|
|
钻瓜专利网为您找到相关结果 57个，建议您 升级VIP下载更多相关专利
- [发明专利]无人机集群容错控制方法-CN202310741099.X在审
-
李星宇;刘林峰;徐佳;吴家皋
-
南京邮电大学
-
2023-06-21
-
2023-09-15
-
G05D1/10
- 本发明提供了一种无人机集群容错控制方法，包括以下步骤：三维图着色算法，采用三维图着色算法来为集群内的各无人机节点实现三维空间内的分组；着色流程，已知无人机集群内各节点三维坐标，且所有无人机节点都是诚实的，利用自身所有可用数据集训练得到最佳模型；容错控制，利用图着色算法对集群进行三维空间内的分组，实现各组节点的空间合理发布，并在各组内进行数据冗余；组长选取，无人机集群通过三维图着色算法划分为若干小分组后，将若干小分组划分为集群的两个大分组，各小分组内部采用点对点的联邦学习框架来执行任务协作。相较于现有技术，本发明算法复杂度较低且准确率较高，对设备计算负担较小，鲁棒性较强。
- 无人机集群容错控制方法
- [发明专利]联邦学习客户端优化选择方法-CN202310728301.5在审
-
吴家皋;吉虹燕;刘林峰
-
南京邮电大学
-
2023-06-19
-
2023-09-15
-
G06F9/50
- 本发明提供了一种联邦学习客户端优化选择方法，包括通过中央参数服务器、客户端调度服务器和客户端组成联邦学习框架；中央参数服务器随机初始化全局模型；客户端调度服务器指定随机客户端参与本轮的训练任务，客户端调度服务器使用收到的资源信息；中央参数服务器将全局模型的参数分发给客户端；客户端收到全局模型参数后，进行分布式训练更新本地模型，并将本地模型的新参数上传到中央参数服务器；中央参数服务器对客户端上传的本地模型新参数进行聚合；直到全局模型达到预期的训练精度。本发明能在给定的截止时间内选择更多的客户端参与联邦学习的模型训练，从而缩短模型训练时间，提高模型训练的精度，并具有更好的通用性和适用性。
- 联邦学习客户端优化选择方法
- [发明专利]基于深度学习的多模态场景识别方法-CN201910242039.7有效
-
吴家皋;刘源;孙璨;郑剑刚
-
南京邮电大学
-
2019-03-28
-
2023-07-11
-
G06V10/764
- 本发明揭示了一种基于深度学习的多模态场景识别方法，包括如下步骤：S1、对短文本进行分词处理；S2、将一组图片和短文本分词及相应的标签输入各自的卷积神经网络中进行训练；S3、训练短文本分类模型；S4、训练图片分类模型；S5、将S3与S4中的全连接层输出分别与标准分类结果计算交叉熵，计算平均欧式距离并以此作为损失值，随后再反馈回各自的卷积神经网络，最终得到完整的多模态场景识别模型；S6、将文本和图像预测结果向量相加，得到最终的分类结果；S7、将待识别的短文本和图像分别输入所训练出的所述多模态场景识别模型，进行场景识别。本发明提出了一种多模态场景搜索方式，为用户提供了更加精准、方便的场景识。
- 基于深度学习多模态场景识别方法
- [发明专利]平均学分绩点预测方法-CN202310273462.X在审
-
谢铭佳;姚美琪;李睿瑶;吴家皋
-
南京邮电大学
-
2023-03-20
-
2023-06-23
-
G06Q10/04
- 本发明提供了一种平均学分绩点预测方法，包括：首先提取学生运动轨迹图像特征向量，接着通过对由问卷调查形式获得的文本数据和社交音频数据进行分析，并提取相应的特征向量，然后利用低秩多模态融合模型对轨迹图像、文本、音频这三种不同数据模态的特征向量进行融合，得到预测结果。最后通过损失函数训练网络，并用训练好的模型进行学生平均学分绩点的预测。本发明运用多种神经网络模型结合多模态特征对学生平均学分绩点进行综合预测分析，提高了预测的准确性，降低了模型在面对较大数据量时产生过拟合的可能性，提高了模型有效性和学习效率。
- 平均学分预测方法
- [发明专利]深度神经网络调度方法及调度器-CN202211123150.2在审
-
吴家皋;沈张驰;刘林峰
-
南京邮电大学
-
2022-09-15
-
2022-11-15
-
G06N5/04
- 本发明提供了一种深度神经网络调度方法及调度器，该方法主要包括：构建边缘智能系统和深度神经网络推理任务模型，边缘智能系统包括多个相互联网的边缘设备，设定各边缘设备的计算能力和各边缘设备之间的网络传输带宽，以及每层神经网络的推理计算量和输出数据量；计算每层神经网络的在每个边缘设备上的运行时间，得到深度神经网络推理的最小运行时间以及对应的最优设备队列；根据得到的最优设备队列，对每层神经网络进行设备分配。相较于现有技术，本发明利用多个边缘设备对深度神经网络的网络层进行多次划分，能有效减少推理时间，具有更广的通用性和更强的适用性。
- 深度神经网络调度方法
- [发明专利]一种基于多IEV竞价的移动充电桩调度方法-CN202110325972.8有效
-
胡新悦;刘林峰;吴家皋
-
南京邮电大学
-
2021-03-26
-
2022-10-14
-
H02J3/32
- 一种基于多IEV竞价的移动充电桩调度方法，具体为，新能源汽车向平台提交对最近的移动充电桩汽车的订单，在移动充电桩竞价规则下展开竞争；该空闲移动充电桩汽车的可提交订单时间截止，所有参与竞争的新能源汽车均可以看见竞争者人数m；根据收集的市场信息，对比时间紧迫度分布，判断自身时间急迫度等级，获取合适的区间，计算该用户成功/失败获取移动充电桩时的收益，根据区间和收益获取期望收益最高时的最佳，输出用户i的最佳出价。该方法建立在贝叶斯博弈基础上，利用用户的时间紧迫性等级以及，计算成功或者失败获取移动电桩时的收益，遍历所有可能的计算对应的期望收益，最后得出期望收益最高时所对应的并计算最终的出价推荐给用户。
- 一种基于iev竞价移动充电调度方法
|
