“赵熙唯”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11个，建议您升级VIP下载更多相关专利

[发明专利]基于深度强化学习的车辆数据采集频率动态调节方法-CN201910439512.0有效
发明人：李骏;邢志超;吴平阳;梁腾;赵熙唯;刘倩;丁冉;桂林卿 -专利权人：南京理工大学
申请日： 2019-05-24 - 公布日： 2023-05-02 - 主分类号： H04W72/04 文献下载
摘要：本发明设计了一套应用于道路安全的算法，实现了在监控路上车辆时数据采集频率的动态调整。由于数据中心监控道路的车辆情况时都是固定的数据采集频率，可能会导致对危险情况的关注度不够，造成不必要的资源浪费，同时大量上传的数据也会对数据中心处理数据产生一定的压力，因此考虑在数据的采集过程中对数据进行预处理。本发明通过对道路环境与车辆移动的建模，获得采集频率与道路状况的匹配度。通过结合深度强化学习算法，找出在每个时刻针对于每种状况的最优决策，从而获得最优的匹配度与最少的能源消耗，从而极大提升数据中心对行驶车辆数据采集的效率。
基于深度强化学习车辆数据采集频率动态调节方法

[发明专利]一种移动边缘计算网络中的边缘计算节点选择方法-CN201911285230.6有效
发明人：李骏;杜禹;丁冉;刘倩;邢志超;吴平阳;赵熙唯;桂林卿 -专利权人：南京理工大学
申请日： 2019-12-13 - 公布日： 2023-02-28 - 主分类号： H04L41/14 文献下载
摘要：本发明公开了一种移动边缘计算网络中的边缘计算节点选择方法。该方法为：首先建立移动边缘计算系统模型；然后设计通信模型和边缘计算模型；接着提出边缘计算节点选择问题模型以及目标函数；最后针对目标函数分别采用边缘计算节点选择算法进行计算，结合终端设备的社交特性、传输特性和计算特性，以追求社交福利最大化为目标进行边缘计算节点的分配。本发明在用户和基站的匹配中，提高了移动边缘计算的社交效益以及整个网络的社交福利。
一种移动边缘计算网络中的节点选择方法

[发明专利]基于卷积神经网络降低信道译码误码率的方法-CN201910736687.8有效
发明人： 赵熙唯;吴平阳;刘倩;王诚;李骏;桂林卿;韦康 -专利权人：南京理工大学
申请日： 2019-08-10 - 公布日： 2022-11-01 - 主分类号： H04L1/00 文献下载
摘要：本发明公开了一种在相关性性环境下基于卷积神经网络利用相关信息降低信道译码误码率的方法。该方法利用在快衰落信道下的无线通信系统获取训练集，利用该训练集训练了两个基于多层一维度卷积神经网络的估计器。利用估计器获得的信道增益和信道噪声值，依次进行接收信号去噪，残余噪声分布统计，重构对数似然比，最后利用重构的对数似然比作为BP译码器的输入进行低密度奇偶校验码的信道译码，其结果在各个实验相关性下都获得了相较于未进行上述处理就直接进行信道译码更低的误码率。这说明，通过本发明获得李准确的信道估计值和噪声估计值，同时信号去噪的方法获得了积极的性能增益。
基于卷积神经网络降低信道译码误码率方法

[发明专利]基于深度神经网络预测MLC闪存电压阈值的自适应方法-CN201810429797.5有效
发明人：孔令军;李俊;王诚;韦康;赵熙唯 -专利权人：南京邮电大学
申请日： 2018-05-08 - 公布日： 2021-07-09 - 主分类号： G11C16/34 文献下载
摘要：本发明公开了一种基于深度神经网络预测MLC闪存电压阈值的自适应方法，包括如下步骤：获取当前合适的电压阈值；估计存储电压分布的特征值；利用深度神经网络建立存储电压分布的特征值与电压阈值的关系。通过大量存储电压的分布特征值作为训练输入，训练输出结果作为预测的电压阈值，进行一次训练，将训练好的网络权重保存下来；对MLC闪存进行一次译码，若译码成功，则进入下一次译码。若译码失败，获取存储电压的分布特征值；获取电压阈值；建立高斯模型，从而获取新的LLR信息；重新进行一次译码。本发明通过建立当前存储电压的分布与其分布对应的较优电压阈值的关系，从而实现优化不同数据保留时间的电压阈值优化。
基于深度神经网络预测 mlc 闪存电压阈值自适应方法

