期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
软件定义的无人机网络架构研究综述 被引量:2
1
作者 余思聪 樊阳 +1 位作者 马彩虹 《电讯技术》 北大核心 2023年第3期448-456,共9页
软件定义网络(Software Defined Network,SDN)依靠着其集中控制、可编程性和数控分离等优点,能够有效解决无人机网络(Flying Ad Hoc Network,FANET)面临的任务拓扑高度变化、网络链路连接不稳定、网络安全防护脆弱以及应用程序的异构性... 软件定义网络(Software Defined Network,SDN)依靠着其集中控制、可编程性和数控分离等优点,能够有效解决无人机网络(Flying Ad Hoc Network,FANET)面临的任务拓扑高度变化、网络链路连接不稳定、网络安全防护脆弱以及应用程序的异构性等问题,极大地提升FANET的灵活性和可靠性。针对SDN架构与FANET的结合问题,描述了SDN的体系架构,并以SDN控制器部署方式为关注点分类别概括了近几年软件定义无人机网络(Software-defined Flying Ad Hoc Network,SD-FANET)的研究进展,重点阐述了结合移动边缘计算(Mobile Edge Computing,MEC)的SD-FANET研究现状,最后指出了SD-FANET的应用场景和一些具体的未来研究方向。 展开更多
关键词 无人机网络(FANET) 软件定义网络(SDR) 软件定义无人机网络(SD-FANET) 移动边缘计算(MEC)
下载PDF
一种面向战术边缘的智能云服务模型
2
作者 邱鑫源 +1 位作者 余思聪 崔翛龙 《火力与指挥控制》 CSCD 北大核心 2023年第6期7-13,共7页
针对战术边缘环境下遂行作战任务时面临资源紧张匮乏、数据处理能力弱、指挥通信时延大及相应的需求等问题,引入新兴的边缘计算技术和人工智能算法,提出一种面向战术边缘的智能云服务模型,以实现将强大云服务能力向战术边缘环境扩展,为... 针对战术边缘环境下遂行作战任务时面临资源紧张匮乏、数据处理能力弱、指挥通信时延大及相应的需求等问题,引入新兴的边缘计算技术和人工智能算法,提出一种面向战术边缘的智能云服务模型,以实现将强大云服务能力向战术边缘环境扩展,为战场终端用户提供快速、稳定、高效的信息服务和数据处理能力,分别从模型框架、功能服务、指挥控制、相关技术等方面对模型进行描述;通过仿真实例对模型进行验证分析。 展开更多
关键词 战术边缘 云服务 边缘计算 人工智能
下载PDF
边缘计算中的计算卸载综述 被引量:3
3
作者 余思聪 +2 位作者 崔翛龙 朱利 柏财通 《计算机系统应用》 2021年第12期28-36,共9页
边缘计算可以有效解决传统云计算中传输时延大、用户数据安全性不够高、传输带宽压力大以及终端移动设备计算能力受限、能耗大等问题.计算卸载是边缘计算中的关键技术,针对当前计算卸载技术的研究现状和存在的不足,本文围绕计算卸载,首... 边缘计算可以有效解决传统云计算中传输时延大、用户数据安全性不够高、传输带宽压力大以及终端移动设备计算能力受限、能耗大等问题.计算卸载是边缘计算中的关键技术,针对当前计算卸载技术的研究现状和存在的不足,本文围绕计算卸载,首先介绍边缘计算的体系架构以及部分应用和分析4种主要的影响因素以及相应具体的条件;其次针对3种决策目标分析了算法策略及对应变量在算法中的作用;最后总结目前在计算卸载中存在的不足. 展开更多
关键词 边缘计算 计算卸载 卸载策略 优化算法 安全性
下载PDF
基于元强化学习的自适应卸载方法
4
作者 余思聪 +1 位作者 邱鑫源 崔翛龙 《电讯技术》 北大核心 2024年第2期177-183,共7页
计算卸载是移动边缘网络中的一个关键问题,基于深度学习的算法为高效生成卸载策略提供了一种解决方法。但考虑到移动终端设备的动态性以及不同任务场景之间的转换,需要大量的训练数据和较长的训练时间重新训练神经网络模型,即这些方法... 计算卸载是移动边缘网络中的一个关键问题,基于深度学习的算法为高效生成卸载策略提供了一种解决方法。但考虑到移动终端设备的动态性以及不同任务场景之间的转换,需要大量的训练数据和较长的训练时间重新训练神经网络模型,即这些方法对新环境的适应能力较弱。针对这些不足,提出了一种基于元强化学习(Meta Reinforcement Learning,MRL)的自适应卸载方法,先对外部模型进行预训练,处理具体任务时再基于外部模型训练内部模型。该方法能快速适应具有少量梯度更新的样本的新环境。仿真实验表明,该算法能够适应新的任务场景,效果良好。 展开更多
关键词 移动边缘计算(MEC) 自适应卸载 元强化学习
下载PDF
基于自监督知识迁移的鲁棒性语音识别技术 被引量:2
5
作者 柏财通 崔翛龙 +1 位作者 李爱 《计算机应用》 CSCD 北大核心 2022年第10期3217-3223,共7页
针对标注神经网络训练数据的成本日益增加与噪声干扰阻碍语音识别系统性能提升的问题,提出一种基于自监督知识迁移的鲁棒性语音识别模型的模型训练算法。首先,在预处理阶段提取原始语音样本的三个人工特征;然后,在训练阶段将特征提取网... 针对标注神经网络训练数据的成本日益增加与噪声干扰阻碍语音识别系统性能提升的问题,提出一种基于自监督知识迁移的鲁棒性语音识别模型的模型训练算法。首先,在预处理阶段提取原始语音样本的三个人工特征;然后,在训练阶段将特征提取网络生成的高级特征分别通过三个浅层网络来拟合预处理阶段提取的人工特征;同时,把特征提取前端与语音识别后端进行交叉训练,并合并它们的损失函数;最后,通过梯度反向传播令特征提取网络学会提取更有助于去噪语音识别的高级特征,从而实现人工知识迁移与去噪,并高效利用了训练数据。在军事装备控制的应用场景下,基于加噪后的THCHS-30、希尔贝壳数据集AISHELL-1与ST-CMDS这三个开源中文语音识别数据集以及军事装备控制指令的数据集上进行测试,实验结果表明,基于自监督知识迁移的鲁棒性语音识别模型的模型训练算法词错率可以降低到0.12,不仅可以实现对鲁棒性语音识别模型的模型训练,同时通过自监督知识迁移提高了训练样本的利用率,可完成装备控制任务。 展开更多
关键词 知识迁移 鲁棒性语音识别 自监督学习 中文语音识别 语音去噪
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部