-
公开(公告)号：CN116701939B
公开(公告)日：2023-12-15
申请号：CN202310684859.8
申请日：2023-06-09
Applicant: 浙江大学 , 物产中大数字科技有限公司
IPC: G06F18/214 , G06F18/2415 , G06N20/00
Abstract: 本说明书提供一种基于机器学习的分类器训练方法，应用于分布式机器学习系统的用例节点，系统还包括服务节点和多个工作节点，方法包括：经由服务节点，获取各个工作节点训练的各个第一分类器；分别利用各个第一分类器，对本地的无标签数据集中的每个无标签数据进行分类预测，得到每个无标签数据的标签信息；基于无标签数据集的标签信息集，确定用例节点的第二分类器，以及确定各个第一分类器的第一权重；将第二分类器以及各个第一权重发送到服务节点，使其确定第三分类器；第三分类器用于迭代更新各个工作节点的各个第一分类器，直至满足训练结束条件。如此实现了在训练过程中，通(56)对比文件Yikang Wei.Multi-Source CollaborativeContrastive Learning for DecentralizedDomain Adaptation《.IEEE TRANSACTIONS ONCIRCUITS AND SYSTEMS FOR VIDEOTECHNOLOGY》.2022,第33卷(第5期),2202-2216.吴兰 等.基于自监督任务的多源无监督域适应法《.浙江大学学报（工学版）》.2022,第56卷(第4期),754-763.
-
公开(公告)号：CN116896438A
公开(公告)日：2023-10-17
申请号：CN202310477652.3
申请日：2023-08-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多级联盟链的安全聚合与模型剪枝方法及系统。能够利用联盟链这一构建信任的基础设施，结合隐私计算方法，为联邦学习中重要的聚合流程提供隐私数据的安全保障以及贡献评估利益分配的透明公开可追溯，方案的模型架构设计了两层联盟链，较低一级联盟链主要用于对各数据持有节点本地迭代的梯度贡献进行加密聚合，较高一级联盟链主要用于对联盟各个利益方的模型参数聚合以及贡献评估。每一轮评估的算法和数据集信息都公开记录在链，任何成员对评估结果有所质疑均可凭数据声明提交人工审核，申请对本轮贡献的重新评估。
-
公开(公告)号：CN116797830A
公开(公告)日：2023-09-22
申请号：CN202310717110.9
申请日：2023-06-15
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/776
Abstract: 本发明公开了一种基于YOLOv7的图像风险分类方法及装置，该方法通过OpenSea提供的API接口爬取NFT基本信息，获取开源数据集并划分，使用划分得到的训练集和验证集进行模型的训练，对yolov7算法进行改进后，模型的主干网络对图像进行特征提取和特征融合获得图像特征图；模型中的头部网络对特征图进行特征融合，并使用新的GAP‑FCN分类结构得到分类结果；利用得到的分类结果和预设标签计算损失度，反向更新网络权重，通过多批次样本的不断训练，得到训练完成的模型；将划分得到的测试集的图像或待预测的图像输入训练完成的模型，重复输入和提取融合得到图像风险分类结果，本发明中采用的数据增强技术来扩充数据集，增加了训练样本的数量，提高了数据的利用率。
-
公开(公告)号：CN116701939A
公开(公告)日：2023-09-05
申请号：CN202310684859.8
申请日：2023-06-09
Applicant: 浙江大学 , 物产中大数字科技有限公司
IPC: G06F18/214 , G06F18/2415 , G06N20/00
Abstract: 本说明书提供一种基于机器学习的分类器训练方法，应用于分布式机器学习系统的用例节点，系统还包括服务节点和多个工作节点，方法包括：经由服务节点，获取各个工作节点训练的各个第一分类器；分别利用各个第一分类器，对本地的无标签数据集中的每个无标签数据进行分类预测，得到每个无标签数据的标签信息；基于无标签数据集的标签信息集，确定用例节点的第二分类器，以及确定各个第一分类器的第一权重；将第二分类器以及各个第一权重发送到服务节点，使其确定第三分类器；第三分类器用于迭代更新各个工作节点的各个第一分类器，直至满足训练结束条件。如此实现了在训练过程中，通过设置权重弥合各个分类器之间的差异，提高了模型训练的性能。
-
公开(公告)号：CN115718661A
公开(公告)日：2023-02-28
申请号：CN202211100149.8
申请日：2022-09-08
Applicant: 浙江大学
Abstract: 本发明提供了一种基于方差比的区块链分布式计算资源调度均衡方法，其中，所述方法通过分别获取每个分布式计算引擎的任务数量；基于所述任务数量生成原始资源分配原则；将每个分布式计算引擎所处理的任务进行聚类采样；基于所述聚类采样后的结果生成分布式计算引擎的变化方差比；基于所述变化方差比更新所述原始资源分配原则；验证所述更新后的资源分配原则；基于所述验证后的资源分配原则对分布式计算引擎进行资源分配。可以较好保证每个节点都有足够的计算能力，且尽可能减少计算资源浪费，从而帮助对区块链分布式计算资源进行调度均衡。
