；将从目标外观体到标准体拆分为由骨架运动驱动的变形和由身体形状驱动的变形，完成从目标外观体到标准体的映射；通过设置低维塑身参数去调整身体形状；根据预设的可塑身的神经辐射场模型，通过从目标外观体到标准体的映射对调整后的身体形状重表示，最终可生成任意视角下的塑身后的视频。以解决三维人体重建的可塑身问题。
可塑神经辐射表示三维人体重建方法系统

[发明专利]一种多标签图像分类方法、装置、设备及存储介质-CN202111002998.5有效
发明人：汪洋涛;范立生;夏隽娟;彭伟龙;谭伟强 -专利权人：广州大学
申请日： 2021-08-30 - 公布日： 2023-09-26 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种多标签图像分类方法、装置、设备及存储介质，方法包括：获取待分类图像，使用Python图像库将待分类图像转换为多维张量；将多维张量输入到预先训练好的分类模型中，得到待分类图像的分类结果；其中，分类模型的训练步骤包括：将待训练图像输入到Transformer网络，获取多维特征向量；获取各个图像的标签，生成标签词向量；根据多维特征向量和标签词向量进行融合处理，获取第一预测标签；根据标签词向量对分类模型进行迭代训练，并根据训练得到的分类模型获取第二预测标签；根据第一预测标签和第二预测标签，结合待训练图像的测试集，确定分类模型。本发明提高了分类效率，可广泛应用于图像处理技术领域。
一种标签图像分类方法装置设备存储介质

[发明专利]基于迁移学习的移动边缘计算任务卸载方法及装置-CN202110734175.5有效
发明人： 范立生;周发升;谌伦源;黄华锟;谭伟强 -专利权人：广州大学
申请日： 2021-06-30 - 公布日： 2023-08-18 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了基于迁移学习的移动边缘计算任务卸载方法及装置，方法包括：将边缘服务器作为代理获取当前移动边缘计算网络的用户信息与环境信息；对所述移动边缘计算网络的任务卸载问题进行建模，得到移动边缘计算系统的优化目标函数；通过马尔科夫决策过程对所述移动边缘计算系统进行表示；通过深度强化学习算法确定所述移动边缘计算系统的最优任务卸载策略；对于动态变换的所述环境信息，通过迁移学习算法对所述移动边缘计算系统的任务卸载问题进行求解，确定最优任务卸载策略。本发明能够实现更好的资源分配，有效降低边缘计算的时延与能耗并能更快得出卸载策略，提高了效率且安全性高，可广泛应用于边缘计算技术领域。
基于迁移学习移动边缘计算任务卸载方法装置

[发明专利]传动轴移动端节与护套自动压合收口检测机-CN202211088558.0在审
发明人：孟祥龙;高红;郭健;麻超;孙权;范立生;曹晓敏;夏德强 -专利权人：吉林北方捷凯传动轴有限公司
申请日： 2022-09-07 - 公布日： 2023-06-23 - 主分类号： G01B21/00 文献下载
摘要：本发明涉及传动轴移动端节与护套自动压合收口检测机,包括机架、下压机构、上推收口机构，机架上固装有上支撑板、工作台板、下支撑板、电器柜，电器柜内装有控制器，所述的下压机构装在上支撑板上，所述的上推收口机构装在下支撑板和工作台板上；下压机构包括上伺服电机、压头，上伺服电机通过第一传动、导向和支撑定位机构与压头动力连接；上推收口机构包括下伺服电机、三瓣式推管、弹性夹具，下伺服电机通过第二传动、导向和支撑定位机构与三瓣式推管、弹性夹具依次动力连接，机架上装有上极限位置限位器、下极限位置限位器。本发明能够对移动端节的外套和护套进行自动压合收口检测，能保证质量，提高效率，省人增效。
传动轴移动端节护套自动收口检测

[发明专利]基于物理层的任务卸载及带宽分配的处理方法和系统-CN202011125155.X有效
发明人：夏隽娟;范立生;赵睿;刘外喜;綦科;谭伟强 -专利权人：广州大学
申请日： 2020-10-20 - 公布日： 2023-06-20 - 主分类号： H04W28/16 文献下载
摘要：本发明公开了一种基于物理层的任务卸载及带宽分配的处理方法和系统，方法包括以下步骤：计算任务总时延和任务总能耗；根据任务总时延和任务总能耗构建目标函数；获取任务卸载方式以及用户端与边缘计算接入点通信时的带宽；根据目标函数、任务卸载方式以及用户端与边缘计算接入点通信时的带宽生成优化函数；采用深度强化算法优化所述优化函数中的任务卸载方式和用户端与边缘计算接入点通信时的带宽，生成任务卸载比例和带宽分配比例；根据任务卸载比例和带宽分配比例处理当前任务量。本发明通过在进行任务卸载时，同时考虑任务和带宽分配问题，以提高MEC网络传输速率和任务卸载的安全性。本发明可广泛应用于移动边缘计算技术领域。
基于物理层任务卸载带宽分配处理方法系统

