“蒋雁翔”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64个，建议您升级VIP下载更多相关专利

[发明专利]雾无线接入网中基于差分拆分的协作编码缓存方法-CN202311011184.7在审
发明人： 蒋雁翔;陈颖琦;郑福春;尤肖虎 -专利权人：东南大学
申请日： 2023-08-10 - 公布日： 2023-10-20 - 主分类号： H04L67/568 文献下载
摘要：本发明公开了一种雾无线接入网中基于差分拆分的协作编码缓存方法，属于移动通信领域，方法包括：每个雾接入点使用阶梯缓存策略，从云中心服务器的文件库内选择文件缓存；在收到用户请求向量后，雾接入点执行差分拆分方法，将已缓存的请求子文件拆分成公共块和差分块；雾接入点对公共块和差分块进行相应的编码，并将编码后的消息多播给所需雾接入点；雾接入点接收到多播消息后进行解码，完成请求文件的复原；云服务器对未缓存请求执行单播传输。本发明可以减少回传负载，降低传输时延和能耗，提升网络性能。
无线接入基于拆分协作编码缓存方法

[发明专利]一种雾无线接入网中基于本地化联邦强化学习的协作缓存方法-CN202310750456.9在审
发明人： 蒋雁翔;王宇;常琦 -专利权人：东南大学
申请日： 2023-06-25 - 公布日： 2023-09-08 - 主分类号： H04W28/08 文献下载
摘要：本发明公开了一种雾无线接入网中基于本地化联邦强化学习的协作缓存方法，包括：1、根据全局内容流行度来初始化雾无线接入网中点F‑AP的本地缓存内容和本地训练周期步长，联邦训练周期，联邦学习聚合参数，各F‑AP初始化模型参数，其中模型采用DDPG，联邦学习框架采用本地化联邦学习；2、云服务器下发全局模型的网络参数；3、各F‑AP受到内容请求，并向DDPG输入系统缓存状态，执行缓存决策4、计算缓存命中率和用户的内容请求延迟；5、各F‑AP计算内容延迟期望，获取奖励值。6、各F‑AP训练本地DDPG模型参数，同时训练本地化模型参数。7、各F‑AP完成本地训练周期上传模型参数至云服务器进行参数聚合。
一种无线接入基于本地化联邦强化学习协作缓存方法

[发明专利]雾无线接入网中基于聚类联邦学习的内容流行度预测与边缘缓存方法-CN202310751034.3在审
发明人： 蒋雁翔;王志恒 -专利权人：东南大学
申请日： 2023-06-25 - 公布日： 2023-08-25 - 主分类号： H04L67/10 文献下载
摘要：本发明公开了一种雾无线接入网中基于聚类联邦学习的内容流行度预测与边缘缓存方法，包括如下步骤：1、建立用户移动性预测模型；2、得到每个雾接入点在下一时段将要关联的本地用户集合和移动用户集合预测结果；3、建立请求概率预测模型；4、计算本地内容流行度预测结果；5、建立用户偏好模型；6、预测移动内容流行度；7、整合本地内容流行度和移动内容流行度的预测结果，得到内容流行度的预测结果；8、做出缓存决策，并在线上阶段实时跟踪内容流行度的变化。本发明通过用户移动性预测提高了内容流行度预测的准确性，移动性预测具有收敛速度快，模型参数少的特点，并能够根据真实请求数据流实时地跟踪内容流行度的变化。
无线接入基于联邦学习内容流行预测边缘缓存方法

