“宋铁成”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236个，建议您升级VIP下载更多相关专利

[发明专利]一种基于轻量型Transformer的遥感目标检测方法-CN202310865372.X在审
发明人： 宋铁成;毛磊;徐光明;酒英豪;彭逸 -专利权人：重庆邮电大学
申请日： 2023-07-14 - 公布日： 2023-10-17 - 主分类号： G06V10/764 文献下载
摘要：本发明属于遥感目标检测领域，具体涉及一种基于轻量型Transformer的遥感目标检测方法，包括：将一个阈值可学习的token剪枝策略应用于视觉Transformer，以自适应地在不同编码器层级上减少冗余的token；通过一种注意力传播策略来重用前一层多头自注意力模块中的自注意力矩阵，进而绕过大量的自注意力计算；通过建立分类损失、回归损失以及剪枝损失，对整个网络进行优化，利用优化后的网络进行目标检测。本发明采用全自动的token剪枝策略与高效的注意力传播策略，能够有效地降低固定数量的token和各层自注意力矩阵之间的高相似性所带来的冗余，提升了模型的计算效率和推理速度。
一种基于轻量型 transformer 遥感目标检测方法

[发明专利]基于深度强化学习的联合计算迁移和无人机轨迹优化方法-CN202310901455.X在审
发明人：王书墨;宋铁成;胡静;夏玮玮;燕锋;沈连丰 -专利权人：东南大学
申请日： 2023-07-20 - 公布日： 2023-09-29 - 主分类号： H04W28/08 文献下载
摘要：本发明公开了一种基于深度强化学习的联合计算迁移和无人机轨迹优化方法，属于无人机辅助车联网的边缘计算领域，考虑无人机辅助车辆移动边缘计算的场景，利用深度强化学习优化策略优化每一个时隙每个无人机选择服务的用户以及任务卸载比率，无人机飞行角度和飞行速度，进而减少系统时延，同时提高无人机服务车辆的公平性。本发明使用多智能体双延迟深度确定性策略梯度算法可以有效解决计算迁移和无人机轨迹的联合优化问题，可以在一系列连续动作空间的优化中表现稳定。
基于深度强化学习联合计算迁移无人机轨迹优化方法

[发明专利]一种面向不平衡数据集的数据处理方法-CN202310268890.3在审
发明人：胡静;宋铁成;张状状;陈然;夏玮玮;燕锋;沈连丰 -专利权人：东南大学
申请日： 2023-03-20 - 公布日： 2023-09-19 - 主分类号： G06F18/214 文献下载
摘要：本发明提供一种面向不平衡数据集的数据处理方法，通过对每个类别的样本进行有放回抽样，形成多个样本子集，从而使样本子集中每个类别的样本个数大致均衡，提高学习算法对少数类样本的识别能力。本发明结合LOF算法和不同的概率分布函数，通过启发式选择的参数生成人工样本，使得生成的人工样本不受边界噪声的影响，同时能够更多地保证生成样本的多样性。相较于传统的BorderlineSMOTE算法，本发明在生成人工样本时使用局部异常因子算法剔除边界噪声，并引入不同的概率分布函数以保证生成样本的多样性，从而提高分类器的性能。本发明可以有效地应对不平衡数据集的问题，提高学习算法对少数类的识别能力，适用于机器学习、数据挖掘等领域。
一种面向不平衡数据数据处理方法

[发明专利]基于GA-PDPL算法的跨被试脑电情感识别方法及装置-CN202310420313.1在审
发明人：苏吉普;常洪丽;胡静;宋铁成 -专利权人：东南大学
申请日： 2023-04-19 - 公布日： 2023-09-05 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了一种基于GA‑PDPL算法的跨被试脑电情感识别方法及装置，方法包括：将被试脑电情感数据输入预先训练好的GA‑PDPL模型，利用被试脑电情感数据和GA‑PDPL模型输出的综合字典和分析字典计算被试脑电情感数据与每个脑电情感类别的残差；GA‑PDPL模型为在DPL模型中增加综合字典和分析字典的字典对，并引入编码系数矩阵构建得到，通过具有多个被试的脑电情感数据对GA‑PDPL模型进行训练，并在训练过程中利用遗传算法对构建的GA‑PDPL模型中的参数进行优化；将多个残差值中的最小残差值对应的脑电情感类别作为被试脑电情感数据对应的情感类别。本发明的方法识别速度快，且准确率高。
基于 ga pdpl 算法跨被试脑电情感识别方法装置

