-
公开(公告)号：CN115249090A
公开(公告)日：2022-10-28
申请号：CN202210779532.4
申请日：2022-07-04
Applicant: 重庆大学
Abstract: 本发明提供了基于同态加密的电量预测方法及系统，其中基于同态加密的电量预测方法包括以下步骤：输入步骤：在本地客服端输入电力特征数据；预测步骤：将电力特征数据传输至加密用电量预测模型进行预测；输出步骤：加密用电量预测模型输出用电量预测加密值，并将用电量预测加密值传输至本地客户端；所述加密用电量预测模型在训练过程中将多时耗损公式作为损失函数，多时损耗公式用于对不同时刻的用电量预测加密值求取均方误差；解决了现有技术中电量预测模型在进行长期用电量预测时预测准确率低的问题。
-
公开(公告)号：CN114884677A
公开(公告)日：2022-08-09
申请号：CN202210506117.1
申请日：2022-05-09
Applicant: 重庆大学
Abstract: 本发明提供了一种基于区块链的多用户众包任务匹配方法及系统。该方法包括：S1，初始化系统参数，结合可搜索加密算法和秘密共享算法基于初始化后的系统参数生成系统密钥、公钥和每个用户的私钥；S2，基于任务发布者的任务内容和公钥生成任务密文，利用任务发布智能合约在区块链上发布所述任务密文；S3，基于用户的关键字和私钥生成用户的陷门，利用任务匹配智能合约对用户的陷门和任务密文进行匹配，将匹配结果上传区块链并返回用户。任务发布者通过公钥生成任务密文，让每个用户使用自己私钥情况下依旧可以进行关键字与任务密文匹配，实现了多用户敏感信息保护下的匹配；利用区块链解决了中心化服务器可能返回错误的结果的弊端。
-
公开(公告)号：CN112668532A
公开(公告)日：2021-04-16
申请号：CN202110007377.X
申请日：2021-01-05
Applicant: 重庆大学
Abstract: 本发明涉及一种基于多阶段混合注意网络的人群计数方法，属于视觉处理领域。该方法包括：S1、对输入图像进行高斯模糊生成标签密度图并进行数据增强；S2、建模多阶段混合注意网络并初始化权重参数；S3、数据增强后的训练集人群图像输入到S2的网络中进行训练，并将输出密度图与标签密度图作欧几里德损失计算误差，通过误差反向传播更新网络参数直到训练结束并保存最优模型；S4、将测试集人群图像输入到最优模型中输出密度图并进行积分得到估计人数。
-
公开(公告)号：CN105933102A
公开(公告)日：2016-09-07
申请号：CN201610209200.7
申请日：2016-04-06
Applicant: 重庆大学
CPC classification number: H04L9/008 , H04L9/0847 , H04L9/3236
Abstract: 本发明公开了一种利用隐秘矩阵构造的基于身份的全同态加密方法。该方法按照以下步骤实施：参数生成，陷门生成，密钥生成，加密，解密，同态操作。传统的公钥加密方法在量子计算机环境下其安全性受到威胁，本发明基于格上求解最短向量困难问题，可以抵抗量子计算机的攻击。该方法直接使用用户身份作为公钥，可以对密文信息进行同态操作。
-
公开(公告)号：CN118965030B
公开(公告)日：2025-04-11
申请号：CN202411071639.9
申请日：2024-08-06
Applicant: 重庆大学
IPC: G06F18/23 , G06F18/24 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于Transformer的车辆工况分类方法、产品及设备，该方法包括：基于车辆工况数据集获取真样本集；构建Transformer网络；对Transformer网络进行迭代训练获得车辆工况编码器；利用车辆工况编码器生成真样本集对应的抽象特征向量集，对抽象特征向量集进行聚类处理获得车辆工况分类结果；第t次迭代训练：编码器生成真样本子集对应的抽象特征向量子集；解码器重构真样本子集获得解码序列集；基于真样本子集对应的抽象特征向量子集计算聚类损失；基于真样本子集对应的抽象特征向量子集和解码序列集计算重构损失；求和聚类损失和重构损失获得第t次迭代的总损失。本发明还公开了一种计算机程序产品和电子设备。本发明加快了训练效率和提高了车辆工况分类准确性。
-
Patent Agency Ranking
公开(公告)号：CN117057569B
公开(公告)日：2025-03-18
申请号：CN202311054709.5
申请日：2023-08-21
Applicant: 重庆大学
IPC: G06Q10/0631 , G06Q10/0637 , G06Q50/04 , G06N3/042 , G06N3/092
