“夏隽娟”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19个，建议您升级VIP下载更多相关专利

[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

[发明专利]一种面向任务卸载的协作网络中继节点选择方法及装置-CN201910997805.0有效
发明人： 夏隽娟;范立生;赵睿;饶彦袆;陈庆春;谭伟强 -专利权人：广州大学
申请日： 2019-10-18 - 公布日： 2022-07-26 - 主分类号： H04W28/20 文献下载
摘要：本发明公开了一种面向任务卸载的协作网络中继节点选择方法及装置，所述方法包括：根据源节点、K个中继节点和若干个计算接入节点建立协作网络；获取每一中继节点对应的一组信道参数信息，源节点通过判断信道参数信息选择K/2个中继节点作为最优中继节点的备选节点，其中当K为奇数时，备选节点的数量为K/2向上取整；根据拉格朗日乘子法对备选节点对应的每个子任务分配带宽，并将带宽分配完毕的每个子任务卸载到若干个计算接入节点；根据每一备选节点卸载任务产生的时延和能耗，计算得到备选节点中最优的中继节点。本发明能够有效降低网络系统卸载任务时的时延和能耗，有效地提高网络带宽优化的效率。
一种面向任务卸载协作网络中继节点选择方法装置

[发明专利]一种快速MIMO信号搜索方法、系统、设备及存储介质-CN202110913278.8有效
发明人：范立生;夏隽娟;何科;汪洋涛;刘外喜 -专利权人：广州大学
申请日： 2021-08-10 - 公布日： 2022-05-24 - 主分类号： H04B7/0413 文献下载
摘要：本发明涉及无线通信技术领域，尤其涉及一种快速MIMO信号搜索方法、系统、设备及存储介质，包括：获取接收信号，并根据所述接收信号的信道矩阵构建决策树；对所述决策树逐层搜索，在每一层的搜索中，将该层树节点的节点向量输入深度神经网络，得到对应树节点的启发值；将所述启发值输入代价模型，得到对应树节点的代价值；根据所述代价值进行搜索，并将最后一层代价值最小的树节点作为待恢复真实信号的检测结果。本发明通过将神经网络与搜索算法结合，不仅提高了最短路径搜索算法的效率，而且有效地降低其在大规模MIMO系统下的平均复杂度。
一种快速 mimo 信号搜索方法系统设备存储介质

[发明专利]一种基于群智能算法的任务卸载方法-CN201910990915.4有效
发明人： 夏隽娟;范立生;赵子超;饶彦袆;陈庆春 -专利权人：广州大学
申请日： 2019-10-17 - 公布日： 2022-03-25 - 主分类号： H04L41/0823 文献下载
摘要：本发明公开了一种基于群智能算法的任务卸载方法，将移动端执行的第一任务拆分为多个子任务，然后根据子任务的大小将每个子任务卸载给计算节点，配置相应的决策因子；根据决策矩阵、子任务自身的容量、移动端到各计算节点的传输速率，计算出第一任务被计算完成时的最大时间和总能耗；再根据移动端的优化策略，对最大时间和总能耗设置权重因子，并以此计算完成第一任务所需要付出的第一代价值；最后通过群智能算法对决策矩阵进行优化，从而使得第一代价值达到最小值。本发明能够减少移动端在移动边缘计算时完成任务所需的时间和能耗，提高移动端的用户体验。
一种基于智能算法任务卸载方法

[发明专利]一种基于多智能体强化学习的分布式缓存方法-CN201811522881.8有效
发明人：范立生;林晓升;陈庆春;夏隽娟;谭伟强 -专利权人：广州大学
申请日： 2018-12-13 - 公布日： 2022-03-25 - 主分类号： H04W24/02 文献下载
摘要：本发明公开了一种基于多智能体强化学习的分布式缓存策略，应用于一包括若干无线节点的无线缓存网络，该策略包括：步骤S1，基于多智能体强化学习框架，将各无线节点模拟为智能体，建立智能无线通信系统模型，在该模型中每个无线节点配备有缓存控制单元，每个无线节点通过缓存控制单元选择存储文件，各无线节点的目标为协同工作以最大化平均缓存命中率来提高系统性能；步骤S2，采用基于多智能体强化学习的分布式Q学习算法，为每个无线节点找到最优的分布式缓存策略，进而最大化缓存命中率，通过本发明，可使得无线节点之间不需要进行任何信息交换，每个无线节点仅通过自主学习，就能得到对应的分布式最优缓存策略，进而提高无线通信系统性能。
一种基于智能强化学习分布式缓存方法