[发明专利]一种无蜂窝大规模MIMO中基于元强化学习的计算卸载方法-CN202310425067.9在审
发明人： 蒋雁翔;鹿奕;黄一格;尤肖虎 -专利权人：东南大学
申请日： 2023-04-20 - 公布日： 2023-06-27 - 主分类号： G06F9/445 文献下载
摘要：本发明公开了无蜂窝大规模MIMO中基于元强化学习的计算卸载方法，包括：1、初始化卸载任务分布，模型权重参数，模型训练周期数；2、各节点接收用户的卸载任务请求；3、节点根据卸载任务，作出卸载决策与RIS相位调整动作；4、各节点下的用户执行卸载决策，计算相应的时延，得到奖励与下一状态并存储在训练池中；5、节点采样任务样本中的子任务轨迹，更新网络模型参数，并转入下一次训练；6、一个训练周期结束后，节点集中计算训练池中所有任务的损失函数值，二次更新网络模型参数。本发明降低用户任务执行的时延，提高用户对动态网络的适应性，提高用户服务质量。
一种蜂窝大规模 mimo 基于强化学习计算卸载方法

[发明专利]雾无线接入网中基于联邦学习的流行度预测模型及预测方法-CN202010102397.0有效
发明人： 蒋雁翔;吴瑜婷 -专利权人：东南大学
申请日： 2020-02-19 - 公布日： 2023-04-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种雾无线接入网中基于联邦学习的内容流行度预测模型构造方法及预测方法，使雾无线接入网中的边缘节点根据节点覆盖范围内的用户偏好构造出局部流行度预测模型，准确地预测内容的流行度，并且在各局部模型的基础上集成全局模型，从而降低计算复杂度和传输成本。
无线接入基于联邦学习流行预测模型方法

[发明专利]一种雾无线接入网中基于社交意识的协同缓存方法-CN202010102697.9有效
发明人： 蒋雁翔;范宝天 -专利权人：东南大学
申请日： 2020-02-19 - 公布日： 2023-04-07 - 主分类号： H04W28/02 文献下载
摘要：本发明公开了一种雾无线接入网中基于社交意识的协同缓存方法，包括计算得到雾无线接入点之间的社交关系；根据雾无线接入点之间的社交关系，将所有雾无线接入点划分成若干个不相交的集群，根据得到的集群，计算不同的文件内容传输方式下的时延T和能量消耗E，得到整数规划问题：采用萤火虫算法求解S100得到的整数规划问题，将最亮的萤火虫所在位置X*作为协同缓存的内容放置方案；根据内容放置方案进行协同缓存；本发明可以有效地增加雾无线接入点中的内容多样性，提升雾无线接入点之间的合作增益，并且可以在获得最优内容缓存方案的情况下，降低内容的传输延迟，减少整个雾无线网络中的能量消耗。
一种无线接入基于社交意识协同缓存方法

[发明专利]一种雾无线接入网中基于博弈论的边缘缓存资源配置方法-CN201910275781.8有效
发明人： 蒋雁翔;葛慧;尤肖虎 -专利权人：东南大学
申请日： 2019-04-08 - 公布日： 2022-12-20 - 主分类号： H04W72/04 文献下载
摘要：本发明公开了一种雾无线接入网中基于博弈论的边缘缓存资源配置方法，该方法包括：(1)构建云服务中心及内容供应商的收益函数；(2)根据给定定价策略，得到内容供应商的最佳响应；(3)根据内容供应商的最佳响应，并利用乘子罚函数法消除云服务中心收益函数的约束；(4)根据提出的资源配置算法获得云服务中心的最佳定价策略，根据定价策略，内容供应商获得最佳租赁策略。本发明可以有效配置缓存资源，提高内容命中率。
一种无线接入基于博弈论边缘缓存资源配置方法

[发明专利]一种雾无线接入网中基于贪婪算法的混合缓存内容部署方法-CN201910752845.9有效
发明人： 蒋雁翔;宛超逸;张在琛;高西奇;尤肖虎 -专利权人：东南大学
申请日： 2019-08-15 - 公布日： 2022-12-06 - 主分类号： H04W28/14 文献下载
摘要：本发明公开了一种雾无线接入网中基于贪婪算法的混合缓存内容部署方法，包括：步骤1：数据初始化：包括初始化不同缓存状态下的性能指标集合相应的文件缓存大小和缓存文件数步骤2：对于每种缓存状态，每次更新K大小的缓存空间，将本地已缓存文件替换为性能指标更优的文件，直到更新后无法改善网络平均性能指标为止，得到初步的缓存文件数步骤3：对步骤2得到的中的每个yi进行缓存大小范围内的增减，得到性能指标表现更优的步骤4：根据最终得到的进行内容部署，yi个文件按照对应的缓存状态缓存在雾无线接入点中。
一种无线接入基于贪婪算法混合缓存内容部署方法

