-
公开(公告)号：CN113128667B
公开(公告)日：2023-10-31
申请号：CN202110363771.7
申请日：2021-04-02
Applicant: 中国科学院计算技术研究所
IPC: G06N3/0464 , G06N3/096 , G06N3/084
Abstract: 本发明公开一种跨域自适应的图卷积平衡迁移学习方法，包括：将源域数据和目标域数据输入第一图卷积神经网络，分别得到源域数据和目标域数据中节点的局部特征；将源域数据和目标域数据输入第二图卷积神经网络，分别得到源域数据和目标域数据中节点的全局特征；利用注意力机制将源域数据和目标域数据中节点的局部特征和全局特征进行聚合，得到源域数据和目标域数据中节点的统一特征；基于源域数据和目标域数据中节点的统一特征，构建源域分类器和目标域分类器分别对源域数据和目标域数据中节点进行分类，构建领域分类器用于判定节点来自源域数据或者目标域数据。
-
公开(公告)号：CN113128701A
公开(公告)日：2021-07-16
申请号：CN202110371288.3
申请日：2021-04-07
Applicant: 中国科学院计算技术研究所
IPC: G06N20/00
Abstract: 本申请提供了面向样本稀疏性的联邦学习方法及系统，包括由各个边缘设备在基于本地数据对全局模型训练后将得到的模型参数以及训练用的特征向量上传至云端服务器；由云端服务器将从各边缘设备收到的特征向量形成多模态特征联合表示并对来自各个边缘设备的模型参数进行聚合；由云端服务器利用多模态特征联合表示对经聚合后的全局模型进行训练并将训练后的模型参数和多模态特征联合表示下发至各个边缘设备；以及由每个边缘设备对从云端服务器收到的全局模型进行迁移学习以得到相应的本地模型。该方案有效联合多个不同模态数据的参与方进行模型的协同训练，在兼顾用户隐私的同时改善了模型精度。
-
公开(公告)号：CN117612709A
公开(公告)日：2024-02-27
申请号：CN202311800401.0
申请日：2023-12-26
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种医疗任务模型的联邦构建方法，用于同时构建适用于执行不同任务的医疗任务模型，所述方法包括：步骤S1：通用模型构建步骤，以联邦学习的方式通过步骤S11的初始化步骤和步骤S12的联邦训练步骤构建一个适用于各种医疗任务的通用模型，步骤S2：医疗任务模型组合步骤：将多次联邦训练后中心服务器得到的特征提取模型作为通用模型，并将该通用模型作为特征提取器，将其分别与多个目标任务对应的嵌入模块和输出模块组合以构成每个目标任务对应的医疗任务模型。
-
公开(公告)号：CN119480126A
公开(公告)日：2025-02-18
申请号：CN202411354767.4
申请日：2024-09-27
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于模型联邦网络的多中心医疗任务模型构建方法，所述方法包括：获取当前医疗中心的模型构建需求，并基于模型构建需求从该医疗中心选择对应的任务模型作为原始任务模型；从模型联邦网络中选择一个或多个与原始任务模型任务类型一致的来自于其他医疗中心的外部任务模型；对原始任务模型和每一个外部任务模型分别进行特征归因分析以得到原始任务模型和每一个外部任务模型的模型量化评估结果；以图匹配方式计算原始任务模型与各个外部任务模型之间的结构相似度；基于模型量化评估结果和结构相似度，按照预设的方式将原始任务模型中神经网络层的神经元参数与各个外部任务模型对应神经网络层的神经元参数进行加权融合得到目标医疗任务模型。
-
Patent Agency Ranking
公开(公告)号：CN113052333A
公开(公告)日：2021-06-29
申请号：CN202110359726.4
申请日：2021-04-02
