专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果1534387个,建议您升级VIP下载更多相关专利
  • [发明专利]适用于CPU-GPU异构集群的计算卸载和资源分配方法-CN202211051646.3在审
  • 巩宸宇;吴连涛;周勇 - 上海科技大学
  • 2022-08-31 - 2022-12-06 - H04W28/08
  • 本发明涉及一种适用于CPU‑GPU异构集群的计算卸载和资源分配方法,考虑了CPU‑GPU异构网络中的联合计算卸载和资源分配,以实现更低的系统开销和更高的GPU利用率。基于GPU的资源共享技术,将GPU的计算能力离散化,使计算资源分配被表述为整数规划。然后将任务调度建模为一个混合整数非线性规划问题,以最小化由延迟和能耗组成的总开销。我们将混合整数非线性规划问题分解以便计算卸载和资源分配可以被交替优化,这引出了联合模拟退火和凸优化的算法。进行了数值模拟来评估所提出的解决方案的性能,与传统方法相比,它在系统开销、受益UE的数量和加速比方面都是最佳的。
  • 适用于cpugpu集群计算卸载资源分配方法
  • [发明专利]云边端环境下可验证的轻量化可搜索加密方法-CN202310246747.4在审
  • 杜瑞忠;蒋浩宇;李明月 - 河北大学
  • 2023-03-15 - 2023-06-23 - H04L9/40
  • 通过引入边缘结点代替客户端执行计算签名及验证的任务,轻量化了客户端验证与存储开销。边缘结点解决了客户端计算、存储资源匮乏的问题。利用分布式双陷门公钥密码系统、子集决策机制、跨域安全计算协议技术,设计了一种搜索前过滤搜索任务的算法,整个过程在密文下计算,保障用户隐私,能在任务集有较多的无意义任务的情况下减少系统的通信开销。通过对比几种方案在离线关键字猜测攻击、多关键字、多用户、多数据持有人、可验证性等方面的差异,表明了本发明在整体的功能性、安全性、计算存储开销等方面具有一定的优势。
  • 云边端环境验证量化搜索加密方法
  • [发明专利]基于D2D通信的多任务联合计算卸载与资源分配方法-CN202210101461.2在审
  • 朱琦;韩跃林 - 南京邮电大学
  • 2022-01-27 - 2022-05-06 - H04W4/70
  • 本发明公开了基于D2D通信的多任务联合计算卸载与资源分配方法,该方法针对本地终端存在多个具有时延需求的计算任务时,本地终端的计算资源无法按时处理完成所有计算任务的问题,引入计算卸载机制来降低延迟及本地终端自身的开销该方法基于D2D通信技术,在移动终端密集分布的场景下,本地终端可将计算任务同时卸载到周围多个闲置终端上进行处理。该方法联合考虑任务延迟,能耗以及卸载费用,建立了总开销目标函数,针对各任务的任务属性选取最佳任务卸载决策,及最佳传输时间方案,完成本地终端上所有任务的计算需求。
  • 基于d2d通信任务联合计算卸载资源分配方法
  • [发明专利]一种基于深度强化学习的无人机辅助资源分配方法-CN202010644395.4在审
  • 郑镐;蒋丽;陈彬;薛龙男 - 广东工业大学
  • 2020-07-07 - 2020-11-10 - G06Q10/06
  • 本发明提供一种基于深度强化学习的无人机辅助资源分配方法,包括以下步骤:S1:构建深度强化学习模型,得到神经网络,并初始化神经网络参数;S2:获取智能设备产生的计算任务信息并整合成系统状态St对神经网络进行训练,得到系统动作At;S4:根据系统动作At计算得到相应的总开销Ctotal;S5:根据总开销Ctotal训练神经网络,得到使总开销最小化的系统动作;S6:完成神经网络的训练,按照得到的使总开销最小化的系统动作进行资源分配本发明提供一种基于深度强化学习的无人机辅助资源分配方法,解决了目前工业物联网智能设备的计算任务时间延迟和能量消耗都比较高的问题。
  • 一种基于深度强化学习无人机辅助资源分配方法
  • [发明专利]视频编码器、方法和装置及其帧间模式选择方法和装置-CN201410256916.3有效
  • 谷沉沉 - 腾讯科技(北京)有限公司
  • 2014-06-10 - 2017-12-26 - H04N19/50
  • 其中,当前深度Depth的初始值为1,帧间模式选择方法包括S701若跳过对编码单元CUDepth进行编码的编码开销计算,调用S703至S705,若不跳过,调用S702至S705;S702确定编码单元CUDepth的当前最优编码模式及编码开销;S703划分编码单元CUDepth为多个子编码单元,递归执行S701至S705,直至子编码单元的深度达到最大或满足终止划分条件,确定每个子编码单元的最优编码模式及编码开销;S704比较多个子编码单元的编码开销之和与编码单元CUDepth的当前编码开销的大小;S705确定S704中较小者对应的模式为最优编码模式。通过本发明,解决了现有技术中进行模式选择的计算复杂度偏高的问题,进而达到了降低复杂度、提高编码速度的效果。
  • 视频编码器方法装置及其模式选择

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top