[发明专利]一种面向大规模MIMO最优信号检测的有效搜索方法-CN202210182779.8有效
发明人：赵睿;范立生;夏隽娟;何科;周发升 -专利权人：广州大学
申请日： 2022-02-25 - 公布日： 2023-05-23 - 主分类号： H04B7/0413 文献下载
摘要：一种面向大规模MIMO最优信号检测的有效搜索方法，包括：利用正交三角法对信道状态信息矩阵进行分解，构造一个决策树；使用A*算法的启发式函数在决策树上搜索成本最低的路径；构建基于深度学习的搜索策略，估计最优启发式，加速搜索启发式函数的搜索效率；对搜索策略的计算复杂度进行评估，将计算复杂度最低的搜索策略作为最终搜索策略；本申请提出的算法在大规模MIMO系统中能达到最优误码率(BER)性能，使得内存大小有界。同时，本发明提出的算法访问的树节点最少，从而显著提高系统信号检测性能。并且提出的算法在实际场景中达到了最优效率。
一种面向大规模 mimo 最优信号检测有效搜索方法

[发明专利]一种无人机辅助定位方法、系统、存储介质及终端设备-CN202110811577.0有效
发明人：周发升;邹旭;范立生;李东云 -专利权人：广州大学
申请日： 2021-07-16 - 公布日： 2023-05-23 - 主分类号： G01S11/06 文献下载
摘要：本申请涉及一种无人机辅助定位方法，所述方法包括：通过信号强度模型得到具有噪声的接收信号；将具有噪声的所述接收信号输入滤波器进行滤波处理，以消除所述发接收信号中的阴影噪声；通过代价模型对消除阴影噪声的所述接收信号进行迭代处理，以得到路径衰落因子及发射端与接收端的距离；根据所述路径衰落因子及发射端与接收端的距离对用户进行定位。本发明能够考虑阴影效应对信号强度的影响，并提高路径衰落因子的获取精度，从而用户的定位精度，满足了实际应用需求。
一种无人机辅助定位方法系统存储介质终端设备

[发明专利]一种基于类激活映射机制的多标签图像分类方法和系统-CN202110625124.9有效
发明人：汪洋涛;范立生;彭伟龙;谭伟强 -专利权人：广州大学
申请日： 2021-06-04 - 公布日： 2023-02-24 - 主分类号： G06F18/2413 文献下载
摘要：本发明公开了一种基于类激活映射机制的多标签图像分类方法和系统，方法包括获取待分类图像，并将所述待分类图像转换为多维张量；将所述多维张量输入分类模型，得到待分类图像的分类结果；其中，本发明在模型训练阶段首先将每张图像的标签转化成标签词向量，然后学习不同标签之间的共现关系，并将这些关系融入到标签词向量中，因此能够解决现有图像分类方法没能充分学习标签之间的依赖关系，而导致图像分类效果不佳的技术问题；另外，由于本发明在模型训练阶段结合了类激活映射机制，从而维持了同一张图像的不同风格的视觉一致性，进而提升了模型的分类效果，可广泛应用于人工智能技术领域。
一种基于激活映射机制标签图像分类方法系统

[发明专利]通信场景中边缘缓存策略学习方法-CN202211194168.1在审
发明人：周发升;陈青山;唐冬;黄高飞;范立生 -专利权人：广州大学
申请日： 2022-09-28 - 公布日： 2023-01-03 - 主分类号： H04L41/14 文献下载
摘要：本发明涉及无线通信、移动通信领域，且公开了通信场景中边缘缓存策略学习方法，包括下述步骤：第一步：建立无线通信系统模型；第二步：建立缓存模型；第三步：依据环境得到反馈并优化策略进而得到目标优化的算法，包含状态、动作以及反馈；第四步：状态、动作、值函数通过蒙特卡罗训练样本获得和更新，最终学到一个最优的缓存决策网络，该通信场景中边缘缓存策略学习方法，在考虑文件流行度未知的情况下分别探讨如何利用DQN算法让文件流行度高的文件通过信道频谱效率大和信道误码率低的信道。从而使信号传输的平均误码率最小以及平均频谱效率最大。
通信场景边缘缓存策略学习方法

[发明专利]一种软硬件融合的新能源智能管理系统-CN202211012897.0在审
发明人：黄华锟;杨青林;吴会军;赵凌君;范立生 -专利权人：广州大学
申请日： 2022-08-23 - 公布日： 2023-01-03 - 主分类号： H02J3/46 文献下载
摘要：本发明公开了一种软硬件融合的新能源智能管理系统，其包括：用户界面模块，用于客户端与服务器的交互；融合软硬件的新能源智能管理模块，用于对电力负荷、可再生能源发电量和电动汽车状态进行可视化实时监测；数据交换与通信模块，用于为电动车的充电放电提供决策指令和使电动汽车与虚拟电厂中心利用无线通讯技术保持数据连接；多模型决策模块，包括两个预测模型和一个决策模型，为电动汽车提供智能化决策指令。本发明融合了虚拟电厂的能源管理和电动汽车的灵活充放电特性，并高效利用大规模新能源电动汽车作为分布式储能单元；利用电动汽车的可移动式储能特性，使电动汽车优先存储新能源电力，解决分布式能源的远距离输电和供求不平衡问题。
一种软硬件融合新能源智能管理系统