[发明专利]集中式边缘协作缓存方法-CN202310868161.1在审
发明人： 宋铁成;金祝;胡静;夏玮玮;燕锋;沈连丰 -专利权人：东南大学
申请日： 2023-07-13 - 公布日： 2023-09-01 - 主分类号： H04L67/10 文献下载
摘要：本发明公开了一种集中式边缘协作缓存方法，属于无线通信技术领域，提出了包括车辆层、RSU层和连接到云层的宏基站的三层车辆自组织网络模型，基于该网络架构提出了传输模型，车辆移动模型和内容流行度模型的通信模型，基于该通信模型，提出一个最小化平均传输延迟的优化问题，并将其转换为一个多选择背包问题，提出一种贪婪的算法来获得多选择背包问题的近似最优解，与现有的边缘协作缓存方法相比可以有效地提高缓存性能。
集中边缘协作缓存方法

[发明专利]基于参数和神经网络预测天线调整后小区场强分布的方法-CN201911263143.0有效
发明人：吴冬华;宋铁成;黄陈兰子;王艺蓉;梁曼玉;胡静;余健;徐慧 -专利权人：南京华苏科技有限公司;东南大学
申请日： 2019-12-11 - 公布日： 2023-08-04 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种基于参数和BP神经网络对天线调整后小区场强分布的预测方法，包括以下步骤：(1)收集用户MDT数据，由用户设备UE上报所述用户MDT数据；(2)对所述步骤(1)中收集的MDT数据进行处理，剔除异常值；(3)将小区分成方形栅格，并将划分的所述方形栅格分为两类，第一类栅格为RSRP数据充足的栅格，用于训练神经网络；第二类栅格为RSRP数据不充足的栅格；(4)采用三层神经网络进行训练，输出RSRP数据不充足的栅格功率；(5)根据天线方位角转动之后的每个栅格的平均接收功率的公式获得天线方位角转动之后的每个栅格的平均接收功率，即实现对天线调整后小区场强分布的预测。该方法的精确度高误差小。
基于参数神经网络预测天线调整小区场强分布方法

[发明专利]一种基于多模态空域变换网络的遥感图像场景分类方法-CN202310476470.4在审
发明人： 宋铁成;郑红宇;谢林男;马欣冉;吴梦怡;季薇 -专利权人：重庆邮电大学
申请日： 2023-04-28 - 公布日： 2023-07-28 - 主分类号： G06V20/13 文献下载
摘要：本发明属于遥感图像分类识别领域，具体涉及一种基于多模态空域变换网络的遥感图像场景分类方法，包括：利用预训练网络获得多层特征；将不同层级的特征进行循环式自适应空间变换，其结果与下一层特征相融合以输出判别性特征；通过GloVe模型与自注意力机制来提取类名的语义信息，将其用于加权循环空域变换模块的输出特征；建立图像、文本的分类损失以及相似度损失，实现整个网络的优化，通过优化后的网络进行分类识别。本发明通过将图像的多层特征与图像类别的语义信息融合的方式，有效利用多模态信息以及探索模态之间的内在相关性来实现有效的语义对齐。
一种基于多模态空域变换网络遥感图像场景分类方法

[发明专利]一种基于位置预测的无人机自组网路由方法-CN202310489119.9在审
发明人：燕锋;周天香;夏玮玮;沈连丰;胡静;宋铁成 -专利权人：东南大学
申请日： 2023-05-04 - 公布日： 2023-07-28 - 主分类号： H04W40/02 文献下载
摘要：本发明提出了一种基于位置预测的无人机自组网路由方法。该方法采用基于位置的贪婪转发策略，路由决策时考虑距离、偏转角度、运动方向角度、速率和邻居数目等因素，在邻居节点中，基于决策值选择优于当前节点的邻节点作为下一跳。同时为减小无人机高移动性导致的位置不精确性对路由决策的影响，所提方法采用高斯‑马尔科夫模型预测节点的精确位置信息。若贪婪失败，则在该节点的两跳邻居节点中，根据决策值选择比该节点更优的节点进行转发。所提方法能提高数据包投递率，减小端到端时延，能够为数据传输建立一个可靠、高效的路由转发机制，为无人机自组网的应用提供理论支撑。
一种基于位置预测无人机组网路由方法