-
Patent Agency Ranking
公开(公告)号：CN115687514A
公开(公告)日：2023-02-03
申请号：CN202211093178.6
申请日：2022-09-08
Applicant: 浙江大学
Abstract: 本发明提供了一种基于增量计算的区块链层次化存储架构采样方法，包括：获取低层区块链中的原始数据；基于所述原始数据生成第一表征向量；将基于所述第一表征向量生成的第一特征向量以及与所述第一特征向量相对应的第一方差存储至高层区块链；获取低层区块链中的更新数据；基于所述第一特征向量和所述第一方差将所述更新数据按数据分布变化进行聚类；基于所述聚类结果利用增量计算方法将所述底层区块链的更新数据整合在高层区块链中。利用增量计算方法将低层区块链的更新数据整合在高层区块链中，保证高层区块链对低层数据区块链整体的覆盖性，同时在低层数据更新时及时选择合适的样本替代原有采样结果，从而帮助对层次化多模态数据存储架构优化。
-
公开(公告)号：CN117688604A
公开(公告)日：2024-03-12
申请号：CN202311702233.1
申请日：2023-12-12
Applicant: 浙大城市学院 , 浙江大学 , 浙江鹏信信息科技股份有限公司 , 杭州趣链科技有限公司
Abstract: 本发明公开了一种智慧城市系统中隐私集合求交方法、设备及储存介质，本发明采用门限秘密共享技术将隐私集合在三方之间进行共享，从而隐藏交集基数，提高隐私集合求交的安全性。在双方进行隐私集合求交前，利用区块链对二者身份进行验证，一定程度上保护了双方数据的安全性。另外，本发明通过将隐私集合划分成多个带有标签的子集，实现了更细粒度的求交方式。因此，相比于之前智慧城市系统中的隐私集合求交方案，本发明在实用性、安全性等方面得到了极大的提高。
-
公开(公告)号：CN117216089A
公开(公告)日：2023-12-12
申请号：CN202311170524.0
申请日：2023-09-12
Applicant: 浙江大学
IPC: G06F16/242 , G06F16/27 , G06F21/62
Abstract: 本发明公开了一种基于区块链的批量安全聚合方法及系统，该方法首先各个参与方协商需要批量聚合的数据，然后通过插值法将私有的批量数据隐藏在多项式中，接着公开多项式的非常数项系数并进行聚合，同时对常数项系数进行安全聚合，最后从聚合后的多项式中计算出批量聚合的数据。本发明可实现有理数域上的批量安全聚合任务的高效计算，基于区块链进行计算保证流程透明可追溯；以防止在反电信诈骗领域的欺诈识别中泄露隐私，本发明还能够使得各机构不泄露用户原始数据的情况下充分发挥了其潜在的数据价值。
-
公开(公告)号：CN116644309A
公开(公告)日：2023-08-25
申请号：CN202310366207.X
申请日：2023-04-07
Applicant: 浙江大学
IPC: G06F18/214 , G06F21/60 , G06F16/27 , G06F21/64
Abstract: 本发明公开了一种基于区块链的联邦学习模型质量检测方法，首先模型请求方requester和模型训练方worker将身份标识发送给智能合约，requester用测试集建出Merkle Tree，将Merkle Tree的根哈希发送给智能合约，worker用本地的数据训练模型后建出Merkle Tree，将Merkle Tree的根哈希发送给智能合约，requester将测试集发送给worker，worker使用测试集测试模型得到输出和相应的证明，将Merkle Tree的根哈希发送给智能合约，将输出和模型发送给worker，若在拿到模型后requester不能向智能合约提供worker给出的模型的测试结果不满足要求或证明错误的证据，智能合约就会给worker奖励；若能提供worker做恶的证据，对worker进行惩罚。该方法能够和利益分配相结合，且极大地节省链上的计算资源和存储资源。
-
公开(公告)号：CN116187524B
公开(公告)日：2023-08-25
申请号：CN202211633885.X
申请日：2022-12-19
Applicant: 物产中大数字科技有限公司 , 浙江大学
IPC: G06Q10/04 , G06Q30/0203 , G06Q30/0201 , G06Q30/0601 , G06F18/2431 , G06F18/214 , G06F18/22
Abstract: 本说明书实施例提供一种基于机器学习的供应链分析模型对比方法及装置，在对比方法中，在针对两个供应链分析模型进行对比时，先将该两个供应链分析模型转换为对应的两个规则集合，其中的每个规则集合中的规则可以看作是对应的供应链分析模型进行预测时的依据。之后，通过计算该两个规则集合的相似度，来确定两个供应链分析模型的对比结果。需要说明，由于本方案在对不同供应链分析模型进行对比的过程中，同时获取到了模型的预测依据，这可以方便于用户直观地了解不同供应链分析模型之间的差异，也即为供应链分析模型之间的差异提供了解释信息。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.041 seconds)
