面向联邦学习的模型剪枝方法及系统

    公开(公告)号:CN115983366A

    公开(公告)日:2023-04-18

    申请号:CN202211570645.X

    申请日:2022-12-08

    Abstract: 本发明提供一种面向联邦学习的模型剪枝方法及系统,属于联邦学习技术领域,计算神经网络模型每层卷积层中的卷积核重要性指标,将重要性指标低于阈值的卷积核进行卷积核数目剪枝,计算剩余的卷积核内部每个向量的L1范数,基于预设的阈值对卷积核进行剪枝,完成卷积核尺寸剪枝,从而对卷积核尺寸进行降维。本发明实现了对冗余参数的充分裁剪,极大地提高了模型压缩效率;提出的动态阈值模型剪枝框架在每轮训练中动态调整剪枝范围,使得剪枝率的设置更为合理,并且对模型的敏感层和非敏感层以不同的压缩率进行动态剪枝,达到更好地控制剪枝过程中模型各部分剪枝力度、提高模型性能的目的,并且有利于恢复剪枝后模型的精度。

    一种基于YOLOV8的家禽健康监测系统及监测方法

    公开(公告)号:CN118354037A

    公开(公告)日:2024-07-16

    申请号:CN202410463682.3

    申请日:2024-04-17

    Inventor: 刘子乐 王志海

    Abstract: 本发明涉及家禽健康监技术领域,具体地说是一种基于YOLOV8的家禽健康监测系统及监测方法,包括数据采集、数据传送模块和健康监测终端,数据采集包括安装板、智能摄像头、电源、照明灯,数据传送模块包括数据存储单元和图像传输单元,图像传输单元将智能摄像头收集的图像信息发送时数据存储单元进行存储;健康监测终端包括服务器、实时监控单元和图像接收单元,实时监控单元设置于数据采集模块的上方,图像接收单元接收来自数据存储单元的图像信息并发送至服务器。本发明采用上述结构的基于YOLOV8的家禽健康监测方法,能够实时监测家禽进食状态和养殖环境变化,并将结果可视化显示。该方法准确率高、实时性强,能够大幅提高养殖效率,减少劳动力。

    一种基于局部扰动的时间序列预测对抗攻击方法

    公开(公告)号:CN115880542A

    公开(公告)日:2023-03-31

    申请号:CN202211500734.7

    申请日:2022-11-28

    Abstract: 本发明提供了一种基于局部扰动的时间序列预测对抗攻击方法。该方法包括:对原始样本进行BIM梯度攻击,得到全局攻击样本;利用滑动窗口截取原始样本的局部区间,根据差分进化算法对此段区间进行攻击,利用分段函数、BIM全局攻击样本和原始样本将个体转化为时间序列计算适应度,选择更好的个体输入到目标模型中进行预测值的均方误差MSE计算,算法不断迭代直至MSE值收敛。如果收敛,则将攻击成功的局部攻击样本添加到对抗样本序列。本发明缩小对抗样本的扰动范围,使用差分进化算法寻找最优攻击点位,并结合分段函数分割扰动区间,进一步缩小扰动范围,完成半白盒攻击。

Patent Agency Ranking