[发明专利]一种多接入网切片场景下基于遗传算法的边缘计算卸载方法-CN202310377496.3在审
发明人： 宋铁成;范兴旺;胡静;陈鹏宇;夏玮玮;燕锋;沈连丰 -专利权人：东南大学
申请日： 2023-04-11 - 公布日： 2023-07-04 - 主分类号： H04W28/08 文献下载
摘要：本发明公开了一种多接入网切片场景下基于遗传算法的边缘计算卸载方法，包括：首先初始化模型，得到所有用户的任务量及时延约束，得到所有雾接入点和云服务器的计算能力，得到所有信道的信道增益；随后创建接入网切片实例，包括大规模物联网切片及低时延高可靠切片，为不同切片设置卸载策略；根据不同切片内用户卸载策略初始化种群，并对初始化种群个体进行优化和淘汰；之后设置迭代步长为t，开始进行迭代；先通过轮盘赌选择法对个体进行选择操作；再对选择的个体进行单点交叉操作；之后对交叉后的个体进行变异操作；然后判断是否达到迭代步长t，若否，则重复上述选择，交叉，变异操作；若是，则输出适应值最高的个体作为卸载策略。
一种接入切片场景基于遗传算法边缘计算卸载方法

[发明专利]一种广播场景下的无人机自组网信道接入方法及系统-CN202310340147.4在审
发明人：燕锋;杭天阳;夏玮玮;沈连丰;胡静;宋铁成 -专利权人：东南大学
申请日： 2023-03-31 - 公布日： 2023-06-30 - 主分类号： H04W74/04 文献下载
摘要：本发明公开了一种广播场景下的无人机自组网信道接入方法及系统，包括：当无人机节点有发送需求时，节点统计上一次传输的反馈，根据Q‑Learning算法输出一个退避窗口值CW，退避完成后节点接入信道；发包前，节点根据接收成功率门限选择转发节点的个数，将选中的转发节点编号和CW附在数据包中广播发出；节点收到广播包后读取MAC头字段，统计邻居CW值，维护邻居表和CW流行度表，并比对自身是否是转发节点；若当前节点为选中的转发节点，则节点需要将收到的数据包以广播的形式进行转发；源节点在ACK时限到达时统计此次发送收到的有效ACK个数，计算得出此次传输的反馈，在下次传输前更新Q‑Learning的权值表；节点重复以上过程，迭代更新出自适应的信道接入策略。
一种广播场景无人机组网信道接入方法系统

[发明专利]一种无人机协同下边缘计算多时隙计算资源的动态分配方法-CN202310316311.8在审
发明人： 宋铁成;陈鹏宇;胡静;范兴旺;夏玮玮;燕锋;沈连丰 -专利权人：东南大学
申请日： 2023-03-29 - 公布日： 2023-06-27 - 主分类号： H04W24/02 文献下载
摘要：本专利公开了一种无人机协同下边缘计算多时隙计算资源的动态分配方法。针对无人机协同边缘计算的实际场景，建立了云‑无人机‑用户的决策优化系统，通过实时用户任务调度为用户提供低延迟服务，并使系统能量消耗尽可能低。我们对用户和无人机之间的信道进行建模，计算卸载速率。本方法引入惩罚因子表征用户的服务质量。无限制的任务卸载会导致过多的能量消耗，因此本方法还选择了能量消耗作为优化目标。我们根据实时数据反馈，合理分配频率资源并及时调整无人机的位置。我们使用模拟退火算法求解分配策略，实现无人机计算资源的优化分配。本方法可以实现边缘计算中计算资源的动态合理分配，在无人机协同、多时隙动态优化的场景有较好的应用。
一种无人机协同边缘计算多时资源动态分配方法

