专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果15个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于可见光通信的全息视频协作传输方法-CN202310543816.8在审
  • 温万里;张雨璐;陈晨;贾云健 - 重庆大学
  • 2023-05-15 - 2023-08-29 - H04N21/238
  • 本发明涉及一种基于可见光通信的全息视频协作传输方法,属于光通信和全息视频技术领域。该方法包括:S1:构建基于可见光通信的全息视频协作传输系统;S2:在满足码率选择、波束成形和信道容量的约束条件下,构建联合优化码率选择变量和波束成形变量的优化问题,最大化全息视频协作传输服务的用户体验质量;S3:将整数变量即码率选择变量松弛为连续变量,从而将问题转换为松弛后的优化问题;S4:针对松弛后的优化问题,采用交替优化迭代算法得到低复杂度连续解;S5:基于步骤S4得到的连续解,采用取整操作,得到面向全息视频协作传输系统的联合码率选择和波束成形方法。本发明能提高全息视频协作传输系统的用户体验质量性能。
  • 一种基于可见光通信全息视频协作传输方法
  • [发明专利]一种面向高性能联邦边缘学习的资源分配和数据选择方法-CN202310547388.6在审
  • 温万里;贾云健;张毅 - 重庆大学
  • 2023-05-15 - 2023-08-04 - H04L67/60
  • 本发明涉及一种面向高性能联邦边缘学习的资源分配和数据选择方法,属于机器学习和无线通信技术领域。该方法包括:S1:构建存在数据样本标签错误和部分设备不可用的FEEL网络;S2:构建适用于FEEL网络的FEEL算法,在满足可用设备成功上传本地梯度约束条件下,建立联合通信资源分配和数据样本选择的优化问题;S3:将原始优化问题等效转换为能在服务器端求解的优化问题;S4:将转换后的问题等效分解为资源分配子问题和数据选择子问题进行求解;S5:采用低复杂度算法,获得存在数据标签错误和部分设备不可用的FEEL场景下的联合资源分配和数据选择方法,同时最小化系统训练成本。
  • 一种面向性能联邦边缘学习资源分配数据选择方法
  • [发明专利]一种面向高性能分层联邦边缘学习的调度与资源分配方法-CN202110896173.6有效
  • 温万里;张毅;贾云健 - 重庆大学
  • 2021-08-05 - 2023-07-04 - G06F9/50
  • 本发明涉及一种面向高性能分层联邦边缘学习的调度与资源分配方法,属于无线通信技术领域。该方法为:设置H‑FEEL系统,包括一个单天线基站,若干个辅助器和它们服务的多个边缘设备;基站将初始模型广播给各个边缘设备,各个边缘设备根据收到的模型计算本地梯度,随后将计算结果上传到对应的辅助器,各个辅助器计算加权梯度,然后依照基站指示的调度和资源分配策略,通过无线信道上传加权梯度,基站根据辅助器上传的加权。本发明综合考虑了梯度散度和无线资源分配对学习模型训练收敛性的影响,通过最小化设备能耗和梯度散度的加权和,选择最合适的边缘设备参与学习模型更新,从而提高H‑FEEL系统模型训练准确度。
  • 一种面向性能分层联邦边缘学习调度资源分配方法
  • [发明专利]移动边缘计算中协同卸载的激励机制与资源分配方法-CN202210617639.9在审
  • 蒲旭敏;温万里;冯文婷;陈前斌 - 重庆邮电大学
  • 2022-06-01 - 2022-08-19 - H04L67/10
  • 本发明涉及无线通信和边缘计算技术领域,公开了一种移动边缘计算中协同卸载的激励机制与资源分配方法,步骤包括:构建一个具有空闲移动设备辅助MEC服务器卸载忙碌用户计算任务的系统模型;在满足基站BS计划征集的计算资源量的约束条件下,建立激励问题的数学模型,并设计计算资源共享拍卖CRSA机制以促使更多的空闲设备参与协同卸载;建立边缘计算模型,在满足时延的约束条件下,建立以系统总能耗最小化为目标的优化问题数学模型;引入简化变量,改变系统总能耗的数学表达式,以获得简化后的以系统总能耗最小化为目标的优化问题数学模型,并提出资源分配方法使得系统能耗达到最小。本发明所设计的CRSA机制和资源分配方案,使得系统的能耗达到最小。
  • 移动边缘计算协同卸载激励机制资源分配方法
  • [发明专利]基于正交频分多址的并行移动边缘计算网络资源分配方法-CN202110165759.5有效
  • 蒲旭敏;冯文婷;温万里;陈前斌 - 重庆邮电大学
  • 2021-02-06 - 2022-04-08 - H04W72/04
  • 本发明涉及基于正交频分多址的并行移动边缘计算网络资源分配方法,其包括以下步骤:步骤一:建立一个基于正交频分多址的单MEC服务器、多用户的场景模型;步骤二:建立远端计算模型,在满足传输和时延的约束条件下,通过系统的总能耗数学表达式,建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型;步骤三:引入简化变量,改变系统的总能耗数学表达式,以获得简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型;步骤四:通过使用基于连续松弛和基于罚凹凸算法,分别获得一种使系统总能耗最小的资源分配结果。本发明相比于现有的串行操作能更好地利用移动边缘计算系统的通信资源和计算资源,实现系统能耗最小化。
  • 基于正交频分多址并行移动边缘计算网络资源分配方法
  • [发明专利]一种基于任务执行代码缓存的移动边缘计算MEC卸载方法-CN202110962428.4在审
  • 贾云健;陈志雄;陈正川;温万里 - 重庆大学
  • 2021-08-20 - 2021-11-05 - G06F9/445
  • 本发明涉及一种基于任务执行代码缓存的移动边缘计算MEC卸载方法,属于移动通信技术领域。通过在MEC服务器中引入任务执行代码缓存来改进现有的移动边缘计算卸载技术,MEC服务器在接受来自移动终端的计算需求前预先缓存一部分计算任务的执行代码,从而允许移动终端仅上传输入参数来请求MEC服务器执行其任务,而无需上传执行代码;在本发明中,移动终端的任务计算方式包括三种类型,本发明对用户上载任务数据时所需要的通信资源,MEC服务器的计算资源,以及移动终端任务的计算划分策略进行联合优化,以充分高效利用网络资源。本发明可有效减少移动终端向MEC服务器上载的数据量,提升边缘计算网络的计算性能。
  • 一种基于任务执行代码缓存移动边缘计算mec卸载方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top