[发明专利]一种面向物理层安全的随机采样学习式缓存方法-CN201910680490.7有效
发明人：夏隽娟;范立生;陈庆春;徐艳;吴会军 -专利权人：广州大学
申请日： 2019-07-25 - 公布日： 2022-11-29 - 主分类号： H04L9/08 文献下载
摘要：本发明公开了一种面向物理层安全的随机采样学习式缓存方法，包括：根据文件缓存的位置来确定文件传输方式，第一种传输方式包括将文件发送至目的节点，第二种传输方式包括将文件从源节点通过中继节点转发至目的节点；若所述文件缓存于中继节点，则采用第一种传输方式，否则采用第二种传输方式；分别获取两种传输方式的主信道平均增益，并确定所述最优信道质量中继节点，根据文件流行度分布来获取所述文件的平均安全中断概率的闭合函数和渐进函数；将系统安全中断概率作为优化指标，获取中继节点间缓存放置的最优策略，所述系统安全中断指标为各个所述文件安全中断概率之和。采用本发明，可以降低网络平均安全中断概率，提高传输性能。
一种面向物理层安全随机采样学习缓存方法

[发明专利]一种面向边缘工业物联网的联邦学习方法-CN202210599126.X在审
发明人：夏隽娟;范立生;汤舜璞;谌伦源;赵睿 -专利权人：广州大学
申请日： 2022-05-30 - 公布日： 2022-09-20 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种面向边缘工业物联网的联邦学习方法，包括如下步骤：S1，结构各异的边缘设备通过知识蒸馏算法进行多退出点的知识迁移；S2，基于贪心算法进行退出点的选择和带宽分配；使得边缘设备在满足预设的时延要求下参加模型聚合；S3，边缘云服务器在聚合结构各异的边缘设备上传的模型训练结果时，采用多层模型平均策略，对原始模型进行层搜索更新。本发明在设备本地提出了基于知识蒸馏的多退出点机制以帮助本地模型训练，在边缘云服务器提出了基于多退出点的联邦学习模型的平均有效解决了设备上传模型训练结果异构的问题，并提出了基于贪心算法的退出点选择和带宽分配算法，有效解决了效率问题。
一种面向边缘工业联网联邦学习方法

[发明专利]基于正则化流神经网络的信号检测方法-CN202011031086.6有效
发明人：夏隽娟;范立生;何科;綦科;刘外喜 -专利权人：广州大学
申请日： 2020-09-27 - 公布日： 2022-09-16 - 主分类号： H04B17/309 文献下载
摘要：本发明公开了一种基于正则化流神经网络的信号检测方法，包括以下步骤：构建正则化流神经网络；获取若干个候选信号、与所述候选信号对应的接收信号以及信道状态信息；根据所述候选信号、所述接收信号和所述信道状态信息计算噪声向量；根据所述噪声向量采用所述正则化流神经网络计算所述若干个候选信号的似然度；将所述似然度满足预设要求的候选信号作为信号检测结果。本发明通过先计算信号的噪声向量，接着通过构建的正则化流神经网络根据计算得到的噪声向量计算若干个信号的似然度，并将似然度满足预设要求的候选信号作为信号检测结果，以在缺失噪声统计的情况下提高信号检测结果的准确性。本发明可广泛应用于神经网络技术领域。
基于正则神经网络信号检测方法

[发明专利]基于交叉熵优化算法的联合缓存和卸载方法及系统-CN202210381843.5在审
发明人： 范立生;周发升;周文棋;夏隽娟;赵睿 -专利权人：广州大学
申请日： 2022-04-12 - 公布日： 2022-09-02 - 主分类号： H04L67/568 文献下载
摘要：本说明书实施例提供了一种基于交叉熵优化算法的联合缓存和卸载方法及系统，其中，方法包括：S1.边缘服务器ES接收用户发送的计算任务请求，根据卸载策略和缓存策略，通过不同的计算方式计算用户所发出的任务计算请求时产生的时延和能耗；S2.通过计算各计算方式对所述任务进行计算产生的时延和能耗以及用户的总能耗和时延，计算边缘服务器ES的利润及用户的体验质量QoE；S3.以满足用户的QoE的情况下ES的利润最大为目标建立目标函数，采用交叉熵优化算法优化所述卸载策略和缓存策略，经过K轮迭代计算出ES利润的最大值，得到最优的缓存策略和卸载策略。
基于交叉优化算法联合缓存卸载方法系统

1
2
3
4
5
下一页»
尾页
共 61 条