Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安交通大学唐晓获国家专利权

西安交通大学唐晓获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉西安交通大学申请的专利一种基于深度展开图神经网络的多簇空中计算方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119669698B

龙图腾网通过国家知识产权局官网在2026-01-16发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411830358.7,技术领域涉及:G06F18/20;该发明授权一种基于深度展开图神经网络的多簇空中计算方法及系统是由唐晓;肖慧荣;沈超;杜清河;王熠晨设计研发完成,并于2024-12-12向国家知识产权局提交的专利申请。

一种基于深度展开图神经网络的多簇空中计算方法及系统在说明书摘要公布了:本发明公开了一种基于深度展开图神经网络的多簇空中计算方法及系统,属于无线网络中的空中计算技术领域,首先,定义异构图神经网络中的聚合中心节点,无线设备节点和连接两种节点的边;其次,将需要求解的多簇控制计算优化问题,分解为展开结构的神经网络求解模块。接着,设计神经网络求解模块中的特征提取与特征嵌入方法;然后设计异构图神经网络编码器将特征进行聚合,聚合的特征经过设计好的多层感知机解码器映射为需要优化的变量;最后设计整个网络的参数共享策略以及神经网络的学习方法,训练神经网络,得到一个通用的模型。本发明的方案在计算速率方面优于现有优化方案,且求解速度得到极大提升,并且具有很强泛化能力。

本发明授权一种基于深度展开图神经网络的多簇空中计算方法及系统在权利要求书中公布了:1.一种基于深度展开图神经网络的多簇空中计算方法,其特征在于,包括以下步骤: S1、定义异构图神经网络中的聚合中心节点,无线设备节点和连接两种节点的边; S2、基于步骤S1定义的聚合中心节点,无线设备节点和连接两种节点的边,将需要求解的多簇控制计算优化问题分解为展开结构的神经网络求解模块,将空中计算问题展开为级联的多个神经网络计算模块,对于模块j,输入当前的信道信息{}以及上一个模块输出的传输因子,输出优化后的传输因子; 求解模块封装为一个对传输因子的优化器,内部包括最优接收波束子模块,最优传输因子相位子模块和传输因子模值优化子模块,最优接收波束子模块分别与最优传输因子相位子模块和传输因子模值优化子模块采取级联的结构,最优传输因子相位子模块和传输因子模值优化子模块采取并联结构,最后组合形成优化后的复传输因子; S3、设计步骤S2得到的神经网络求解模块中的特征提取方法,从输入的信道信息和上一个求解模块输出的传输因子中获取决定当前求解模块输出的关键特征,异构图神经网络中无线设备节点的特征提取采用如下方案: 其中,为第j个求解模块输入的无线设备的特征,括号内的各项分别代表无线设备的旧的传输因子,对应的聚合中心的等效信道,对其他聚合中心的干扰信道,对应的聚合中心的接收功率,对其他聚合中心的干扰功率; 异构图神经网络中聚合中心节点的特征提取采用类似的方案: 其中,为第j个求解模块输入的聚合中心k的特征,括号内各项分别代表聚合中心k旧的均方误差,聚合中心接收的来自有效设备的等效干扰信道和,聚合中心接收的来自干扰设备的干扰信道和,聚合中心接收的有效功率和,聚合中心接收的干扰功率和; S4、设计神经网络的特征嵌入方法,对步骤S3得到的关键特征进行嵌入,将低维特征映射到高维特征,设备节点和聚合中心节点k的嵌入操作表示为: 其中,和分别代表嵌入后无线设备和聚合中心k的特征,嵌入层为单层神经网络,使用tanh函数作为激活函数,为设备特征嵌入神经网络,为设备特征嵌入神经网络参数,为聚合中心特征嵌入神经网络参数,为聚合中心k经过嵌入层输出的嵌入特征,为设备经过特征嵌入层输出的嵌入特征; S5、基于步骤S4嵌入的关键特征设计图神经网络编码器,定义图神经网络中消息生成和消息聚合的方法,编码器由I层信息传递组成,每层编码器包括,信息传递包括消息生成、聚合和组合,构成级联的线性层,对于消息聚合,每个节点通过加权和聚合其他类型节点的特征,即设备节点聚合中心节点的特征,节点通过一个带有层归一化功能的线性层,将先前特征和获得的聚合消息结合起来,这个过程表示为;在异构图神经网络编码器中提出的信息传递机制中引入系数,定义信息传递,使信息在不同类型的节点间传递,相同类型节点不之间进行信息传递; S6、设计多层感知机作为解码器,将步骤S5得到的图神经网络的输出解码为需要优化的变量; S7、设计图神经网络参数共享策略以及图神经网络的学习方法,对图神经网络进行训练,得到具有良好泛化能力的模型,将新场景下网络的信道信息作为输入传递给模型,输出每个无线设备的传输因子,以及每个聚合中心的接收波束,实现多簇空中计算速率的提升。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西安交通大学,其通讯地址为:710049 陕西省西安市碑林区咸宁西路28号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。