【CN109947954A】多任务协同识别方法及系统【专利】
一种多点协作传输方法及系统[发明专利]
![一种多点协作传输方法及系统[发明专利]](https://img.taocdn.com/s3/m/8b3df309aeaad1f347933fd0.png)
专利名称：一种多点协作传输方法及系统专利类型：发明专利
发明人：郭阳
申请号：CN200910150725.8
申请日：20090624
公开号：CN101931439A
公开日：
20101229
专利内容由知识产权出版社提供
摘要：本发明公开了一种多点协作传输方法及系统，为了解决现有技术中没有利用波束赋型技术实现CoMP传输的具体实施方案的问题，本发明公开的方法包括：确定用户终端位于3个彼此相邻蜂窝小区的边缘；3个彼此相邻蜂窝小区的基站分别使用同一波束组中的3个方向彼此不同的波束对用户终端进行多点协作传输服务，所述同一波束组由覆盖蜂窝小区6个角中彼此不相邻的3个角的波束组成，正是由于对于小区边缘UE进行分组处理，将通过波束组对边缘UE进行多点协作传输服务，因此可以实现利用波束赋型技术实现CoMP传输。
申请人：中兴通讯股份有限公司
地址：518057 广东省深圳市南山区高新技术产业园科技南路中兴通讯大厦法务部
国籍：CN
代理机构：北京同达信恒知识产权代理有限公司
代理人：郭润湘
更多信息请下载全文后查看。
超级计算技术中的多任务协同与协作方法
超级计算技术中的多任务协同与协作方法超级计算技术作为一种强大的计算能力的工具，被广泛应用于各个领域，包括科学研究、工程设计和金融等。
随着计算任务的日益复杂和庞大，多任务协同与协作成为了提高超级计算效率和性能的关键。
多任务协同和协作是指在超级计算环境中，同时运行多个计算任务，各个任务可以共享资源、共同进展，从而提高整个系统的计算效率和性能。
为了实现多任务协同与协作，需要采用一系列的方法和技术。
首先，任务调度算法是多任务协同和协作的基础。
在超级计算系统中，有大量的计算任务需要同时执行，这些任务的特点各不相同，包括优先级、资源需求等。
因此，任务调度算法需要根据任务的特点和资源的限制，合理分配计算资源，使得各个任务能够按照预期顺利完成。
常用的任务调度算法包括最短作业优先、最高优先级优先等。
其次，任务间的通信机制是多任务协同的关键。
在超级计算环境中，不同的任务可能需要进行数据交流和共享，通过相互协作来完成更复杂的计算任务。
通信机制需要提供高效的数据传输和同步机制，保证各个任务之间的互动顺利进行。
常见的通信机制包括消息传递接口（MPI）和分布式共享内存（DSM）等。
此外，资源管理和调度非常重要。
超级计算系统中的资源包括计算节点、存储空间、网络带宽等，这些资源的合理分配和管理对于多任务协同和协作具有重要意义。
资源管理和调度需要考虑任务的需求、系统的负载和性能等因素，通过动态调整资源的分配来优化计算任务的执行。
最后，容错机制是保障多任务协同和协作稳定进行的重要手段。
超级计算系统中，由于任务的复杂性和计算量的庞大，经常会出现错误和故障。
为了避免整个系统的崩溃，需要引入容错机制，及时发现和处理错误，保证任务的正常执行。
容错机制包括错误检测和纠正、任务重启和容错恢复等。
在实际应用中，多任务协同与协作方法已经出现了一些成功的案例。
以气象预测为例，气象学家利用超级计算技术对大气动力学方程进行模拟和计算，从而预测未来的天气情况。
融合视听感知的多任务协同识别方法及系统[发明专利]
![融合视听感知的多任务协同识别方法及系统[发明专利]](https://img.taocdn.com/s3/m/c7bc3f3876a20029bc642d22.png)
专利名称：融合视听感知的多任务协同识别方法及系统专利类型：发明专利
发明人：明悦
申请号：CN201810746362.3
申请日：20180709
公开号：CN108804715A
公开日：
20181113
专利内容由知识产权出版社提供
摘要：本发明提供了一种融合视听感知的多任务协同识别方法和系统，属于多源异构数据处理识别技术领域，该系统包括通用特征提取模块、协同特征学习模块、适境反馈评估识别模块；基于多源异构数据的时间同步匹配机制，提取多源异构数据的通用特征；建立长时依赖记忆模型，结合基于外部依赖的协同注意机制，对所述通用特征作为先验知识进行持续学习；提取多源异构数据中的环境感知参数，建立渐进式网络深度协同增强识别机制，结合所述记忆模型的学习特征和任务需求，实现多任务识别。
本发明结合环境感知的适境计算理论，通过深度增强反馈判断出待识别任务的权重，自适应地根据环境变化调整待识别任务的优先级，实现多个视听觉感知识别结果同时输出的效果。
申请人：北京邮电大学
地址：100876 北京市海淀区西土城路10号
国籍：CN
代理机构：北京市商泰律师事务所
代理人：黄晓军
更多信息请下载全文后查看。
一种云边协同的应用实时识别方法及系统[发明专利]
