CN116962199A - 一种基于环境感知的模型选择方法和装置 - Google Patents
一种基于环境感知的模型选择方法和装置 Download PDFInfo
- Publication number
- CN116962199A CN116962199A CN202210393266.1A CN202210393266A CN116962199A CN 116962199 A CN116962199 A CN 116962199A CN 202210393266 A CN202210393266 A CN 202210393266A CN 116962199 A CN116962199 A CN 116962199A
- Authority
- CN
- China
- Prior art keywords
- model
- environment information
- models
- current
- environment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010187 selection method Methods 0.000 title claims abstract description 7
- 238000004891 communication Methods 0.000 claims abstract description 104
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 14
- 230000007613 environmental effect Effects 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 abstract description 3
- 230000008447 perception Effects 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 15
- 238000013473 artificial intelligence Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/04—Protocols for data compression, e.g. ROHC
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Information Transfer Between Computers (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开提供了一种基于环境感知的模型选择方法和装置,方法包括:获取多个模型并加入模型库,每个模型对应于唯一的模型通信环境,模型通信环境对应设置有模型环境信息;采集当前的通信环境的当前环境信息;判断是否从模型库中搜索到接近当前环境信息的模型通信环境对应的模型;若是,从搜索到的模型中选择目标模型;若否,根据当前环境信息训练得到目标模型。本公开提高了根据不同的通信环境获取其相适应的模型,从而同时解决低时延、环境感知和模型更新的问题。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种基于环境感知的模型选择方法和装置。
背景技术
在未来的万物智联网络中,网络节点趋向于智能化,网络节点智能化导致了信息空间快速扩张、甚至维度灾难,加剧了表征信息承载空间的难度,导致传统的网络服务能力与高维信息空间难以匹配,通信传输的数据量过大,信息业务服务系统无法持续满足人们复杂、多样和智能化信息传输的需求。而通过人工智能模型来编码、传播、解码业务信息,可显著降低通信业务中的数据传输量,极大地提升了信息传输效率。这些模型相对稳定,并具有复用性、传播性。模型的传播和复用将有助于增强网络智能,同时降低开销和资源浪费,形成节点极智、网络极简的智简网络。
随着智简网络的逐步演进,目前还需要解决无法根据网络通信环境获取模型的问题。
发明内容
本公开提供了一种基于环境感知的模型选择方法和装置。
根据本公开的第一方面,提供了一种基于环境感知的模型选择方法,其中,方法包括:
获取多个模型并加入模型库,其中,每个模型对应于唯一的模型通信环境,模型通信环境对应设置有模型环境信息;
采集当前的通信环境的当前环境信息;
判断是否从模型库中搜索到接近当前环境信息的模型通信环境对应的模型;
若是,从搜索到的模型中选择目标模型;
若否,根据当前环境信息训练得到目标模型。
根据本公开的第二方面,提供了一种基于环境感知的模型选择装置,其中,包括:
模型库,存储多个模型,其中,每个模型对应于唯一的模型通信环境,模型通信环境对应设置有模型环境信息;
采集传感单元,用于采集当前的通信环境的当前环境信息;
判断单元,用于判断是否从模型库中搜索到接近当前环境信息的模型通信环境对应的模型;
若是,从搜索到的模型中选择目标模型;
若否,根据当前环境信息训练得到目标模型。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信违接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述方法。
