“张尧学”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156个，建议您升级VIP下载更多相关专利

[发明专利]一种基于深度强化学习的仿人机器人运动控制方法及系统-CN202010217670.4有效
发明人：任炬;许人文;张尧学 -专利权人：中南大学
申请日： 2020-03-25 - 公布日： 2023-04-07 - 主分类号： B25J9/16 文献下载
摘要：本发明公开了一种基于深度强化学习的仿人机器人运动控制方法及系统，方法包括：S1.仿真控制：获取仿人机器人的当前状态，根据所述当前状态以预设的深度强化学习模型计算确定仿人机器人各关节的目标角度；S2.PD控制：通过PD控制器，以所述目标角度作为控制目标，以关节的实际角度和关节力矩为反馈，确定关节的控制力矩，并根据所述控制力矩控制关节动作。本发明具有控制稳定性好、可靠性好等优点。
一种基于深度强化学习人机运动控制方法系统

[发明专利]一种边缘计算任务迁移仿真系统-CN202010218209.0有效
发明人：任炬;李丽君;柳佳刚;张尧学 -专利权人：中南大学
申请日： 2020-03-25 - 公布日： 2023-04-07 - 主分类号： G06F9/455 文献下载
摘要：本发明公开了一种边缘计算任务迁移仿真系统，包括边缘网络模型、工作流模型、调度算法模型和仿真环境模型；所述边缘网络模型用于模拟边缘网络的拓扑结构；所述工作流模型用于仿真生成工作流；所述调度算法模型用于生成、存储边缘计算任务迁移调度算法；所述仿真环境模型用于从所述边缘网络模型中读取边缘网络的拓扑结构，从工作流模型中读取工作流模型，从调度算法模型中读取调度算法，构建仿真环境，实现并验证仿真系统的性能。本发明具有适用范围广，可灵活、方便对边缘计算任务迁移进行仿真等优点。
一种边缘计算任务迁移仿真系统

[发明专利]一种可编辑区块链系统-CN202010236720.3有效
发明人：任炬;陈琳韦娅;徐旸;张尧学 -专利权人：中南大学
申请日： 2020-03-30 - 公布日： 2023-04-07 - 主分类号： G06F21/62 文献下载
摘要：本发明公开了一种可编辑区块链系统，包括第一链、第二链；所述第一链和所述第二链通过共同节点连接；所述第一链拥有编辑控制智能合约；所述共同节点拥有陷门分片，所述陷门分片用于合成陷门；所述共同节点用于发起编辑行为，根据陷门分片合成陷门，并通过所述编辑控制智能合约对所述陷门进行验证，验证通过后根据原始内容、原始随机数、目标内容计算哈希冲突值，并将目标内容和哈希冲突值发布至第二链；所述第二链中的节点对所述目标内容和哈希冲突值进行验证，验证通过则将所述目标内容替换原始内容。具有既能满足对数据存储的安全性的需求，又可满足在特定情况下对数据修改的需求的等优点。
一种编辑区块系统

[发明专利]基于重症特征的疫情患者转阴天数分类预测方法及系统-CN202211645856.5在审
发明人：吕丰;钱信宇;吴帆;周杰钰;张永敏;张尧学;张丽娜;钱招昕;王占稳;谢树才 -专利权人：中南大学;中南大学湘雅医院
申请日： 2022-12-20 - 公布日： 2023-03-21 - 主分类号： G16H10/60 文献下载
摘要：本发明公开了基于重症特征的疫情患者转阴天数分类预测方法及系统，本方法通过获取患者的病例数据表；计算病例数据表中的检测指标与核酸ct值的Pearson相关系数；根据Pearson相关系数，对病例数据表中的每一个检测指标的数据完整性进行打分，选取分数高于预设值的多个重症特征指标；根据多个重症特征指标，筛选转阴前的患者检测指标数据集；将患者检测指标数据集输入至训练好的预测模型中，获得患者转阴天数分类预测的结果。本发明能够提高分类预测患者转阴天数的准确度。
基于重症特征疫情患者转阴天数分类预测方法系统

