“易畅言”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24个，建议您升级VIP下载更多相关专利

[发明专利]基于多维信息预测的移动边缘计算应用程序动态部署方法-CN202310733225.7在审
发明人： 易畅言;王健;吴强;王然 -专利权人：南京航空航天大学
申请日： 2023-06-20 - 公布日： 2023-10-27 - 主分类号： G06F8/60 文献下载
摘要：本发明公开了一种基于多维信息预测的移动边缘计算应用程序动态部署方法，该方法考虑一个由多个异质的移动用户、多个资源受限的边缘服务器组成的边缘计算系统，提出多维信息的预测和分析方法，设计需求感知的自适应应用服务更新算法。以最小化平均用户服务延时和主动部署应用程序的存储成本为目标构建出优化问题，其中算力资源等都被约束。本发明所述方法构建了一种分支定界方法来确定应用程序部署的周期和位置以及并行计算的应用程序实例的数量，实现预测信息的有效利用，达成主动部署与被动路由之间的动态平衡。从而使整个系统的部署成本和用户服务时延达到最低。同时，构建了一种低复杂的贪心算法，更快速地找到最优解。
基于多维信息预测移动边缘计算应用程序动态部署方法

[发明专利]基于分层强化学习的自适应关键帧选择的边缘辅助视频流传输调度方法-CN202310679856.5在审
发明人： 易畅言;朱文杰;陈若阳;陈翔 -专利权人：南京航空航天大学
申请日： 2023-06-09 - 公布日： 2023-10-10 - 主分类号： H04L45/02 文献下载
摘要：本发明公开了一种基于分层强化学习的自适应关键帧选择的边缘辅助视频流传输调度方法，该方法是一种用于工业物联网中边缘辅助的实时视频传输的分层深度强化学习，包括构建了由网关、边缘服务器和中央控制器组成的视频传输系统，网关执行关键帧选择以压缩来自终端摄像机的视频数据，然后通过多跳链接传输到边缘服务器进行视频分析。本发明构建基于深度Q网络的优化路由方法和自适应关键帧选择压缩方法的分层深度强化学习框架，由中央控制器执行并优化每个视频块的关键帧选择和路由选择，克服动态系统中时变链路带宽带来的不可预测性，尽量减少传输延迟并确保视频数据的精度，以满足视频块的任务要求。
基于分层强化学习自适应关键选择边缘辅助视频流传调度方法

[发明专利]基于时空语义过滤的端边协同实时视频分析方法-CN202310703624.9在审
发明人： 易畅言;陈翔;朱文杰;陈嘉源;张彤 -专利权人：南京航空航天大学
申请日： 2023-06-14 - 公布日： 2023-09-29 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于时空语义过滤的端边协同实时视频分析方法。该方法基于智能视觉设备和边缘服务器构成的智能视觉端边协同系统，然后通过智能视觉设备来捕捉视频信息，通过搭载配置跟踪检测模块和感兴趣区域提取模块。所述的跟踪检测模块自适应地确定卸载决定，用跟踪算法在本地处理每个视频帧，或将其卸载到由物体检测模型推断出的边缘服务器。感兴趣区域决定每个卸载帧的分辨率和检测模型配置，以确保分析结果能够及时返回。跟踪检测模块和感兴趣区域相互协作，过滤重复的时空语义信息，以最大限度地提高处理率，同时确保高视频分析精度。
基于时空语义过滤协同实时视频分析方法

[发明专利]基于带噪声的异构CXR图像的影像分析模型联邦学习方法-CN202310202630.6在审
发明人： 易畅言;丁梦清;李娟 -专利权人：南京航空航天大学
申请日： 2023-03-06 - 公布日： 2023-07-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于带噪声的异构CXR图像的影像分析模型联邦学习方法，通过该方法所实现的联邦学习框架集成参与者选择模块和支付模块，参与者选择模块设计以区分拥有低噪声、高代表性分布的数据的参与者，而支付模块则是根据每个参与者的贡献激励，在本发明所述的方法中，对于贡献的评价是基于广泛应用于联盟博弈的Shapley值法。与现有技术相比，本发明所述的方法不需要重复训练模型，大大减少了时间和计算资源的消耗，同时获得了不错的全局模型性能。
基于噪声 cxr 图像影像分析模型联邦学习方法