[发明专利]一种基于ZigBee优先的分级抗干扰方法-CN202310262373.5在审
发明人：胡静;宋铁成;王啸;张状状;夏玮玮;燕锋;沈连丰 -专利权人：东南大学
申请日： 2023-03-17 - 公布日： 2023-06-23 - 主分类号： H04W72/541 文献下载
摘要：本发明公开了一种基于ZigBee优先的分级抗干扰方法。该方法在物联网网关上搭载了WiFi模块和ZigBee模块，将WiFi的无线接入点部署成三信道的蜂窝网通信模型，实时监测WiFi的通信指标并计算干扰度。通过心跳包的包接受率PRR和包错误率PER相结合的方式进行信道状态评估，判断ZigBee传输是否出现干扰。使用分级抗干扰的信道跳变算法减小或消除干扰，干扰刚发生时在WiFi信道间隙中选取ZigBee信道，在干扰仍未解决时利用外层WiFi信道扩大选取范围，在干扰最严重时调整自身WiFi的信道用于选择ZigBee的最佳传输信道。本发明解决了2.4GHz频段ZigBee和WiFi相互干扰的问题。
一种基于 zigbee 优先分级抗干扰方法

[发明专利]一种针对流媒体码流的音效增强方法及其系统-CN202310151254.2在审
发明人： 宋铁成;李鹏飞;胡静;张状状;夏玮玮;燕锋;沈连丰 -专利权人：东南大学
申请日： 2023-02-22 - 公布日： 2023-05-26 - 主分类号： H04L65/60 文献下载
摘要：本发明公开了一种针对流媒体码流的音效增强方法及其系统，属于计算机技术领域，该方法包括：接收流媒体服务传输的码流信息；获取预设音效信息；基于所述音频信息通过推理模型加载量化参数包；对音频码流转码，再对转码后码流进行预处理；基于推理模型确定均衡特征序列和混响特征序列；基于特征序列，音频处理设备对码流进行音效增强；通过播放设备播放增强后的音频数据；其中，推理模型包括均衡特征推理层和混响特征推理层；本发明在音频传输和播放的基础上增加了音效增强的功能，能够动态根据歌曲的不同动态调整音效，为用户提供更好的听觉体验。
一种针对流媒体音效增强方法及其系统

[发明专利]一种无人机辅助的异构车联网任务迁移与资源分配方法-CN202210744842.2有效
发明人：宋晓勤;王书墨;宋铁成;彭昱捷;杨雨露 -专利权人：东南大学深圳研究院
申请日： 2022-06-28 - 公布日： 2023-05-05 - 主分类号： H04L67/10 文献下载
摘要：本发明提出一种无人机辅助的异构车联网任务迁移与资源分配方法，该方法针对移动边缘服务器和无人机协同计算卸载的场景，首先通过势博弈得到车辆是否卸载的决策，即车辆决定本地计算，还是卸载到MEC服务器或无人机计算。对决定任务卸载的车辆，采用分布式的资源分配方法，不需要基站集中调度信道状态信息，将每辆决定任务卸载的车辆视为智能体，通过DDQN训练深度深度强化学习，每辆决定任务卸载的车辆基于本地观察状态信息来选择卸载节点和发射功率。该算法能够在最大发射功率的限制下，最小化系统时延，在复杂度和性能之间取得了很好的平衡。
一种无人机辅助异构车联网任务迁移资源分配方法

[发明专利]移动边缘计算系统中基于多智能体强化学习的资源分配方法-CN201910680954.4有效
发明人：夏玮玮;张雅雯;燕锋;成华清;胡静;宋铁成;沈连丰 -专利权人：东南大学
申请日： 2019-07-26 - 公布日： 2023-04-18 - 主分类号： H04W24/02 文献下载
摘要：本发明公开了移动边缘计算系统中基于多智能体强化学习的资源分配方法，包括：（1）将无线信道划分成若干个子载波，每个用户仅仅可以选择一个子载波；（2）每个用户随机选择信道以及计算资源，然后计算用户卸载产生的时延和能耗；（3）将用户在本地计算产生的时延能耗和卸载到边缘云的进行对比，判断卸载是否成功；（4）通过多智能体强化学习得到当前卸载动作的奖励值，并计算价值函数；（5）用户根据策略函数进行动作选择；（6）改变用户的学习速率进行策略更新，得到最优动作集合。本发明基于可变速率的多智能体强化学习，充分利用移动边缘服务器的计算资源和无线资源，在考虑了用户卸载的必要性的同时，得到各智能终端效用函数的最大值。
移动边缘计算系统基于智能强化学习资源分配方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
下一页»
尾页
共 236 条