![一种云边协同的应用实时识别方法及系统[发明专利]](https://img.taocdn.com/s3/m/daf9150b657d27284b73f242336c1eb91a3733c4.png)
专利名称：一种云边协同的应用实时识别方法及系统专利类型：发明专利
发明人：王春文
申请号：CN202111586019.5
申请日：20211223
公开号：CN114417079A
公开日：
20220429
专利内容由知识产权出版社提供
摘要：本发明揭示了一种云边协同的应用实时识别方法及系统。
本发明通过将云计算和边缘计算相结合的方式，充分利用了设备的算力，提升了识别过程的效率和识别结果的准确性。
在本发明方法的执行过程中，云端能够根据不同的网关访问情况，定制不同的特征库，有效地节约了网关存储空间、避免了对识别速度的影响。
同时，云端还具备实时下发条件的能力，充分地保证了方法执行过程中特征库的时效性，为后续其他业务的开展奠定了基础。
申请人：苏州迈科网络安全技术股份有限公司
地址：215127 江苏省苏州市工业园区金芳路18号东坊创智园地B2栋5楼
国籍：CN
代理机构：南京苏科专利代理有限责任公司
代理人：姚姣阳
更多信息请下载全文后查看。
【CN109407644A】一种用于制造企业多Agent协同控制方法及系统【专利】
CN 109407644 A
权 利 要 求 书
2/2 页
型，实现Agent之间的协同控制。 7 .如权利要求6所述的一种用于制造企业多Agent协同控制系统，其特征是，所述模型
构建模块中所构建的所述智能协同分布式层次控制模型按层次分层，分为上层和下层，上 层是系统Agent，下层的每个车间Agent均有一个车间控制Agent和多个现场Agent；
( 19 )中华人民 共和国国家知识产权局
( 12 )发明专利申请
(21)申请号 201910013146 .2
(22)申请日 2019 .01 .07
(71)申请人 齐鲁工业大学 地址 250353 山东省济南市长清区大学路 3501号
(72)发明人 姜雪松 李志鹏 尉秀梅 李东旺 韩佳蓉 姚帅帅
(74)专利代理机构 济南圣达知识产权代理有限 公司 37221
代理人 李圣梅
(51)Int .Cl . G05B 19/418(2006 .01)
(10)申请公布号 CN 109407644 A (43)申请公布日 2019.03.01
( 54 )发明 名称 一种用于制造企业多Agent协同控制方法及
权利要求书2页 说明书8页 附图3页
CN 109407644 A
CN 109407644 A
权 利 要 求 书
1/2 页
1 .一种用于制造企业多Agent协同控制方法，其特征是，包括： 构建面向 全过程的 智能 协同 分布式 层次 控 制模型 ，该模型由 总线连接 系统Agent和各 种车间Agent组成； 利用DS_MADDPG算法求解该分布状态的智能协同分布式层次控制模型，实现Agent之间 的协同控制。 2 .如权利要求1所述的一种用于制造企业多Agent协同控制方法，其特征是，所述智能 协同分布式层次控制模型按层次分层，分为上层和下层，上层是系统Agent，下层的每个车 间Agent均有一个车间控制Agent和多个现场Agent； 对于系统Agent发出的任务 ，每个子车间里面的车间Agent可以 相互配合 ，实现任务 Agent的分解； 同时 ，每个子车间Agent可以 将分配的任务分配给现场Agent ，现场Agent可以 相互合作 完成任务。 3 .如权利要求2所述的一种用于制造企业多Agent协同控制方法，其特征是，DS_MADDPG 算法求解具体如下： 使用多核多线程创建多个并行工作线程环境； 从经验池D中对S个样本进行采样的批量数据M被分成K个部分并分发给k个不同Agent 处理； 调整MADDPG中critic网络的评价模式，并使用advantage A作为actor网络的动作的评 价，Critic网络的输出是一个值； 使用n步更新动作的Q值来获得advantage A； 然后计算 损失函数 ，选择 损失最大的 批量数据 ，以 实现actor-critic网络内 全 局网络 的更新。 4 .如权利要求3所述的一种用于制造企业多Agent协同控制方法，其特征是，A(xi，ai； θi ，θi ，v) 用n步TD-error更新 ，选择具有最大损失的批量数据Ki作为全局网络的批量数据的 输入，然后计算损失函数，以实现actor-critic网络内全局网络的更新，更新公式为
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910312615.0
(22)申请日 2019.04.18
(66)本国优先权数据
201810746362.3 2018.07.09 CN
(71)申请人 北京邮电大学
地址 100876 北京市海淀区西土城路10号
(72)发明人 明悦
(74)专利代理机构 北京市商泰律师事务所
11255
代理人 黄晓军
(51)Int.Cl.
