面向大规模产业链隐私计算的联邦学习模型训练方法

    公开(公告)号:CN114169412A

    公开(公告)日:2022-03-11

    申请号:CN202111397160.0

    申请日:2021-11-23

    Abstract: 本发明提供一种面向大规模产业链隐私计算的联邦学习模型训练方法。所述方法包括:由联邦学习中心服务器节点以非独立同分布为目标划分产业链业务训练数据集,并分发至多个联邦学习工人节点;联邦学习工人节点基于目标利润函数迭代训练本地模型;聚合服务器节点在聚合每个联邦学习工人节点发送的更新后的本地模型权重后,根据各个本地模型权重分布和整体本地模型权重分布,计算每个联邦学习工人节点对应的地动距离,并剔除超过预设距离阈值的联邦学习工人节点;由剩余的联邦学习工人节点继续进行模型训练。本发明在联邦学习模型训练过程中将分布差异过大的数据分布剔除,减少异质性数据带来的精度损失,提高了传统算法在产业链中的应用可靠性。

    电网网络架构的构建方法、装置、存储介质及计算机设备

    公开(公告)号:CN119518687A

    公开(公告)日:2025-02-25

    申请号:CN202411406419.7

    申请日:2024-10-10

    Abstract: 本发明公开了一种电网网络架构的构建方法、装置、存储介质及计算机设备。其中方法包括:获取电网网络架构、电网网络架构的电网参数与电网约束条件,基于电网参数与电网约束条件计算电网网络架构在满足电网约束条件下的电网成本;计算电网网络架构的短路电流,判断短路电流是否超过短路电流上限;当短路电流超过短路电流上限时,调整电网网络架构的线路架构,并再次执行基于电网参数与电网约束条件计算电网网络架构在满足电网约束条件下的电网成本的步骤,直至短路电流小于短路电流上限;在短路电流小于短路电流上限时,输出电网网络架构、短路电流及电网网络架构的电网成本。上述方法能避免规划出的电网网络架构出现短路电流越限的问题。

Patent Agency Ranking