[发明专利]一种基于区块链的匿名消息传递方法及系统-CN202211422142.8在审
发明人：许嘉璐;徐旸;谭江浩;张程;孙鹏;陈果;曾湘祥;张尧学 -专利权人：湖南大学
申请日： 2022-11-14 - 公布日： 2023-03-07 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种基于区块链的匿名消息传递方法及系统，本发明包括：接收方R生成请求事务并提交到区块链，等待矿工回应，收到回应则选择一个矿工，基于请求事务生成包含检测密钥DSK的检测事务，并提交到区块链的检测事务交易池中以下发给矿工，从矿工采用模糊消息检测方法FMD基于检测密钥DSK执行检测事务生成的区块中获取由真实的消息事务和假阳性的消息事务构成的消息事务集合，从中提取出真实的消息事务，并从真实的消息事务中提取出发送方S所发送的明文消息。本发明能够实现基于区块链的匿名消息传递，可将消息检测任务外包给去中心化的不可信第三方，具有用户开销小、安全可信、高吞吐量的优点。
一种基于区块匿名消息传递方法系统

[发明专利]一种融入语义模型的遥感图像油罐检测方法-CN201910432527.4有效
发明人：陈依彼;陈岑;陈建国;段明星;李肯立;李克勤;张尧学 -专利权人：湖南大学
申请日： 2019-05-23 - 公布日： 2023-02-28 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种融入语义模型的遥感图像油罐检测方法。所述方法包括以下步骤：采集数据：获取遥感图像样本数据并进行预处理；构建模型：构建油罐检测模型和语义模型；模型训练：将所述处理后的图像输入到所述油罐检测模型中进行训练，得到特征图以及特征图检测信息，将所述预处理后的图像分类信息建立关系，保存并建立情景知识库，将所述情景知识库的信息关系输入到所述语义模型中进行训练，得到图像情景上下文信息；及模型融合：将所述特征图的检测信息与所述图像情景上下文信息进行融合。采用这种方法，油罐检测根据不同图像尺度运行，增强了图像信息，实现了更好的油罐检测精度。
一种融入语义模型遥感图像油罐检测方法

[发明专利]一种不依赖梯度的聚类联邦学习方法及系统-CN202211422140.9在审
发明人：徐旸;张益邦;谭运林;张程;谢鲲;唐卓;李肯立;张尧学 -专利权人：湖南大学
申请日： 2022-11-14 - 公布日： 2023-01-06 - 主分类号： G06F21/56 文献下载
摘要：本发明公开了一种不依赖梯度的聚类联邦学习方法及系统，本发明方法包括：客户端分别计算数据分布信息及相互的交集相似度并构造交集相似度向量；服务器收集交集相似度向量并构建相似度矩阵，对客户端进行聚类并执行模型训练，在服务器检测到模型的精度下降且确定恶意簇后，选择客户端来组成验证委员会并进行验证并投票将恶意模型排除、保留良性模型。本发明中服务器不需要依靠客户端的梯度信息进行聚类而是根据客户端的数据分布之间的交集相似度来进行聚类，避免了客户端的梯度信息泄露问题，保护了客户端的梯度安全，增强了聚类联邦学习过程中的安全性、可靠性、并且提高了训练精度。
一种不依赖梯度联邦学习方法系统

[发明专利]一种基于移动雾计算的任务卸载方法-CN202210448728.5有效
发明人：张永敏;向侃;吕丰;任炬;张尧学 -专利权人：中南大学
申请日： 2022-04-26 - 公布日： 2022-12-23 - 主分类号： H04L67/10 文献下载
摘要：本发明公开了一种基于移动雾计算的任务卸载方法，方案是构建由I个移动雾节点、一个基站、J个请求卸载任务的移动设备、一个云数据库服务器组成的任务卸载系统。基站作为部署任务卸载的第三方平台，移动设备和移动雾节点向基站提供信息。在考虑设备移动性约束以及用户服务质量对不同设备属性的偏好的情况下，将移动雾计算环境下任务卸载中的资源利用率最大化问题建模为二部图的最大加权匹配问题，通过KM算法求解出能够使得用户总体满意度最高的最优任务分配方案。基站根据最优任务分配方案通知请求卸载的移动设备将任务卸载到合适的移动雾节点，并通知对应的移动雾节点接受并执行任务。采用本发明能实现合理的任务分配，有效提高资源利用率。
一种基于移动计算任务卸载方法