本公开提供的技术方案带来的有益效果是:
本公开实施例提供的方案,结合了人工智能与通信网络,根据不同的通信环境获取其相适应的模型,当模型库中存在模型的模型通信环境接近当前环境信息时,直接获取与当前环境信息接近的模型通信环境对应的模型,并从中选择一个模型作为目标模型,当模型库中不存在模型的模型通信环境接近当前环境信息时,根据当前环境信息训练得到目标模型。从而同时解决低时延、环境感知和模型更新的问题。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例一提供的基于环境感知的模型选择方法的流程示意图;
图2是根据本公开实施例四提供的基于环境感知的模型选择装置的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
智简网络中主要通过人工智能模型传播业务信息,通过使用人工智能模型将待传播的第一业务信息压缩为与人工智能模型相关的第二业务信息,极大地降低了网络中的数据通信量,压缩效率进超传统的压缩算法。其中,发送端设备利用预先配置的第一模型对第一业务信息进行提取并得到待传输的第二业务信息;发送端设备向接收端设备传输第二业务信息。接收端设备接收第二业务信息,并利用预先配置的第二模型对第二业务信息进行恢复处理得到第三业务信息;经第二模型恢复的第三业务信息比起原先的第一业务信息会有些许质量上的差异,但两者在内容上是一致的,给用户的体验几乎是无差异的。在发送端设备向接收端设备传输第二业务信息之前,还包括:更新模块判断接收端设备是否需要对第二模型进行更新,并在判断需要更新时向接收端设备传输预先配置的第三模型,接收端设备利用第三模型对第二模型进行更新。通过预先训练好的人工智能模型对业务信息进行处理,可显著降低通信业务中的数据传输量,极大地提升了信息传输效率。这些模型相对稳定,并具有复用性、传播性。模型的传播和复用将有助于增强网络智能,同时降低开销和资源浪费。模型能够根据不同切分规则切分为若干个模型切片,上述模型切片也可以在不同的网络节点之间传输,模型切片可以组装成模型。模型切片可以分散存储在多个网络节点上。当网络节点请发现自己缺少或需要更新某模型或某模型切片时,可以通过请求的方式,向周围可能具有该切片的节点请求。
传输业务信息、传输模型均发生在通信网络中,基于网络协议进行通信传输。传输业务信息、传输模型的路径上经过的网络节点包括智简路由器。智简路由器的功能包括但不限于业务信息传输、模型传输,吸收模型自我更新,安全保护等功能。智简路由器的传输功能,涉及将业务信息或模型从信源节点传输到信宿节点,信源节点和信宿节点之间存在多个路径。智简路由器的模型传输功能,可以对模型切片进行传输,通过合理安排模型切片走多个路径,多路传输模型切片,提高模型传输速率。
实施例一
图1示出了本公开实施例提供的一种基于环境感知的模型选择方法,如图1所示,方法包括:
步骤S101,获取多个模型并加入模型库,其中,每个模型对应于唯一的模型通信环境,模型通信环境对应设置有模型环境信息;
步骤S102,采集当前的通信环境的当前环境信息;
步骤S103,判断是否从模型库中搜索到接近当前环境信息的模型通信环境对应的模型;
若是,从搜索到的模型中选择目标模型;
若否,根据当前环境信息训练得到目标模型。
本公开结合了人工智能与通信网络,根据不同的通信环境获取其相适应的模型,当模型库中存在模型的模型通信环境接近当前环境信息时,直接获取与当前环境信息接近的模型通信环境对应的模型,并从中选择一个模型作为目标模型,当模型库中不存在模型的模型通信环境接近当前环境信息时,根据当前环境信息训练得到目标模型。从而同时解决低时延、环境感知和模型更新的问题。
具体地,获取多个模型并加入模型库,此时模型库中包括:模型A1-A10;其中,模型A1对应于模型通信环境B1,模型A2对应于模型通信环境B2,以此类推,模型A10对应于模型通信环境B10;
采集当前的通信环境的当前环境信息C;
判断是否存在模型对应的模型通信环境接近当前环境信息;
若此时的模型通信环境B1、模型通信环境B3和模型通信环境B10接近当前环境信息C,则获取模型通信环境B1对应的模型A1、模型通信环境B3对应的模型A3和模型通信环境B10对应的模型A10,从模型A1、A3和A10中选择一个模型作为目标模型;
若否,根据当前环境信息训练得到目标模型。
需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本公开中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
本公开实施例提供了一种可能的实现方式,其中,采用感知节点采集当前通信环境的当前环境信息。
具体地,感知节点包括但不限于云服务器、小型基站、无人机、智能手机、笔记本电脑、智能交通工具等智能节点。
本公开实施例提供了一种可能的实现方式,其中,步骤S103具体包括以下步骤:
步骤S1031,计算当前环境信息与每个模型环境信息之间的相似度;
步骤S1032,响应于大于或等于预设数量的相似度高于预设相似度阈值时,从模型库中获取高于预设相似度阈值的相似度对应的模型环境信息对应的模型,并从获取得到的模型中选择目标模型;