[发明专利]基于深度强化学习的静态环境下的最大化全局吞吐量方法-CN201910741851.4在审
发明人：刘倩;丁冉;赵熙唯;吴平阳;邢志超;李骏;桂林卿 -专利权人：南京理工大学
申请日： 2019-08-13 - 公布日： 2019-11-15 - 主分类号： G06N3/04 文献下载
摘要：本发明设计了一种最大化全局吞吐量方法，实现了在移动边缘计算架构中将无人机当作移动边缘计算服务器为终端静止用户提供及时有效的计算服务。随着现代科技技术日新月异，来自终端用户的任务越来越多，传统的移动边缘计算框架已无法为用户提供及时有效的计算服务，因此考虑将无人机当作移动计算服务器，在用户的上方为其提供服务，从而实现高效的交互服务。本发明考虑到用户移动较慢，将其近似看成静止不动的，通过对用户状态和无人机状态以及无人机与用户之间的信道状态进行建模，结合深度强化学习算法最大化全局吞吐量。
计算服务最大化吞吐量移动强化学习算法计算服务器交互服务静止用户科技技术信道状态移动计算用户提供用户移动用户状态终端用户传统的建模全局服务器近似静止架构终端服务

[发明专利]基于不完全合同的运营商所有权分配方法-CN201910736701.4在审
发明人：丁冉;刘倩;杜禹;赵熙唯;吴平阳;邢志超;李骏;桂林卿 -专利权人：南京理工大学
申请日： 2019-08-10 - 公布日： 2019-11-12 - 主分类号： H04W16/22 文献下载
摘要：本发明公开研究了运营商各部门所有权分配与投资策略之间的关系，并在此基础上研究了如何在移动边缘计算网络情景下选择最优投资。对于不同的所有权分配，我们给出了不同部门的效用函数，以最大化效用函数为目标。仿真结果验证了多种因素对各部门效用函数的影响以及不同的所有权分配对各部门事前投资的影响。
所有权分配效用函数运营商仿真结果计算网络最大化投资验证情景研究移动合同

[发明专利]基于移动边缘计算的基站合作的匹配博弈方法-CN201910736689.7在审
发明人：丁冉;刘倩;杜禹;赵熙唯;吴平阳;邢志超;李骏;桂林卿 -专利权人：南京理工大学
申请日： 2019-08-10 - 公布日： 2019-11-08 - 主分类号： H04W24/02 文献下载
摘要：本发明公开了一种在小基站网络中基于移动边缘计算的基站之间的多对多匹配博弈方法。对于给定的移动边缘计算网络，超载小基站从加载不足的小基站请求计算资源，同时充分考虑任务量卸载的公平性，我们提出了一个多对多匹配博弈来解决小基站协作问题。在这个博弈中，双方的玩家根据合作导致的传输延迟来确定彼此的偏好。仿真结果验证了我们的分析，并对算法的性能进行了评估。
博弈小基站匹配多对多移动传输延迟仿真结果基站合作计算网络计算资源公平性任务量基站加载偏好算法卸载超载验证评估协作网络分析合作

[发明专利]基于深度强化学习的动态环境下的最大化系统效益方法-CN201910741705.1在审
发明人：刘倩;丁冉;邢志超;吴平阳;赵熙唯;李骏;桂林卿 -专利权人：南京理工大学
申请日： 2019-08-13 - 公布日： 2019-11-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明设计了一种基于深度强化学习的移动边缘计算架构下为动态用户提供低延时高可靠的计算服务的无人机路径规划方法。考虑无人驾驶飞机具有便捷的基础设施，且可在偏远或灾难区域快速搭建通信渠道，也可架栽计算资源为终端移动用户提供服务，因此考虑将无人机当作移动计算服务器，在终端移动用户的上方为其提供高效的交互服务。本发明考虑到终端用户的实时移动，将其建模成高斯‑马尔科夫移动模型，再通过对用户位置状态、无人机位置状态、无人机电池量状态以及无人机与用户之间的信道状态进行建模，结合深度强化学习算法规划无人机路径最大化系统长期效益。
强化学习终端移动最大化建模无人驾驶飞机强化学习算法动态环境动态用户基础设施计算服务计算资源交互服务路径规划实时移动通信渠道位置状态系统效益信道状态移动计算移动模型用户提供用户位置灾难区域终端用户低延时电池量高可靠高斯服务器架构移动规划服务