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于联邦学习进行数据分析的方法和系统，该方法采用了基于联邦学习建立的本地任务模型，其中，本地任务模型通过以下方法建立：基于训练样本数据构建面向指定特征的数据子图；利用数据子图训练本地任务模型；提取本地任务模型的模型参数上传至服务器以更新服务器模型参数，并利用更新后的服务器模型优化本地任务模型；重复上述步直至服务器模型收敛，基于收敛后的服务器模型优化本地任务模型。通过本发明的方法，能够在保护用户隐私的前提下，挖掘不同用户数据之间特异性特征与深度关联，利用图数据结构信息优化本地模型，实现对本地数据的精确分析和判断。
-
公开(公告)号：CN117197115A
公开(公告)日：2023-12-08
申请号：CN202311277365.4
申请日：2023-09-28
Applicant: 中国科学院计算技术研究所 , 爱尔眼科医院集团股份有限公司长沙爱尔眼科医院
IPC: G06T7/00 , G06T5/50 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种眼底图像识别模型更新方法、装置、设备及介质，涉及眼科医疗领域，包括：基于获取到的待更新用户端对应的眼底图像识别模型样本知识确定眼底图像目标特征集合；获取每个待更新用户端对应的用于记录网络神经元的激活值，基于眼底图像识别模型样本知识、激活值、眼底图像共有特征集合构建本地眼底图像识别模型子图；将全部本地眼底图像识别模型子图传递至服务端，对全部述本地眼底图像识别模型子图进行子图融合，得到融合后子图；利用融合后子图对本地眼底图像识别模型进行更新。本发明将用户端模型的融合更新转化为子图融合生成全图的操作，基于多种隐私计算技术保证模型融合全周期的隐私安全，实现模型的安全传递和增量融合。
-
公开(公告)号：CN113139664B
公开(公告)日：2023-10-10
申请号：CN202110477456.7
申请日：2021-04-30
Applicant: 中国科学院计算技术研究所
IPC: G06N20/00 , G06F18/214 , G06F18/241
Abstract: 本发明实施例提供了一种跨模态的迁移学习方法，该方法通过构建迁移学习模型，用全局领域判别模块对齐边缘分布，用局部类别判别模块细粒度地从类别角度对齐特征的条件分布，用局部模态判别模块细粒度地从模态角度对齐特征的条件分布，该模型架构基于对抗网络的迁移学习的思想，能在训练过程中适配跨模态迁移学习中边缘分布差异和条件分布差异，并利用对抗训练去自适应学到更多可迁移特征，从而提高分类模型的性能。
-
公开(公告)号：CN113139664A
公开(公告)日：2021-07-20
申请号：CN202110477456.7
申请日：2021-04-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种跨模态的迁移学习方法，该方法通过构建迁移学习模型，用全局领域判别模块对齐边缘分布，用局部类别判别模块细粒度地从类别角度对齐特征的条件分布，用局部模态判别模块细粒度地从模态角度对齐特征的条件分布，该模型架构基于对抗网络的迁移学习的思想，能在训练过程中适配跨模态迁移学习中边缘分布差异和条件分布差异，并利用对抗训练去自适应学到更多可迁移特征，从而提高分类模型的性能。
-
公开(公告)号：CN113128667A
公开(公告)日：2021-07-16
申请号：CN202110363771.7
申请日：2021-04-02
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开一种跨域自适应的图卷积平衡迁移学习方法，包括：将源域数据和目标域数据输入第一图卷积神经网络，分别得到源域数据和目标域数据中节点的局部特征；将源域数据和目标域数据输入第二图卷积神经网络，分别得到源域数据和目标域数据中节点的全局特征；利用注意力机制将源域数据和目标域数据中节点的局部特征和全局特征进行聚合，得到源域数据和目标域数据中节点的统一特征；基于源域数据和目标域数据中节点的统一特征，构建源域分类器和目标域分类器分别对源域数据和目标域数据中节点进行分类，构建领域分类器用于判定节点来自源域数据或者目标域数据。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.041 seconds)
