一种联邦学习模型优化方法、设备、介质及程序产品

    公开(公告)号:CN118036768A

    公开(公告)日:2024-05-14

    申请号:CN202410148779.5

    申请日:2024-02-01

    Abstract: 本发明公开了一种联邦学习模型优化方法、设备、介质及程序产品,所述方法包括:获取边缘端采集的多属性数据,并计算边缘端的数据量因子、数据质量因子以及数据分布特征因子,从而得到边缘端的可信度;选取可信边缘端进行全局模型的参数更新;向可信边缘端发送第一全局参数,以使可信边缘端进行本地模型的训练,并得到本地模型参数;根据本地模型的平均误差以及预设的全局模型学习率,计算得到动态学习率;根据第一全局参数、动态学习率、可信边缘端的可信度以及本地模型参数,计算得到第二全局参数,实现全局模型的参数更新。本发明实施例解决了数据异构所导致的全局模型性能低下的问题,实现了全局参数更新速度和算法稳定度的平衡。

    一种基于文本信息的术语提取方法、系统和设备

    公开(公告)号:CN109902290B

    公开(公告)日:2023-06-30

    申请号:CN201910063975.1

    申请日:2019-01-23

    Abstract: 本发明公开了一种基于文本信息的术语提取方法,包括:获取待处理文本,对所述待处理文本进行预处理;从所述待处理文本中提取满足互信息判定指标和上下文依赖判定指标的词语收录进种子词集合中;基于所述种子词集合的节点以及所述节点的边构建种子词网络;定义所述节点的权值,并通过预设模型迭代所述节点的权值直至所述节点的权值收敛;对所述节点的权值进行排序,当按顺序排列的种子词形成相邻词组时,提取所述相邻词组作为候选术语。本发明还公开一种基于文本信息的术语提取系统和一种基于文本信息的术语提取设备。采用本发明实施例,能充分考虑中文语法层次的问题,具有自动化、动态更新的特点,符合现代海量文本术语高速抽取的需求。

    一种网络故障告警分析方法、装置、设备及存储介质

    公开(公告)号:CN115720188A

    公开(公告)日:2023-02-28

    申请号:CN202211421014.1

    申请日:2022-11-14

    Abstract: 本发明公开一种网络故障告警分析方法、装置、设备及存储介质,方法包括:当在若干观察周期内产生若干告警事件时,提取告警事件的关键字段并按照时间序列进行排序,获得二维矩阵数据;基于按照滑动窗口调整策略所确定的滑动窗口,对二维矩阵数据进行告警数据提取,并对提取的告警事务数据进行时空特征提取以用于训练第一故障类型识别模型,通过更新后的第一故障类型识别模型确定第一故障类型;采用序列模式挖掘算法获得每个观察周期的若干频繁序列并识别获得第二故障类型;当第一故障类型与任一第二故障类型匹配成功时,根据对应的频繁序列确定故障设备及对应的物理位置。本发明能够应对动态多变的网络攻击行为,实现对故障物理位置的精准定位。

    虚拟网络功能部署方法、装置、设备及存储介质

    公开(公告)号:CN113535385A

    公开(公告)日:2021-10-22

    申请号:CN202110684448.X

    申请日:2021-06-21

    Abstract: 本发明公开了一种虚拟网络功能部署方法,包括:接收服务请求;其中,所述服务请求包括至少一个虚拟网络功能;获取每个候选服务器的资源总量及每个候选服务器的已分配的资源量;根据每个候选服务器的资源总量及每个候选服务器的已分配的资源量,构建兼顾系统利用率和系统负载均衡的目标函数;根据所述虚拟网络功能,寻找满足所述目标函数的候选服务器,以进行虚拟网络功能的部署。本发明还公开了一种虚拟网络功能部署装置、设备及存储介质,其综合考虑了系统的负载均衡及利用率,构建与负载不均衡度和系统利用率相关的目标函数,得到虚拟网络功能部署方案进行虚拟网络功能部署,实现系统的负载均衡度与利用率间的平衡,合理利用系统资源。

Patent Agency Ranking