基于UAV边缘处理的电力包供能基站协同方法.pdf
是你****韵呀
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于UAV边缘处理的电力包供能基站协同方法.pdf
本发明实例公开了一种基于UAV(无人机)边缘处理的能量定量供给基站的任务协同卸载方法,针对某电力包供电的地面基站覆盖的蜂窝区可能存在由于短时间涌入大量用户而使基站计算资源超载和能量资源短缺的情况,在空中部署一架附带有一定的计算能力UAV作为空中基站,以此减轻地面基站的负荷,提高用户的服务质量。考虑电力包供给基站能量数量,服务控制器分配最优基站,空中基站UAV接收任务数据并执行计算,将超载任务量转发至地面基站执行。即,在本发明实例中,UAV作为拥有边缘计算能力的空中基站接收地面用户的卸载任务并在其最大自身计
一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法.pdf
本发明公开了一种RIS辅助UAV边缘计算系统中无线供能的能效优化方法,包括:根据用户传输能耗和UAV计算能耗,构造以最小化系统能耗为目标的优化问题;根据终端设备的卸载决策对UAV资源分配的影响,采用分支定界法对二者求最优解;根据得到的卸载决策和资源分配,采用半正定松弛法对RIS上下行波束成形矩阵求解,采用连续松弛对UAV轨迹求解;通过块坐标下降法,迭代更新至卸载决策、资源分配、RIS上下行波束成形矩阵和UAV轨迹收敛,得到最小系统能耗;本发明能耗较传统UAV边缘计算系统有明显降低。
基于边缘增长的协同训练方法.docx
基于边缘增长的协同训练方法基于边缘增长的协同训练方法摘要:边缘增长是一种常用的图像分割算法,其基本思想是从像素种子开始,沿着边缘逐渐生长,直到边缘闭合为止。然而,在传统的边缘增长方法中,缺少对边缘生长过程中的协同训练,导致分割结果可能存在错误。为了解决这个问题,本文提出了一种基于边缘增长的协同训练方法。该方法首先使用卷积神经网络(CNN)对图像进行初步分割,得到初始的边缘种子。然后,在边缘增长的过程中,通过对每个生长步骤进行协同训练,使得边缘能够更准确地生长,并得到更精确的分割结果。实验证明,所提出的方法
一种基于深度学习的无线供能边缘计算延迟优化方法.pdf
本发明公开了一种基于深度学习的无线供能边缘计算延迟优化方法,属于边缘计算领域。本发明的优化方法,包括以下步骤:1)基于节点协同传输的无线供能边缘计算,建立任务卸载到边缘服务器时延模型;2)采用分段线性化算法将边缘服务器时延模型转化为线性整数规划模型;3)进行仿真实验验证优化方法的有效性,若时延得到优化,转到步骤4);否则,转到步骤2);4)求解线性整数规划模型获得训练深度置信网络的数据集;5)利用生成的数据集训练DBN网络,直至错误率小于预设值,得到训练好的网络模型。解决了关于无线供能边缘计算网络的“远近
基于边缘计算的电力巡检图像处理方法、装置和设备.pdf
本申请涉及一种基于边缘计算的电力巡检图像处理方法、装置和设备。所述方法包括:获取对目标电力对象进行巡检拍摄得到的电力巡检图像,以及,获取所述目标电力对象对应的标准故障图像集合;若所述标准故障图像集合中的其中一帧参考图像与所述电力巡检图像间的相似度满足预设条件,则对所述电力巡检图像进行分类处理,得到图像分类结果;所述图像分类结果为所述电力巡检图像是否为异常图像的结果;若确定所述电力巡检图像为所述异常图像,则发送所述电力巡检图像至后台服务器;所述后台服务器用于对所述电力巡检图像进行识别处理,获得针对所述目标电