[发明专利]雾无线接入网中基于联邦贝叶斯学习的流行度预测方法-CN202210771115.5在审
发明人：陶云蔚;张敏;王志恒;张玲玲;陈世泽;蒋雁翔 -专利权人：东南大学
申请日： 2022-06-30 - 公布日： 2022-09-20 - 主分类号： G06F16/957 文献下载
摘要：本发明公开了一种雾无线接入网中基于联邦贝叶斯学习的流行度预测方法，包含如下步骤：1、根据对内容请求的先验知识，构建内容请求到达概率模型；2、根据训练数据，每个设备利用随机方差减小梯度对模型梯度进行更新；3、对更新后的梯度进行量化、编码后传输到服务器端；4、服务器端进行梯度聚合，并按照哈密顿蒙特卡洛方法进行采样；5、对存在于内容库中的内容和不存在于内容库中的内容分别做流行度预测。本发明有效地利用多个边缘节点的计算资源和本地数据集，高效地训练全局模型。本发明还采用了基于量化、编码的联邦贝叶斯学习，在精度和通信开销之间达到有效权衡，同时可以加速收敛速度，减少预测误差。
无线接入基于联邦贝叶斯学习流行预测方法

[发明专利]雾无线接入网中基于联邦强化学习的计算卸载方法-CN202210551356.9在审
发明人：张玲玲;张敏;陶云蔚;陈颖琦;鹿奕;蒋雁翔 -专利权人：东南大学
申请日： 2022-05-18 - 公布日： 2022-08-30 - 主分类号： H04W16/10 文献下载
摘要：本发明公开了一种雾无线接入网中基于联邦强化学习的计算卸载方法，包括：1、初始化云中心的模型权重参数并分发给各雾节点，初始化模型训练周期和训练步数；2、每个雾节点接收用户的卸载请求，作出卸载决策与资源分配动作；3、各雾节点下的用户执行卸载决策，计算相应的时延与能耗，得到奖励与下一状态并存储在回放缓存中；4、雾节点从回放缓存中随机采样，更新网络模型参数；5、一个训练周期结束后，对各个雾节点的模型权重参数进行联合更新，进入下一个周期。本发明降低用户任务执行的时延与能耗，降低计算复杂度与系统开销，更好地保护用户数据隐私。
无线接入基于联邦强化学习计算卸载方法

[发明专利]一种雾无线接入网中的多请求异步编码缓存方法-CN201910806819.X有效
发明人： 蒋雁翔;陈颖琦;高西奇;尤肖虎 -专利权人：东南大学
申请日： 2019-08-29 - 公布日： 2022-08-26 - 主分类号： H04L67/568 文献下载
摘要：本发明公开了一种雾无线接入网中的多请求异步编码缓存方法，若雾接入点在收到用户请求后立刻向云服务器转发，则云服务器采用不同时隙多请求异步编码传输方法向雾接入点传输请求的文件，若雾接入点收到若干用户请求后才一并向云服务器转发，则云服务器采用同时隙多请求异步编码传输方法向雾接入点传输请求的文件。本发明可以为每个请求创造编码多播的机会，减少系统的前传负载。
一种无线接入中的请求异步编码缓存方法