步骤S1033,响应于小于预设数量的相似度高于预设相似度阈值时,根据当前环境信息训练得到目标模型。
需要说明的是,当相似度高于预设相似度阈值时,则确定该相似度对应的模型环境信息接近当前环境信息,反之,确定低于预设相似度阈值的相似度对应的模型环境信息不接近当前环境信息。
具体地,模型库中包括:模型A1-A10;其中,模型A1对应于模型通信环境B1,模型A2对应于模型通信环境B2,以此类推,模型A10对应于模型通信环境B10;
计算得到当前环境信息C与模型通信环境B1之间的相似度D1,计算得到当前环境信息C与模型通信环境B2之间的相似度D2,以此类推,计算得到当前环境信息C与模型通信环境B10之间的相似度D10;
分别判断相似度D1-D10中是否存在大于或等于预设数量的相似度大于预设相似度阈值;
可以将预设数量设置为1;
例如:此时的相似度D1、D3和D10均大于预设相似度阈值,此时获取得到相似度D1对应的模型通信环境B1对应的模型A1,和相似度D3对应的模型通信环境B3对应的模型A3,以及相似度D10对应的模型通信环境B10对应的模型A10,随后从模型A1、A3和A10中选择一个模型作为目标模型。
例如,此时的相似度均小于预设相似度阈值,此时根据当前环境信息训练得到目标模型。
判断是否从模型库中搜索到接近当前环境信息的模型通信环境对应的模型;
本公开实施例提供了一种可能的实现方式,其中,步骤S1032中的从获取得到的模型中选择目标模型,具体包括以下步骤:
将最高的相似度对应的模型通信环境对应的模型作为目标模型。
具体地,模型库中包括:模型A1-A10;其中,模型A1对应于模型通信环境B1,模型A2对应于模型通信环境B2,以此类推,模型A10对应于模型通信环境B10;
计算得到当前环境信息C与模型通信环境B1之间的相似度D1,计算得到当前环境信息C与模型通信环境B2之间的相似度D2,以此类推,计算得到当前环境信息C与模型通信环境B10之间的相似度D10;
此时的相似度D1、D3和D10均大于预设相似度阈值,并且相似度D1大于相似度D3,相似度D3大于相似度D10,随后将相似度D1对应的模型通信环境B1对应的模型A1作为目标模型。
本公开实施例提供了一种可能的实现方式,其中,在步骤S102之后还包括:
将当前环境信息存储至通信网。
本公开实施例提供了一种可能的实现方式,其中,当前环境信息包括流量、业务内容、业务大小和节点计算能力;
模型环境信息包括流量、业务内容、业务大小和节点计算能力。
需要说明的是,当前环境信息不仅包括上述环境区分因子,其中,上述环境区分因子为流量、业务内容、业务大小和节点计算能力,还包括其他环境区分因子,不同的环境区分因子在模型划分和选择时具有不同权重。
本公开实施例提供了一种可能的实现方式,其中,还包括:
将训练得到的目标模型存储到模型库中,从而实现模型更新。
实施例二
图2示出了本公开实施例提供的一种基于环境感知的模型选择装置,包括:
模型库201,存储多个模型,其中,每个模型对应于唯一的模型通信环境,模型通信环境对应设置有模型环境信息;
采集传感单元202,用于采集当前的通信环境的当前环境信息;
判断单元203,用于判断是否从模型库中搜索到接近当前环境信息的模型通信环境对应的模型;
若是,从搜索到的模型中选择目标模型;
若否,根据当前环境信息训练得到目标模型。
本公开结合了人工智能与通信网络,根据不同的通信环境获取其相适应的模型,当模型库中存在模型的模型通信环境接近当前环境信息时,直接获取与当前环境信息接近的模型通信环境对应的模型,并从中选择一个模型作为目标模型,当模型库中不存在模型的模型通信环境接近当前环境信息时,根据当前环境信息训练得到目标模型。从而同时解决低时延、环境感知和模型更新的问题。
对于本公开实施例,其实现的有益效果同上述一种基于环境感知的模型选择方法实施例,此处不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不远背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质。
该电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信违接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述方法。
该电子设备结合了人工智能与通信网络,根据不同的通信环境获取其相适应的模型,当模型库中存在模型的模型通信环境接近当前环境信息时,直接获取与当前环境信息接近的模型通信环境对应的模型,并从中选择一个模型作为目标模型,当模型库中不存在模型的模型通信环境接近当前环境信息时,根据当前环境信息训练得到目标模型。从而同时解决低时延、环境感知和模型更新的问题。
该存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本公开实施例提供的方法。
该可读存储介质结合了人工智能与通信网络,根据不同的通信环境获取其相适应的模型,当模型库中存在模型的模型通信环境接近当前环境信息时,直接获取与当前环境信息接近的模型通信环境对应的模型,并从中选择一个模型作为目标模型,当模型库中不存在模型的模型通信环境接近当前环境信息时,根据当前环境信息训练得到目标模型。从而同时解决低时延、环境感知和模型更新的问题。