Abstract: 本发明涉及智能决策技术，揭露了基于神经网络的非置换流水车间调度方法，包括：获取历史流水车间调度问题数据，并根据预设的析取图转化关系，将历史流水车间问题数据转化为初始析取图；记录所述初始析取图中各节点，并根据所述各节点利用预设的模型框架进行决策建模，得到初始决策模型；利用预设的图神经网络模型对所述初始析取图中每个节点进行特征提取和特征嵌入，并利用预设的强化学习算法训练所述预设的图神经网络模型，得到标准图神经网络模型；利用所述标准图神经网络模型优化所述初始决策模型，得到目标决策模型。本发明还提出一种基于神经网络的非置换流水车间调度装置。本发明可以降低实现非置换流水车间调度问题的难度，提高实用性。
-
公开(公告)号：CN119398137A
公开(公告)日：2025-02-07
申请号：CN202411535885.5
申请日：2024-10-31
Applicant: 重庆大学
IPC: G06N3/098 , G06N3/094 , G06V10/774 , G06V10/776 , G06V10/82 , G06F18/241 , G06F18/22 , G06F21/64
Abstract: 本发明涉及信息安全技术领域，涉及一种面向联邦学习中毒攻击的防御方法，包括客户端获取训练图像集；客户端为训练图像集注入噪声得到含噪图像集，利用含噪图像集训练客户端去噪模型，将训练好的客户端去噪模型上传至服务端；服务端为验证图像注入噪声得到噪声验证图像，输入噪声验证图像至客户端上传的客户端去噪模型，得到验证数据；根据验证数据从参与联邦学习的客户端中筛选出可信任客户端清单；聚合可信任客户端清单中客户端上传的客户端分类模型，获得全局分类模型，并将全局分类模型分发回客户端。本发明还提出一种面向联邦学习中毒攻击的防御系统。本发明可以提高服务端对客户端模型可信度的判断能力，提高模型对中毒攻击的防御能力。
-
公开(公告)号：CN114329592B
公开(公告)日：2025-02-07
申请号：CN202111633164.4
申请日：2021-12-29
Applicant: 重庆大学
Abstract: 本发明涉及隐私信息保护技术领域，具体为一种具有提高效用的社交网络双重隐私保护的方法，该方法将外链接隐私与不确定图相结合，外链接隐私用于保护节点的出度，基于外链隐私的不确定图算法后处理技术将不确定性注入到节点的入度边中，实现入度边的隐私保护，并且在满足差分隐私保护要求的同时，提高了数据效用。不确定图作为差分隐私的后置处理，不消耗隐私预算，使得整体算法在满足外链接隐私的同时，对数据隐私的入度也进行了保护，从而实现双重的隐私保障。
-
公开(公告)号：CN119004539B
公开(公告)日：2025-01-28
申请号：CN202411238369.6
申请日：2024-09-04
Applicant: 重庆大学
IPC: G06F21/62 , G06V10/764 , G06N3/096 , G06N3/045 , G06V10/82 , G06V10/774
Abstract: 本发明提供了基于非对称差分隐私的图像分类模型隐私保护方法及装置。该方法为：利用私有图像集训练教师分类模型；利用教师分类模型对未标记的公共图像集进行预测获得预测记录和类别频次分布；从预测记录集提取预测记录在预设不敏感类别下的邻域记录集；利用预测记录和邻域记录集计算非对称敏感度，基于非对称敏感度获得噪声分布；在类别频次分布的频次中添加符合噪声分布的噪声；在添加噪声后的类别频次分布中选取频次最大的类别作为公共图像的伪标签；利用公共图像集以及伪标签训练学生分类模型。还提供了基于非对称差分隐私的图像分类模型隐私保护装置，一种计算机程序产品和一种电子设备。本发明避免了双边误差、提升了图像分类模型效用。
-
公开(公告)号：CN118468217B
公开(公告)日：2024-12-17
申请号：CN202410541352.1
申请日：2024-04-30
Applicant: 重庆大学
IPC: G06F18/25 , B60W60/00 , B60W50/00 , G06F18/22 , G06F18/213 , G06V10/40 , G06V10/82 , G06F21/62 , G06N3/045 , G06N3/0455 , G06N3/0895 , G06N3/098
Abstract: 本发明涉及智能决策技术，揭露了基于个性化联邦对比学习的驾驶控制方法，包括：客户端获取驾驶数据，并利用多模态处理器对驾驶数据进行特征提取，得到多模态驾驶特征数据；对多模态驾驶特征数据进行数据处理，得到多模态驾驶对比特征数据；对对比学习驾驶预测模型进行训练，得到目标驾驶预测模型，中央服务器将全局神经元参数进行参数聚合后，得到融合参数分发至多个客户端，客户端利用融合参数对目标驾驶预测模型进行个性化参数优化；客户端接收用户实时驾驶数据进行驾驶预测，得到用户驾驶预测结果。本发明还提出一种基于个性化联邦对比学习的驾驶控制系统。本发明可以实现基于个性化联邦对比学习的驾驶控制的个性化驾驶预测。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.03 seconds)