[发明专利]雾无线接入网中基于量化的联邦强化学习的协作缓存方法-CN202210519737.9在审
发明人：张敏;陶云蔚;张玲玲;常琦;鹿奕;蒋雁翔 -专利权人：东南大学
申请日： 2022-05-12 - 公布日： 2022-08-16 - 主分类号： H04W28/14 文献下载
摘要：本发明公开了一种雾无线接入网中基于量化的联邦强化学习的协作缓存方法，包括：1、根据全局内容流行度来初始化缓存节点的本地缓存内容，初始化缓存节点的本地模型权重参数，单个周期内的本地模型迭代次数和总的模型训练周期；2、每一个缓存节点根据接收到的用户请求信息进行内容缓存决策和本地模型训练；3、计算缓存命中率和用户请求延迟；4、一个训练周期结束时，对每一个缓存节点的本地模型进行网络剪枝；5、对本地模型更新量进行量化压缩和权值共享处理；6、将本地模型更新量上传到云中心进行全局模型聚合得到全局模型，再将全局模型分发给每一个缓存节点，进入下一个训练周期。本发明提高缓存命中率，降低网络负载压力。
无线接入基于量化联邦强化学习协作缓存方法

[发明专利]用于雾无线接入网中的鸽群优化算法及基于该算法的协作缓存方法-CN201910276005.X有效
发明人： 蒋雁翔;夏骋宇;尤肖虎 -专利权人：东南大学
申请日： 2019-04-08 - 公布日： 2022-05-10 - 主分类号： H04W28/14 文献下载
摘要：本发明公开了一种用于雾无线接入网中的鸽群优化算法及基于该算法的协作缓存方法，包括：(1)将雾无线接入网中的雾无线接入节点分成若干个簇；(2)规定用户的文件请求在网络中转发的路由；(3)雾无线接入点通过接收到的文件请求数计算各文件的本地流行度，最后采用改进的鸽群优化算法求解雾无线接入点簇内的最优缓存分布；(4)簇头通过接收到的文件请求以及簇内缓存表，采用改进的鸽群优化算法求解雾无线接入节点簇内的协作策略；本发明可以有效降低网络的平均下载时延。
用于无线接入中的鸽群优化算法基于协作缓存方法

[发明专利]一种雾无线接入网中基于联邦强化学习的协作缓存方法-CN202110634682.1有效
发明人： 蒋雁翔;张敏 -专利权人：东南大学
申请日： 2021-06-08 - 公布日： 2022-04-22 - 主分类号： H04L67/568 文献下载
摘要：本发明公开了一种雾无线接入网中基于联邦强化学习的协作缓存方法，包括：1、根据全局内容流行度来初始化缓存节点的本地缓存内容，初始化总的模型训练周期和模型权重参数；2、每一个缓存节点把自身的缓存内容状态信息给邻近的缓存节点和云端服务器；3、根据时隙内接收到的用户请求信息，缓存节点会在本地缓存，临近节点缓存和云端服务器之间做出决策应答用户请求；4、计算缓存命中率和用户的内容请求延迟；5、缓存节点根据本地内容缓存状态和用户的内容请求信息，更新本地缓存内容和训练模型参数。6、训练一个周期之后，对各个缓存节点的训练模型权重参数进行联合更新。本发明提高缓存命中率和降低用户请求延迟，更好的保护用户隐私。
一种无线接入基于联邦强化学习协作缓存方法

[发明专利]一种雾无线接入网中基于多智能体强化学习的协作缓存方法-CN202111255936.5在审
发明人： 蒋雁翔;常琦 -专利权人：东南大学
申请日： 2021-10-27 - 公布日： 2022-01-28 - 主分类号： H04W28/14 文献下载
摘要：本发明公开了一种雾无线接入网中基于多智能体强化学习的协作缓存方法，包括：根据缓存节点的区域文件流行度，初始化各节点的缓存状态向量、动作向量、历史缓存记录向量以及深度强化学习参数；根据用户请求文件，每个节点的学习模型做出缓存决策；每个节点根据缓存决策更新其历史缓存记录，并与邻近的节点进行通信；缓存节点根据当前的缓存状态和邻近节点状态，选择传输路径应答用户请求，并且计算用户需求的传输时延；根据传输延迟，缓存节点计算全局的价值函数，对自身学习和邻近节点的学习模型参数进行更新；在遍历所有缓存节点后，一个训练周期结束。本发明加强缓存节点之间的交互，进一步的降低用户需求时延。
一种无线接入基于智能强化学习协作缓存方法

1
2
3
4
5
下一页»
尾页
共 64 条