其中,电子设备包括处理器、通信接口、存储器以及通信总线,其中,通信总线用于完成处理器、通信接口以及存储器之间的相互通信;通信接口用于该电子设备与其它设备之间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器内存放的计算机程序,以实现上述任一实施例中的网络节点接入网络的方法。计算机可读存储介质内存储有计算机程序,计算机程序在被处理器执行时实现上述任一实施例中的网络节点接入网络的方法,其中,计算机可读存储介质可以是计算机能够存储或获取的任何介质,介质的形式包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述形式的任意组合。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (9)
1.一种基于环境感知的模型选择方法,其特征在于,包括:
获取多个模型并加入模型库,其中,每个模型对应于唯一的模型通信环境,所述模型通信环境对应设置有模型环境信息;
采集当前的通信环境的当前环境信息;
判断是否从所述模型库中搜索到接近所述当前环境信息的模型通信环境对应的模型;
若是,从搜索到的模型中选择目标模型;
若否,根据所述当前环境信息训练得到目标模型。
2.如权利要求1所述的基于环境感知的模型选择方法,其特征在于,获取所述目标模型,具体包括以下步骤:
计算所述当前环境信息与每个所述模型环境信息之间的相似度;
响应于大于或等于预设数量的所述相似度高于预设相似度阈值,从所述模型库中获取高于所述预设相似度阈值的所述相似度对应的所述模型环境信息对应的模型,并从获取得到的模型中选择目标模型;
响应于小于所述预设数量的所述相似度高于所述预设相似度阈值时,根据所述当前环境信息训练得到目标模型。
3.如权利要求2所述的基于环境感知的模型选择方法,其特征在于,所述从获取得到的模型中选择目标模型,具体包括以下步骤:
将最高的所述相似度对应的模型通信环境对应的模型作为所述目标模型。
4.如权利要求1所述的基于环境感知的模型选择方法,其中,还包括:
将所述当前环境信息存储至通信网。
5.如权利要求1-3任一所述的基于环境感知的模型选择方法,其中,所述当前环境信息包括流量、业务内容、业务大小和节点计算能力中的至少一种;
所述模型环境信息包括流量、业务内容、业务大小和节点计算能力中的至少一种。
6.如权利要求1所述的基于环境感知的模型选择方法,其中,还包括:
将所述训练得到的目标模型存储到所述模型库中。
7.一种基于环境感知的模型选择装置,其特征在于,包括:
模型库,存储多个模型,其中,每个模型对应于唯一的模型通信环境,所述模型通信环境对应设置有模型环境信息;
采集传感单元,用于采集当前的通信环境的当前环境信息;
判断单元,用于判断是否从所述模型库中搜索到接近所述当前环境信息的模型通信环境对应的模型;
若是,从搜索到的模型中选择目标模型;
若否,根据所述当前环境信息训练得到目标模型。
8.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信违接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210393266.1A CN116962199A (zh) | 2022-04-15 | 2022-04-15 | 一种基于环境感知的模型选择方法和装置 |
PCT/CN2023/088542 WO2023198212A1 (zh) | 2022-04-15 | 2023-04-15 | 一种基于环境感知的模型选择方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210393266.1A CN116962199A (zh) | 2022-04-15 | 2022-04-15 | 一种基于环境感知的模型选择方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116962199A true CN116962199A (zh) | 2023-10-27 |
Family
ID=88329082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210393266.1A Pending CN116962199A (zh) | 2022-04-15 | 2022-04-15 | 一种基于环境感知的模型选择方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116962199A (zh) |
WO (1) | WO2023198212A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2907059B1 (en) * | 2012-10-12 | 2019-04-03 | Technische Universität Dortmund | Computer implemented method for hybrid simulation of power distribution network and associated communication network for real time applications |