[发明专利]一种信道状态的信息反馈方法、装置、电子设备及介质-CN202110757343.2在审
发明人： 夏隽娟;范立生;李明杰;彭伟龙;周发升 -专利权人：广州大学
申请日： 2021-07-05 - 公布日： 2021-11-16 - 主分类号： H04L1/00 文献下载
摘要：本发明公开了一种信道状态的信息反馈方法、装置、电子设备及介质，方法包括：在无线网络系统的接收端，对信道状态信息矩阵进行离散傅里叶变换得到信道状态矩阵，根据所述信道状态矩阵确定待压缩矩阵；通过在基站部署解码器，将所述码字恢复为信道状态矩阵；根据所述信道状态矩阵，确定信道状态信息；根据所述信道状态信息计算均方误差；通过对所述均方误差进行优化迭代得到编码器参数和解码器参数。本发明能够提高压缩效率，可广泛应用于无线通信技术领域。
一种信道状态信息反馈方法装置电子设备介质

[发明专利]一种联邦学习带宽分配方法、系统、计算机设备及介质-CN202110842426.1在审
发明人： 夏隽娟;范立生;赵子超;汪洋涛;刘外喜 -专利权人：广州大学
申请日： 2021-07-23 - 公布日： 2021-11-16 - 主分类号： H04L12/24 文献下载
摘要：本发明提供了一种联邦学习带宽分配方法、系统、计算机设备及介质，所述方法包括：向预设数目的客户端发送待训练模型；获取各个客户端的训练时间消耗；所述训练时间消耗由各个客户端根据训练样本训练所述待训练模型得到；统计各个客户端的信道状态信息，并根据各个客户端的所述信道状态信息，得到对应的模型上传时间消耗，以及根据各个客户端的所述训练时间消耗和所述模型上传时间消耗，对各个客户端进行带宽分配。本发明基于信道状态信息建立用户成功上传模型数学期望，再通过粒子群算法求解最优用户带宽分配，使得在具有时间约束的联邦学习框架下能够让更多的用户参与模型聚合，提高联邦学习训练模型的性能。
一种联邦学习带宽分配方法系统计算机设备介质

[发明专利]一种基于强化学习的对抗智能攻击安全传输方法-CN201910262870.9有效
发明人：范立生;李超;陈庆春;夏隽娟;谭伟强 -专利权人：广州大学
申请日： 2019-04-02 - 公布日： 2021-06-29 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于强化学习的对抗智能攻击安全传输方法，包括：S1，通过系统的信道参数矩阵信号，估计出主信道、干扰及欺骗信道的链路参数，再分别通过最大化主信道的信噪比、最小化干扰及欺骗信道的信噪比，实现发送端波束成形器、接收端滤波器的设计，抑制特定攻击模式及特定天线数的攻击者；S2，在波束成形器及滤波器的基础上，进行零和博弈，并基于强化学习的功率控制算法，在发送者与攻击者之间展开智能对抗；S3，动态地调整主信道发送与接收天线的数目，应用至波束成形器及滤波器、零和博弈过程，实现有效地抑制智能攻击模式、智能天线数的攻击者；本发明能够抑制智能攻击者的攻击意图，降低攻击概率，提高系统数据传输速率。
一种基于强化学习对抗智能攻击安全传输方法

[发明专利]一种基于神经网络的可迭代式智能化信号检测方法-CN201910732383.4有效
发明人：范立生;夏隽娟;陈庆春;何科;吴会军 -专利权人：广州大学
申请日： 2019-08-08 - 公布日： 2021-05-18 - 主分类号： H04B7/0413 文献下载
摘要：本发明公开了一种基于神经网络的可迭代式智能化信号检测方法，所述方法包括以下步骤：步骤1、将待检测信号输入至信号检测器，获取干扰信号估计值；步骤2、将所述干扰信号估计值输入至深层神经网络，获取待检测信号；步骤3、重复若干次所述步骤1和2，所述信号检测器输出最终信号。本发明还提供了一种基于神经网络的可迭代式智能化信号检测装置、设备以及存储介质。采用本发明，可以提高在受到复杂动态的相关干扰的场景下的信号检测性能。
一种基于神经网络可迭代式智能化信号检测方法

1
2
下一页»
尾页
共 19 条