[发明专利]基于动态联盟博弈的物理层安全无线传输中三方设备智能决策方法-CN202310203365.3在审
发明人：陈若阳;易畅言;朱琨;陈兵 -专利权人：南京航空航天大学
申请日： 2023-03-06 - 公布日： 2023-07-07 - 主分类号： H04W12/80 文献下载
摘要：本发明公开了一种基于动态联盟博弈的物理层安全无线传输中三方设备智能决策方法，对于考虑物理层安全的无线传输环境中存在的窃听设备、合法用户和干扰机三方之间的动态合作与对抗关系采用多阶段序贯博弈和动态联盟博弈来建模，以为达成三者各自的效用最大为目标，帮助这三方设备进行智能决策。在考虑物理层安全的无线传输系统中，本发明采用基于动态联盟博弈的联盟形成算法来完成三方设备的结盟对象选择，并通过深度强化学习算法训练代表各方设备的智能体来完成三方设备的最佳决策，包括合法用户的基站选择、传输功率分配和单位激励量制定，窃听设备的单设备激活选择和单位激励量制定，以及干扰机的干扰功率分配。
基于动态联盟博弈物理层安全无线传输中三方设备智能决策方法

[发明专利]基于移动性预测的边缘计算网络中的自适应应用程序部署方法-CN202310203133.8在审
发明人：吴强;王健;易畅言;王然 -专利权人：南京航空航天大学
申请日： 2023-03-06 - 公布日： 2023-06-27 - 主分类号： G06F8/60 文献下载
摘要：本发明公开了一种基于移动性预测的边缘计算网络中的自适应应用程序部署方法，该方法实现的部署框架是基于一种通用的自适应的移动性预测框架，能够对不同的移动轨迹取得良好的准确性以及节省模型设计与训练的成本，并提出了一种自适应的应用程序部署方法，以移动用户在未来多个时间段的移动性预测作为输入，以优化最大化用户的服务质量和最小化减少边缘节点的部署成本为目标，将移动用户的服务程序动态地部署到最合适的边缘节点。本发明构建了一种联合优化来确定服务用户的应用程序所部署的位置和周期。
基于移动性预测边缘计算网络中的自适应应用程序部署方法

[发明专利]基于休假排队的应用服务动态部署与更新方法-CN202310167050.8在审
发明人： 易畅言;尚善飞;吴强;王然 -专利权人：南京航空航天大学
申请日： 2023-02-27 - 公布日： 2023-06-23 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于休假排队的应用服务动态部署与更新方法。该方法考虑一个由移动设备、边缘服务器、云服务器组成的边缘计算系统，通过排队论相关模型分析系统的关键性能指标，推导出包括但不限于边缘服务器平均延迟、应用部署在边缘服务器上的概率、忙期概率等相关指标的闭式表达式，提出高效的动态应用部署及更新策略。以最小化平均系统延时为目标构建出优化问题，其中存储空间以及能量消耗等都被约束。本发明所述方法构建了一种内点凸近似优化方法来确定用户任务卸载概率、应用响应阈值、应用等待持续时间、边缘服务器算力资源分配，从而使整个系统的平均时延最低。
基于休假排队应用服务动态部署更新方法

[发明专利]一种基于深度强化学习的多目标服务功能链的优先级感知部署方法-CN202211292097.9有效
发明人：王然;余雪;吴强;易畅言 -专利权人：南京航空航天大学
申请日： 2022-10-21 - 公布日： 2023-04-18 - 主分类号： H04L67/61 文献下载
摘要：本发明公开了一种基于深度强化学习的多目标服务功能链的优先级感知部署方法，主要用于解决当前SFC部署系统中不同业务需求的差异性、多样性和动态性问题。所述方法主要通过构建物理网络模型、SFC请求模型，且建立两者之间的映射关系，然后将SFC部署问题建模成马尔科夫决策模型，通过根据MDP模型中的状态信息和请求的优先级信息得到初步的部署策略，包括当前物理网络的状态以及正在被处理的SFC的状态，最后再结合扩展后的VNF的信息决策VNF的最佳放置位置，以最大化奖励，实现对多目标SFC的高效调度和部署。
一种基于深度强化学习多目标服务功能优先级感知部署方法

[发明专利]一种基于神经网络的缺失数据填充方法及系统-CN202010169564.3有效
发明人：张爱金;朱琨;王然;易畅言 -专利权人：南京航空航天大学
申请日： 2020-03-12 - 公布日： 2023-04-18 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及一种基于神经网络的缺失数据填充方法及系统。该方法包括：获取历史测量数据；根据所述历史测量数据进行模型训练，得到训练好的神经网络模型；获取发生数据缺失的测量数据；根据训练好的神经网络模型对所述发生数据缺失的测量数据进行估算，得到填充缺失数据后的完整数据。本发明不仅能够提升估算缺失数据的性能，而且能够降低缺失值估算的技术条件。
一种基于神经网络缺失数据填充方法系统

[发明专利]基于匹配博弈的边缘计算中的任务卸载和虚拟机放置方法-CN202210275956.7在审
发明人： 易畅言;强明珠;李娟;王然;吴强 -专利权人：南京航空航天大学
申请日： 2022-03-21 - 公布日： 2023-04-07 - 主分类号： G06F9/48 文献下载
摘要：本发明公开了一种基于匹配博弈的边缘计算中的任务卸载和虚拟机放置方法，该方法基于边缘服务器和工业互联网时序任务流之间的匹配博弈，包括建立具有边缘计算能力的工业互联网网络平台，以系统在寻求总的完成时间和总能耗之间的平衡为目标，在满足边缘服务器存储容量、时序任务流的完成时间和虚拟机部署需求的同时，共同决定最优虚拟机部署和工业互联网设备的时间敏感型时序任务流中的任务卸载决策。本发明所述方法通过联合优化来确定工业互联网时序应用的平均完成时间、系统的总能耗、时序任务流的任务卸载以及虚拟机的部署。
基于匹配博弈边缘计算中的任务卸载虚拟机放置方法

[发明专利]一种移动感知的多目标业务功能链部署和迁移方法-CN202211508259.8在审
发明人：吴强;张宇涵;王然;易畅言 -专利权人：南京航空航天大学
申请日： 2022-11-28 - 公布日： 2023-03-28 - 主分类号： H04L41/12 文献下载
摘要：本发明公开了一种移动感知的多目标业务功能链部署和迁移方法，用于解决多目标业务请求的移动终端的业务功能链的部署和迁移的决策问题。该方法主要通过构建网络拓扑结构，根据各自位置信息和物理网络拓扑中的可用资源信息与移动终端业务请求信息，将其作为基于深度强化学习的神经网络的输入，由控制中心的神经网络经计算得出最优化的策略，实现业务功能链的最优部署和迁移策略。本发明综合考虑了物理网络拓扑，移动终端和控制中心之间的决策影响，实现了高效的业务功能链部署和迁移策略，得出在不同情况下的最优部署和迁移位置，以求为更多的业务功能链提供服务，优化资源使用成本和迁移成本。
一种移动感知多目标业务功能部署迁移方法