KR20140134490A (ko) * | 2013-05-14 | 2014-11-24 | 한국전자통신연구원 | 환경 데이터 모델 구조를 이용하여 가상-물리 시스템에서 환경 객체를 표현하기 위한 방법 및 이를 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체 |
WO2020149428A1 (ko) * | 2019-01-15 | 2020-07-23 | 엘지전자 주식회사 | 학습 장치 |
CN112965381B (zh) * | 2021-02-09 | 2022-11-11 | 重庆高开清芯智联网络科技有限公司 | 一种协作智能自适应决策模型的建立方法 |
CN113590232B (zh) * | 2021-08-23 | 2023-04-25 | 南京信息工程大学 | 一种基于数字孪生的中继边缘网络任务卸载方法 |
CN114302407B (zh) * | 2022-01-14 | 2024-07-09 | 清华大学 | 网络决策方法及装置、电子设备和存储介质 |
-
2022
- 2022-04-15 CN CN202210393266.1A patent/CN116962199A/zh active Pending
-
2023
- 2023-04-15 WO PCT/CN2023/088542 patent/WO2023198212A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023198212A1 (zh) | 2023-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108900355B (zh) | 一种星地多级边缘网络资源分配方法 | |
CN108763534B (zh) | 用于处理信息的方法和装置 | |
CN105022760B (zh) | 一种新闻推荐方法及装置 | |
Jeon et al. | A distributed NWDAF architecture for federated learning in 5G | |
Wang et al. | Edge intelligence for mission cognitive wireless emergency networks | |
CN110971533B (zh) | 用于数据通信的方法、服务器装置、客户端装置和介质 | |
CN208940010U (zh) | 一种内外网同步系统 | |
Xia et al. | The interplay between artificial intelligence and fog radio access networks | |
CN103080969B (zh) | 协作信息收集系统和协作信息收集方法 | |
CN116962199A (zh) | 一种基于环境感知的模型选择方法和装置 | |
WO2024001266A9 (zh) | 视频流传输的控制方法及装置、设备、介质 | |
CN110661566A (zh) | 一种采用深度图嵌入的无人机集群组网方法与系统 | |
CN114205238B (zh) | 网络资源优化、模型训练方法、装置、存储介质及设备 | |
CN107710793A (zh) | 一种定位方法及对应装置 | |
KR20190077926A (ko) | 사물인터넷 디바이스 모니터링 프레임워크, 이를 탑재한 포그 서버 및 포그 컴퓨팅 시스템 | |
CN105100235B (zh) | 一种扫地机器人的信息分享方法及服务器 | |
CN115087042A (zh) | 5g专网数据分流方法、装置、设备及存储介质 | |
EP3905746A1 (en) | Frequency spectrum management apparatus, frequency spectrum management method and computer-readable storage medium | |
CN112687267A (zh) | 一种物联网数据语义处理系统 | |
CN103532800B (zh) | M2m家居网络及根据该网络进行智能处理的方法 | |
CN116708180A (zh) | 一种信道传播方法和装置 | |
Liu et al. | Cross-Modal Generative Semantic Communications for Mobile AIGC: Joint Semantic Encoding and Prompt Engineering | |
CN116600361B (zh) | 无人机组网配置方法、设备和可读存储介质 | |
CN116962447A (zh) | 一种道路信息的识别方法和装置 | |
CN116614547A (zh) | 一种网络节点接入网络的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |