公开(公告)号：CN118673966A

公开(公告)日：2024-09-20

申请号：CN202411161987.5

申请日：2024-08-23

Applicant: 吉林大学

Inventor： 周求湛 ,  荣静 ,  王聪 ,  武慧南 ,  胡春华 ,  王晓东

IPC: G06N3/0455 ,  G06N3/0464 ,  G06N3/096 ,  G06F18/241 ,  G06F18/15 ,  G06F18/213 ,  H02J3/00 ,  G06Q50/06 ,  G06F123/02

Abstract: 基于Transformer模型和迁移学习的非侵入式负荷监测方法和设备，属于电力系统和负荷监测技术领域，解决非侵入式负荷监测技术预测精度低以及泛化能力弱问题。本发明方法包括：建立基于Transformer的NILM模型，通过正余弦位置编码为通用特征增加位置信息；设计四头三层的头注意力机制。通过卷积层平均激活通道数以及负荷的工作特性和使用特性分析选择源任务；通过在源任务模型上训练Transformer模型，将其迁移到其他负荷NILM任务上；冻结基于Transformer模型的卷积层参数，微调其他层以适应目标负荷NILM任务。本发明适用于对负荷功耗和使用状态进行监测和评估的场景。

公开(公告)号：CN115767634A

公开(公告)日：2023-03-07

申请号：CN202211167527.4

申请日：2022-09-23

Applicant: 吉林大学

Inventor： 武慧南 ,  周求湛 ,  王聪 ,  郭迟

IPC: H04W28/08 ,  H04W12/00 ,  H04W4/44 ,  H04L41/14 ,  G06N20/00

Abstract: 本发明公开了一种基于联邦学习的车联网时延敏感型应用卸载方法，所述方法包括如下步骤：步骤一、确定基于MEC的车联网网络架构；步骤二、建立应用程序模型；步骤三：确定MEC节点协作方案；步骤四、建立系统模型并得到优化问题；步骤五、设计DDQN与FL相结合的算法并求解优化问题。该方法将时延敏感型应用划分为互相有依赖关系的子任务，提供了一种MEC节点协作方案，并将该问题建模为一个以运算资源为约束条件、最小化总计算时延为目标的优化问题，利用联邦学习与深度强化学习相结合的方式来求解该问题，在得到可以使总计算时延最小的卸载方法的基础上，还可以保障用户的隐私安全，避免用户私人数据泄露。