摘要
本发明公开了一种基于多模态数据分析的无线组网优化方法、系统,该方法包括获取施工现场的多模态数据,利用自监督学习该数据中未标注特征数据进行特征表示学习,得到相应的数据特征,利用动态卷积神经网络提取相应的特征向量;利用动态自适应对比损失函数对特征向量的权重进行动态调整,基于调整后的结果,利用边缘计算与任务卸载相结合的方式进行多级联动优化;利用模态特征加权策略,得到融合后的多模态特征表示;使用强化学习算法对融合后的结果进行学习,利用边缘和云协同的自适应传感器网络对学习结果进行优化,得到全局的最优调度和处理策略,完成无线组网的优化。本发明解决了频谱资源动态分配的问题,能维持系统的稳定性和持续运行。
技术关键词
多模态数据分析
组网优化方法
动态卷积神经网络
模态特征
强化学习算法
噪声功率估计
频谱资源动态分配
时间序列预测技术
施工现场
定向天线系统
策略
波束成形技术
传感器
长短期记忆网络
网状拓扑
视频帧
系统为您推荐了相关专利信息
深度强化学习算法
多模态医学影像
患者
迁移学习神经网络
放射科
医学图像分割方法
图像块
医学图像数据
编码器
特征提取网络
货运
车辆称重方法
三维点云数据
高分辨率摄像头
激光扫描设备