-
Patent Agency Ranking
公开(公告)号：CN118378722B
公开(公告)日：2024-09-24
申请号：CN202410807736.3
申请日：2024-06-21
Applicant: 中南大学
IPC: G06N20/00 , G06F18/213 , G06F18/23
Abstract: 本发明涉及联邦学习技术领域，具体公开了一种面向数据多元异质场景下的聚类联邦学习方法，首次将向量量化变分自编码器融入联邦学习框架中，以向量量化变分自编码器有效学习并映射本地数据分布至离散特征空间，通过利用此离散空间变量的相似度执行客户端聚类，既保护了本地数据隐私，又有效地压缩了特征表示，同时引用特征锚点进行不同客户端特征字典中的特征对齐，保证了不同客户端特征字典的同一个位置在同一特征空间，进而确保了跨客户端聚合的一致性，解决了传统的面向数据多元异质场景下的联邦学习，因数据的异质性因素会削弱模型在整体数据集上的泛化能力，增加模型对特定客户过拟合风险以及存在任务不平衡的问题。
-
公开(公告)号：CN117875408A
公开(公告)日：2024-04-12
申请号：CN202410285505.0
申请日：2024-03-13
Applicant: 中南大学
IPC: G06N3/098 , G06N3/0455 , G06N3/049 , G06T7/00 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种面向瑕疵检测的脉冲神经网络的联邦学习方法，将产品图像输入人工神经网络分支进行前向传播、在时间窗口内将感受野矩阵编码输入脉冲神经网络分支进行前向传播，并在脉冲神经网络分支的前向传播过程中将人工神经网络分支输出的特征与脉冲神经网络分支中每一个时间步输出的特征进行融合，有效缓解了尖峰噪声影响；根据脉冲神经网络分支中最后一层中所有时间步输出的特征与瑕疵种类标签构建损失函数，通过损失函数对脉冲神经网络分支进行反向传播训练，得到本地联邦脉冲神经网络并将多个本地工业设备上传的网络参数输入中央服务器进行聚合得到全局模型，在实现轻量化分布协同训练的同时，有效解决了用于瑕疵检测时准确率低的劣势。
-
公开(公告)号：CN118378722A
公开(公告)日：2024-07-23
申请号：CN202410807736.3
申请日：2024-06-21
Applicant: 中南大学
IPC: G06N20/00 , G06F18/213 , G06F18/23
Abstract: 本发明涉及联邦学习技术领域，具体公开了一种面向数据多元异质场景下的聚类联邦学习方法，首次将向量量化变分自编码器融入联邦学习框架中，以向量量化变分自编码器有效学习并映射本地数据分布至离散特征空间，通过利用此离散空间变量的相似度执行客户端聚类，既保护了本地数据隐私，又有效地压缩了特征表示，同时引用特征锚点进行不同客户端特征字典中的特征对齐，保证了不同客户端特征字典的同一个位置在同一特征空间，进而确保了跨客户端聚合的一致性，解决了传统的面向数据多元异质场景下的联邦学习，因数据的异质性因素会削弱模型在整体数据集上的泛化能力，增加模型对特定客户过拟合风险以及存在任务不平衡的问题。
-
公开(公告)号：CN117875408B
公开(公告)日：2024-06-25
申请号：CN202410285505.0
申请日：2024-03-13
Applicant: 中南大学
IPC: G06N3/098 , G06N3/0455 , G06N3/049 , G06T7/00 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种面向瑕疵检测的脉冲神经网络的联邦学习方法，将产品图像输入人工神经网络分支进行前向传播、在时间窗口内将感受野矩阵编码输入脉冲神经网络分支进行前向传播，并在脉冲神经网络分支的前向传播过程中将人工神经网络分支输出的特征与脉冲神经网络分支中每一个时间步输出的特征进行融合，有效缓解了尖峰噪声影响；根据脉冲神经网络分支中最后一层中所有时间步输出的特征与瑕疵种类标签构建损失函数，通过损失函数对脉冲神经网络分支进行反向传播训练，得到本地联邦脉冲神经网络并将多个本地工业设备上传的网络参数输入中央服务器进行聚合得到全局模型，在实现轻量化分布协同训练的同时，有效解决了用于瑕疵检测时准确率低的劣势。
-
公开(公告)号：CN113856490A
公开(公告)日：2021-12-31
申请号：CN202111183490.X
申请日：2021-10-11
Applicant: 中南大学
IPC: B01D71/02 , B01D71/34 , B01D69/02 , B01D69/12 , B01D67/00 , B01D69/06 , B01D61/48 , C02F1/469 , C22B26/12 , C25B1/04 , C25B11/052 , C25B11/061 , C25B11/081 , C25B9/65 , C02F103/08
Abstract: 本发明提供了一种锂离子筛膜的制备方法，包括以下步骤：将硝酸锂、硝酸锰、络合剂柠檬酸按化学计量比溶解在去离子水中，恒温磁力搅拌至粘稠。将粘稠的胶状物放入真空干燥箱，真空干燥至发泡老化。将发泡老化物研磨后放入坩埚，转移到马弗炉中煅烧，待冷却至室温取出，得到尖晶石结构的锂锰氧化物LixMnyO4。将LixMnyO4用盐酸反复洗涤以洗脱Li+，直至Li+被完全洗脱，之后干燥得到锂离子筛LixMnyO4。将锂离子筛粉末与有机成膜黏结剂聚偏氟乙烯粉末、有机溶剂N,N’‑二甲基乙酰胺共混，恒温搅拌后倒在平板刮膜机上，设置好刮膜厚度，利用相转化技术形成锂离子筛膜，放入去离子水中保存。形成了质地紧密、韧性好的锂离子筛膜，为后续高效选择性提锂提供了前提基础。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