[发明专利]一种基于不确定需求下的边云资源协作方法-CN202210483939.2有效
发明人： 张尧学;孙男;张永敏;王威 -专利权人：中南大学
申请日： 2022-05-05 - 公布日： 2022-12-13 - 主分类号： H04L67/1008 文献下载
摘要：本发明公开了一种基于不确定需求下的边云资源协作方法，目的是提高边缘服务器的服务效率。技术方案是先构建由J个边缘服务器和一个云端服务中心组成的边缘云一体化系统。接着边缘服务器的各个模块依次运行：设备信息模块读取最大计算负载；效率计算模块计算计算资源对效率的预期影响；数据预估模块根据预期影响，预估边缘服务器最大预期效率和最优预先请求资源量；最优决策模块根据预先请求资源量和预期影响，计算最优预先请求决策；第一协作模块根据最优预先请求决策和预先请求资源量确定请求指令。最后云端服务中心根据请求指令调度资源。采用本发明可以避免预先请求资源过少时的计算任务流失，提高边缘服务器的服务效率。
一种基于不确定需求资源协作方法

[发明专利]基于深度学习的用户流失预测方法及系统-CN202111295191.5有效
发明人：吕丰;钱凯;吴帆;任炬;张尧学 -专利权人：中南大学
申请日： 2021-11-03 - 公布日： 2022-11-01 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了基于深度学习的用户流失预测方法及系统，通过构建并将时序行为特征矩阵转化成多个块嵌入向量，并添加初始类别嵌入向量以及位置嵌入向量，再提取嵌入特征块的各个块嵌入向量的目标类别，并加上位置嵌入向量所标记的各个块嵌入向量之间的位置关系对提取的各个块嵌入向量进行自相似性计算，得到嵌入特征块的类别嵌入向量；对嵌入特征块的类别嵌入向量进行预分类，输出用户流失概率值，从用户画像特征矩阵提取用户画像的关键特征矩阵，根据用户画像的关键特征矩阵以及用户流失概率值确定用户的流失类别。本发明能准确、全面捕捉用户各种时序行为特征之间的自相似性，并结合用户画像的关键特征矩阵实现高精度的用户流失预测。
基于深度学习用户流失预测方法系统

[发明专利]超表面、数据处理方法、装置、电子设备、介质和产品-CN202210798114.X在审
发明人： 张尧学;陈丽丽;任炬 -专利权人：清华大学
申请日： 2022-07-08 - 公布日： 2022-10-25 - 主分类号： H01Q15/00 文献下载
摘要：本申请公开了一种超表面、数据处理方法、装置、电子设备、介质和产品。该超表面包括多个元原子，每个元原子为多层结构，每层结构对一个波束频段起主导作用，每个所述元原子包括金属图案层；所述金属图案层中包括至少一个二极管；针对每层结构，所述元原子的相位基于所述至少一个二极管的偏置电压而改变，元原子相位的不同排列使超表面产生不同方向的波束，所述至少一个二极管的偏置电压与目标层结构对应的波束频段相对应；其中，目标层结构为多层结构中的任意一层结构。通过调控超表面多层结构中不同元原子的二极管的配置电压，将发射端的入射波指向接收端的方向，以实现低成本的对多频段的物联网链路通信进行增强的效果。
表面数据处理方法装置电子设备介质产品

