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 > 长沙学院朱小玉获国家专利权

长沙学院朱小玉获国家专利权

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!

龙图腾网获悉长沙学院申请的专利一种车联网中基于异步联邦学习和社交感知的智能合作缓存策略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:CN119277346B

龙图腾网通过国家知识产权局官网在2025-09-19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:202411380723.9,技术领域涉及:H04W4/40;该发明授权一种车联网中基于异步联邦学习和社交感知的智能合作缓存策略是由朱小玉;林羽杰;邓桦;王晶晶;李桂继;孟志刚;张维设计研发完成,并于2024-09-30向国家知识产权局提交的专利申请。

一种车联网中基于异步联邦学习和社交感知的智能合作缓存策略在说明书摘要公布了:本发明公开了一种车联网中基于异步联邦学习和社交感知的智能合作缓存策略,包括:用户车辆向本地RSU发送缓存请求;按优先级选择有请求内容的本地RSU、附近用户车辆、邻近RSU、宏基站,响应用户车辆的缓存请求,且车辆间通信采用社交网络;用户车辆接收到请求内容后,采用车辆本地局部模型更新本地缓存内容,并基于车辆本地经验池数据更新本地局部模型;被选车辆将更新后的局部模型上传至本地RSU;本地RSU接收到局部模型时,基于车辆权重更新全局模型;本地RSU使用全局模型,基于其服务区域内车辆的请求内容更新本地缓存内容。本发明通过异步FL下的DQN训练进行协同更新缓存,可以降低请求内容的传输延迟,提升缓存命中率。

本发明授权一种车联网中基于异步联邦学习和社交感知的智能合作缓存策略在权利要求书中公布了:1.一种车联网中基于异步联邦学习和社交感知的智能合作缓存策略,其特征在于,包括: 用户车辆向本地RSU发送缓存请求; 本地RSU接收到缓存请求后,判断自身的缓存内容中是否有所述缓存请求对应的请求内容:若有,则将请求内容发送给用户车辆;若没有,则按预设优先级选择有请求内容的附近用户车辆、邻近RSU或宏基站,以响应用户车辆的缓存请求,另外还将请求内容发送给本地RSU; 本地RSU覆盖范围内的各用户车辆:在接收到各自缓存请求对应的请求内容后,采用车辆本地的局部缓存更新模型来更新车辆本地的缓存内容,并基于车辆本地的当前经验池数据对车辆本地的局部缓存更新模型进行更新训练; 被选择的每个车辆在更新完成局部缓存更新模型后,上传至本地RSU;所述被选择的每个车辆,均是由其本地RSU根据车辆在其覆盖范围内的停留时间选择得到; 本地RSU接收到任意局部缓存更新模型时,基于对应的车辆权重更新全局缓存更新模型; 本地RSU使用当前的全局缓存更新模型,基于其服务区域内所有用户车辆的缓存请求所对应的请求内容,更新本地RSU的缓存内容; 将车辆的局部缓存更新模型简记为局部模型,RSU的全局缓存更新模型简记为全局模型;各车辆的初始局部模型,均通过下载本地RSU的全局模型得到;全局模型和局部模型采用深度强化学习算法来决策是否更新各自的缓存内容; 全局模型采用深度强化学习算法来决策是否更新缓存内容的定义中,状态包括预设多个缓存内容的缓存状态和请求状态,动作为:预设多个缓存内容是否替换为缓存请求对应的请求内容,奖励为:最小化各用户车辆的缓存请求延迟; 第i个用户车辆的局部模型采用深度强化学习算法来决策是否更新缓存内容的定义中,状态包括预设多个缓存内容的缓存状态和请求状态,动作为:预设多个缓存内容是否替换为缓存请求对应的请求内容,奖励为:最小化第i个用户车辆的缓存请求延迟; 全局模型和各局部模型的奖励函数为: 式中,Dt表示t时刻的延迟奖励;λ1、λ2、λ3、λ4分别表示附近车辆、本地RSU、附近RSU、宏基站响应缓存请求的奖励函数中的学习率,dV,i、dR,i、dM,i分别表示附近车辆、本地RSU、附近RSU、宏基站响应第i个车辆缓存请求的传输延迟。

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长沙学院,其通讯地址为:410005 湖南省长沙市开福区洪山路98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。