一种基于深度学习的语义通信辅助边缘计算网络及其任务卸载方法

AITNT
正文
推荐专利
一种基于深度学习的语义通信辅助边缘计算网络及其任务卸载方法
申请号:CN202510449953
申请日期:2025-07-07
公开号:CN120416935A
公开日期:2025-08-01
类型:发明专利
摘要
本发明涉及通信辅助技术领域,特别是一种基于深度学习的语义通信辅助边缘计算网络及其任务卸载方法,用于优化延迟敏感型应用程序的计算效率,包括在边缘节点部署智能任务决策模块,首先判断用户任务是否需要卸载计算;对于需卸载任务,通过语义提取模块分析数据语义特征,生成高效编码后传输至边缘服务器;服务器端采用语义解码模型重构信息并执行计算任务,结合动态资源调度策略优化任务分配;本发明通过语义压缩技术显著降低通信开销,并利用边缘计算资源智能调度机制减少端到端延迟。优点在于:在保持语义精度的情况下,延迟降低30%以上,通信带宽需求减少40%以上,适用于智能驾驶、工业物联网等对时延和可靠性要求严苛的应用场景。
技术关键词
卸载方法 解码模型 DNN模型 通信辅助技术 分配CPU资源 因子 决策 动态资源调度 网络 语义特征 资源分配 数据 工业物联网 卸载策略 终端 阈值算法 通信带宽 重构
系统为您推荐了相关专利信息
1
一种车云协同中基于模型压缩和知识蒸馏的DNN推理加速方法
车载终端设备 云端服务器 模型压缩 DNN模型 蒸馏
2
5G FR1成型滤波器系统及设计方法
滤波器系数组 成型滤波器 DNN模型 滤波器模块 整形滤波
3
基于深度强化学习的车载边缘计算环境下任务卸载方法
边缘计算环境 深度强化学习 卸载方法 路边单元 车辆
4
基于VPP的SSL/TLS卸载方法及电子装置
密钥 卸载方法 报文 软件 客户端
5
基于2.5D跨模态协同学习网络的多模态脑卒中病灶分割方法
病灶分割方法 多模态特征 切片 支路 网络
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号