[发明专利]基于智能网卡的服务器间负载均衡性能优化方法-CN202210218905.0有效
发明人：任炬;李依伦;彭许红;张尧学 -专利权人：中南大学
申请日： 2022-03-07 - 公布日： 2022-10-14 - 主分类号： H04L67/566 文献下载
摘要：本发明公开了一种基于智能网卡的服务器间负载均衡性能优化方法，目的是解决目前负载均衡方法占用计算资源多的问题。技术方案是构建基于智能网卡的服务器间负载均衡系统，智能网卡上的Q+1个CPU核心运行负载均衡器，智能网卡的内存开辟Q个接收队列和Q个发送队列；负载均衡器包括1个同步代理和Q个调度器，Q个调度器和同步代理并行运行，对来自MM个客户端的数据包进行接收、解析、调度决策、封装、发送，第q个调度器串行处理Gq个数据包，负责将接收到的数据包分发到NN个服务端。本发明智能网卡上的负载均衡器与服务器上的负载均衡器性能相当，不需要占用大量服务器的计算资源就能满足负载均衡的需要，降低电力、服务器成本。
基于智能网卡服务器负载均衡性能优化方法

[发明专利]质量感知的边缘智能联邦学习方法及系统-CN202010590843.7有效
发明人： 张尧学;邓永恒;吕丰;任炬 -专利权人：清华大学;中南大学
申请日： 2020-06-24 - 公布日： 2022-10-14 - 主分类号： G06N20/20 文献下载
摘要：本发明公开了一种质量感知的边缘智能联邦学习方法及系统，该方法包括：云平台以多个学习任务的聚合模型质量之和在每次迭代中都达到最大为优化目标，构建联邦学习质量优化问题并解决：在每次迭代中，利用参与节点的历史学习质量记录预测参与节点的学习质量；其中，利用每次迭代中损失函数值的减少量来量化节点训练数据的学习质量；在每次迭代中，云平台通过反向拍卖机制激励高学习质量的节点参与联邦学习；以进行学习任务和学习报酬的分配；在每次迭代中，对于每个学习任务，每个参与节点将其本地模型参数上传到云平台以聚合得到全局模型。本发明可以在保护数据隐私的情况下，为模型的训练提供更丰富的数据和更多的算力，以提高模型的质量。
质量感知边缘智能联邦学习方法系统

[发明专利]一种高效通信的分层联邦学习框架及其优化方法和系统-CN202010929585.0有效
发明人： 张尧学;邓永恒;吕丰;任炬 -专利权人：清华大学;中南大学
申请日： 2020-09-07 - 公布日： 2022-10-14 - 主分类号： G06N20/20 文献下载
摘要：本发明公开了一种高效通信的分层联邦学习框架及其优化方法和系统，该框架包括：一个云聚合器、多个边缘聚合器和多个分布式计算节点；在每轮云聚合迭代中，边缘聚合器首先从云聚合器下载全局学习模型，每个分布式计算节点从其关联的边缘聚合器下载全局学习模型，训练模型更新上传到关联的边缘聚合器；边缘聚合器聚合接收模型更新并聚合发送回关联的计算节点，经过多次边缘聚合迭代后，将边缘模型更新上传到云聚合器；云聚合器将多个边缘模型聚合后得到全局模型更新发送回所有的边缘聚合器；重复边缘聚合以及云聚合迭代，直至全局模型达到目标精度。该优化方法采用通信开销最小化作为优化目标。本发明提高学习性能的同时，可降低系统的通信开销。
一种高效通信分层联邦学习框架及其优化方法系统

[发明专利]基于深度强化学习的联邦学习客户端智能选取方法及系统-CN202110449033.4有效
发明人： 张尧学;邓永恒;吕丰;任炬 -专利权人：清华大学;中南大学
申请日： 2021-04-25 - 公布日： 2022-10-14 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于深度强化学习的联邦学习客户端智能选取方法及系统，该方法包括：联邦平台通过从联邦服务市场环境中收集客户端的状态作为输入，输入到基于策略网络的客户端选择智能体中，输出客户端选择方案；联邦平台根据当前环境状况以及客户端选择方案从多个候选客户端中选取一组最优的客户端以协同训练联邦学习模型，并将联邦学习性能作为奖励反馈给客户端选择智能体，以奖励用于优化更新策略网络；策略网络通过强化学习方法离线训练得到。本发明可从候选移动边缘设备中选择高质量的设备参与联邦学习，以处理分布式客户端低质量数据问题，以显著提高联邦学习质量。
基于深度强化学习联邦客户端智能选取方法系统