[发明专利]快衰落信道下基于卷积神经网络的信道估计方法-CN201910736688.2在审
发明人： 赵熙唯;吴平阳;刘倩;王诚;李骏;桂林卿;韦康 -专利权人：南京理工大学
申请日： 2019-08-10 - 公布日： 2019-10-18 - 主分类号： H04L25/02 文献下载
摘要：本发明公开了一种在快衰落信道下的利用卷积神经网络进行信道估计的方法。该方法利用在快衰落信道下的无线通信系统获取训练集，利用该训练集训练了一个基于多层一维度卷积神经网络的信道估计器。利用该信道估计器获得的信道增益，进行低密度奇偶校验码的信道译码，其结果优于利用统计学方法获得的信道增益期望值进行信道译码的结果。这说明，通过本发明获得信道增益估计值和真实信道增益值更加相似。在实际的系统中，我们无需知晓相关性类型，只需要在获取数据的情况下训练估计器，就可以进行获得神经网络信道估计器。
卷积神经网络快衰落信道信道估计器信道估计信道译码信道增益训练集低密度奇偶校验码无线通信系统信道增益估计获取数据神经网络真实信道统计学估计器多层维度

[发明专利]基于深度强化学习的无线传感器网络目标追踪方法-CN201910723530.1在审
发明人：邢志超;梁腾;吴平阳;赵熙唯;刘倩;丁冉;李骏;桂林卿 -专利权人：南京理工大学
申请日： 2019-08-07 - 公布日： 2019-10-18 - 主分类号： H04W64/00 文献下载
摘要：本发明实现在网络覆盖范围内对目标车辆的分布式追踪，提出了一种动态激活区调整策略，在每个时刻网络中都存在一个基于传感器对车辆感知区域而确定的感知区域，以及一个上一时刻预先开启的激活区域。在此分布式跟踪策略中，在激活区域内存在一个数据融合中心将其跟踪估计结果向相邻节点广播。在考虑有限网络对车辆感知区域的基础上，提出了对激活区域动态调整方案，以提高跟踪精度和节能效果。通过结合深度强化学习算法，找出在每个时刻针对于每种状况的最优决策，从而获得最优的追踪精度与最少的能源消耗，从而极大提升无线传感器网络对行驶车辆轨迹追踪的效率与资源的节约。
感知区域激活区域无线传感器网络追踪强化学习算法数据融合中心相邻节点广播行驶车辆轨迹分布式跟踪调整策略动态调整动态激活估计结果节能效果目标车辆目标追踪能源消耗强化学习网络覆盖跟踪传感器网络节约决策

[发明专利]基于移动边缘计算的用户与基站的匹配博弈方法-CN201910723529.9在审
发明人：杜禹;丁冉;刘倩;邢志超;吴平阳;赵熙唯;李骏;桂林卿 -专利权人：南京理工大学
申请日： 2019-08-07 - 公布日： 2019-10-11 - 主分类号： H04L29/08 文献下载
摘要：本发明公开了一种在小基站网络中基于移动边缘计算的用户和基站之间的匹配博弈方法。对于给定的移动边缘计算网络，我们以社交福利最大化为目标，同时充分考虑任务量卸载的公平性，将问题转化为用户和基站之间的匹配问题。实践证明了此方法在移动边缘计算网络的社交福利上较传统算法有更好的表现。
基站移动博弈计算网络匹配传统算法匹配问题问题转化公平性任务量小基站最大化卸载网络表现

1
共 11 条