G06F 16/41(2019.01)
G06F 16/432(2019.01)
(54)发明名称多任务协同识别方法及系统(57)摘要本发明提供了一种多任务协同识别方法和系统，属于人工智能的任务识别技术领域，该系统包括通用特征提取模块、协同特征学习模块、适境反馈评估识别模块；基于时间同步匹配机制，提取多源异构数据的通用特征，实现所述多源异构数据的通用特征描述；结合基于外部依赖的协同注意机制，将所述通用特征作为先验知识进行训练，生成通用特征间的关联记忆关系；提取多源异构数据的环境感知参数，结合所述关联记忆关系，实现多任务识别。
本发明结合环境感知的适境计算理论，通过深度增强反馈判断出待识别任务的权重，自适应地根据环境变化调整待识别任务的优先级，实现多个视听觉感知识别结
果同时输出的效果。
权利要求书3页 说明书13页 附图3页CN 109947954 A 2019.06.28
C N 109947954
A
1.一种多任务协同识别方法，其特征在于，包括如下步骤：
步骤S110：基于时间同步匹配机制，提取多源异构数据的通用特征，实现所述多源异构数据的通用特征描述；
步骤S120：结合基于外部依赖的协同注意机制，将所述通用特征作为先验知识进行训练，生成通用特征间的关联记忆关系；
步骤S130：提取多源异构数据的环境感知参数，结合所述关联记忆关系，实现多任务识别。
2.根据权利要求1所述的多任务协同识别方法，其特征在于，所述步骤S110中，所述时间同步匹配机制包括：
提取所述多源异构数据的低层特征流，为每个信道的数据建立一个编码概念流，作为复杂事件的参考语义编码，对所述低层特征流与所述参考语义编码进行动态时间规整，产生时间平移函数，实现语义对齐；其中，
所述提取所述多源异构数据的低层特征流包括：
对音频信号声波采样后，进行频谱变换，构建频谱图；
对二维视频信号进行频谱变换，引入共生统计特性得到具有旋转平移不变性的二维时序信号；
对三维视频序列，引入多尺度理论进行尺度空间变换，再进行频谱变换和统计共生，生成时序金字塔频谱特征。
3.根据权利要求2所述的多任务协同识别方法，其特征在于，步骤S110中，所述提取多源异构数据的通用特征，实现所述多源异构数据的通用特征描述包括：
对S类异构特征，将i(i＝1,...,S),记为n i 个训练样本的特征矩阵，数据噪声部分为E，Γ为旋转因子，
建立正交约束下的优化函数为：
其中，X i 表示一个特征类型，Θi 为X i 的投影矩阵，{Θi }表示通用语义特征子空间，W 0表示语义共享矩阵，{W i }表示特定特征矩阵，R 1(W 0,{W i },{Θi })表示损失函数，R 2({Θi })表示重构损失函数，R 3(W 0,{W i })表示正则函数，λ表示共享矩阵系数，T表示矩阵进行转置运算，Y i 表示第i个特征类别标注，F表示Frobenius范数，表示投影矩阵Θi 的转置，α、β、μ1和μ2为乘数因子，rank(X)为特征矩阵X的秩，E是噪声矩阵；
对多源异构数据中未标注数据的迁移自标注学习，记未标注数据集为迁移学习的标注目标集，使目标集与补充集通过{Θi }联合优化特征自主标注学习，
为补充集样本特征描述，{Y i a }为补充集标注信息，为目标集样本特征描述，{Y i t }为目标集标注信息，
权 利 要 求 书1/3页2CN 109947954 A。