-
公开(公告)号：CN113435949A
公开(公告)日：2021-09-24
申请号：CN202111000056.3
申请日：2021-08-30
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于智能合约的去中心化联邦机器学习方法、系统及存储介质，该方法包括选举阶段、购买阶段和工作阶段：在选举阶段，由旧委员会节点触发选举阶段之后，智能合约平台从旧委员会节点接收选举参数并记录，基于接收的选举参数确定最终选举参数并向各节点通知选举事件，智能合约平台接收参与选举的节点发送的保证金，对参与节点进行排序并基于排序确定出新委员会节点；在购买阶段，接收多个新委员会节点发送的合并模型价格，并基于接收的合并模型价格以投票方式确定最终合并模型价格，并接收各参与训练的节点提交的子模型以及支付的最终合并模型价格；在工作阶段，用于进行对并模型的共识，所述工作阶段包括至少一轮模型验证和合并步骤。
-
公开(公告)号：CN113435949B
公开(公告)日：2021-11-23
申请号：CN202111000056.3
申请日：2021-08-30
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于智能合约的去中心化联邦机器学习方法、系统及存储介质，该方法包括选举阶段、购买阶段和工作阶段：在选举阶段，由旧委员会节点触发选举阶段之后，智能合约平台从旧委员会节点接收选举参数并记录，基于接收的选举参数确定最终选举参数并向各节点通知选举事件，智能合约平台接收参与选举的节点发送的保证金，对参与节点进行排序并基于排序确定出新委员会节点；在购买阶段，接收多个新委员会节点发送的合并模型价格，并基于接收的合并模型价格以投票方式确定最终合并模型价格，并接收各参与训练的节点提交的子模型以及支付的最终合并模型价格；在工作阶段，用于进行对并模型的共识，所述工作阶段包括至少一轮模型验证和合并步骤。
-
公开(公告)号：CN103095494A
公开(公告)日：2013-05-08
申请号：CN201210593765.1
申请日：2012-12-31
Applicant: 北京邮电大学
CPC classification number: H04L41/145 , H04L41/147 , H04L41/16
Abstract: 本发明公开了电力通信技术领域中的一种电力通信网风险评估方法。本发明首先采集电力通信网风险评估参数；然后通过风险评估参数构建指标数据库和样本数据库；最后根据所述样本数据库中的样本数据训练神经网络，调用训练后的神经网络计算所述指标数据库中的指标数据对应的电力通信网的风险值。本发明通过神经网络算法对指标数据进行训练，避免了人为给定指标权重时引入的主观因素；通过网络结构学习和网络参数学习避免了奇异数据的干扰，减少了隐含层节点的冗余数量，降低了神经网络学习时间，提升了网络学习速度；在出现新的风险因素时自动调整相应指标权重，具有良好的自适应性和很高的准确性。
-
公开(公告)号：CN103095494B
公开(公告)日：2016-06-29
申请号：CN201210593765.1
申请日：2012-12-31
Applicant: 北京邮电大学
CPC classification number: H04L41/145 , H04L41/147 , H04L41/16
Abstract: 本发明公开了电力通信技术领域中的一种电力通信网风险评估方法。本发明首先采集电力通信网风险评估参数；然后通过风险评估参数构建指标数据库和样本数据库；最后根据所述样本数据库中的样本数据训练神经网络，调用训练后的神经网络计算所述指标数据库中的指标数据对应的电力通信网的风险值。本发明通过神经网络算法对指标数据进行训练，避免了人为给定指标权重时引入的主观因素；通过网络结构学习和网络参数学习避免了奇异数据的干扰，减少了隐含层节点的冗余数量，降低了神经网络学习时间，提升了网络学习速度；在出现新的风险因素时自动调整相应指标权重，具有良好的自适应性和很高的准确性。
-
-
-
Search Results
4
records
(took 0.016 seconds)