[发明专利]一种面向移动边缘计算的服务迁移与任务重路由平衡和资源管理在线优化方法-CN202211100666.5在审
发明人：石优;易畅言;王然;吴强;陈兵 -专利权人：南京航空航天大学
申请日： 2022-09-09 - 公布日： 2022-12-27 - 主分类号： H04W28/08 文献下载
摘要：本发明公开了一种面向移动边缘计算的服务迁移与任务重路由平衡和资源管理在线优化方法，当移动设备发生边缘服务器接入切换时实现服务迁移和任务重路由之间的平衡，提供无缝且经济高效的计算服务。考虑到网络的动态性以及管理决策可能存在的异步性，包括随机的任务生成和时变的信道条件，本发明构建一个双时间尺度在线优化问题，以共同确定大时间尺度决策和小时间尺度决策，然后，基于改进的Lyapunov算法，结合随机舍入和拉格朗日对偶技术的迭代算法，使系统的长期平均服务时延达到渐近最优。
一种面向移动边缘计算服务迁移任务路由平衡资源管理在线优化方法

[发明专利]基于三重学习器的无人机辅助移动边缘计算强化学习方法-CN202211099729.X在审
发明人：李佳流源;易畅言;陈嘉源;吴强 -专利权人：南京航空航天大学
申请日： 2022-09-09 - 公布日： 2022-12-06 - 主分类号： H04W24/02 文献下载
摘要：本发明公开了一种基于三重学习器的无人机辅助移动边缘计算强化学习方法，首先以具备边缘计算能力的无人机和物联网设备建立移动边缘计算网络，且以网格的形式部署无人机，无人机作为移动边缘服务器，为物联网设备提供任务计算，并以所有无人机的能效最大为目标建立无人机的协同工作机制，针对无人机机动能力、存储空间和能量建立轨迹规划、应用部署和能量更新在内的多智能体随机博弈。本发明所述方法集成了轨迹学习器、应用学习器和能量学习器，解决了多架无人机移动边缘计算下的长期无人机能效优化问题，为无人机辅助移动边缘计算中无人机能效最大化的合理决策提供解决方案。
基于三重学习无人机辅助移动边缘计算强化学习方法

[发明专利]一种面向车辆互联网络中电车的移动充电调度方法-CN202210744524.6在审
发明人：王然;马振先;易畅言 -专利权人：南京航空航天大学
申请日： 2022-06-28 - 公布日： 2022-10-04 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种面向车辆互联网络中电车的移动充电调度方法，该方法结合电车的地理位置、用户需求、移动充电车的作业时间，建立车辆互联网的移动充电数学模型，从移动充电车最小完成时间角度对方法进行评价；然后将移动充电数学模型分解为移动充电车的部署问题以及电车的充电调度问题并进行求解；在移动充电车部署阶段，寻找最优地点，移动充电车部署至该地点。电车的充电调度问题可建模成无关并行机问题，并通过对整数变量进行松弛来求解；由于无关并行机问题是一个整数规划问题，可通过一种近似算法将变量松弛，得到近似整数解。本发明可为车辆互联网中电车移动充电问题提供移动充电车部署规划、充电策略规划提供参考。
一种面向车辆互联网络电车移动充电调度方法

[发明专利]基于强化学习的工业无线传感网中传感器采样调度方法-CN202210418139.2在审
发明人： 易畅言;营晨;石优;吴强 -专利权人：南京航空航天大学
申请日： 2022-04-20 - 公布日： 2022-08-12 - 主分类号： H04W4/38 文献下载
摘要：本发明公开了一种基于强化学习的工业无线传感网中传感器采样调度方法，该方法针对时序工业无线传感网络及边缘计算中传感器采样任务进行调度，包括定义指标Ageof Date Processing(AoDP)作为新鲜度来度量系统状态。本发明通过决策传感器和大小基站之间的接入模式选择和每个传感器的采样频率大小，在满足大小基站的带宽、计算资源最优化分配的前提下，以系统在寻求最小化接收终端系统状态新鲜度(AoDP)的目标，构建基于强化学习和动态规划的联合优化来对无线传感网中的采样任务下的各种不同类型传感器进行上行传输和等待时间的联合决策优化。本发明可以为无线传感网络和工业物联网中时间敏感应用最小化系统新鲜度和采样设备的合理决策提供参考。
基于强化学习工业无线传感传感器采样调度方法

1
2
下一页»
尾页
共 24 条