公开(公告)号：CN117076132B

公开(公告)日：2024-01-05

申请号：CN202311320639.3

申请日：2023-10-12

Applicant: 北京邮电大学 ,  国网数字科技控股有限公司

Inventor： 熊翱 ,  杨少杰 ,  李文璟 ,  郭少勇 ,  王栋 ,  李达 ,  温婷婷

IPC: G06F9/50 ,  G06N20/00

Abstract: 本申请提供一种分层联邦学习系统的资源分配及聚合优化方法及装置，涉及机器学习领域，方法包括：根据分层联邦学习系统中的各个边缘服务器各自的域内训练时间及传输延时信息，确定当前迭代轮次的提交时间区间；将全局模型参数和提交时间区间发送至各个边缘服务器，以使各个边缘服务器分别为自身分组中的各个终端分配针对当前迭代轮次的全局模型参数的目标计算任务并同步聚合各个子模型参数，对提交时间区间内接收到的边缘聚合结果数据进行云聚合。本申请能够有效降低分层联邦学习系统的计算复杂度，尤其适用于物联网等大量终端构成的分层联邦学习系统的场景，还能够提高终端和边缘服务器的计算资源利用率，进而能够有

公开(公告)号：CN117076132A

公开(公告)日：2023-11-17

申请号：CN202311320639.3

申请日：2023-10-12

Applicant: 北京邮电大学 ,  国网数字科技控股有限公司

Inventor： 熊翱 ,  杨少杰 ,  李文璟 ,  郭少勇 ,  王栋 ,  李达 ,  温婷婷

IPC: G06F9/50 ,  G06N20/00

Abstract: 本申请提供一种分层联邦学习系统的资源分配及聚合优化方法及装置，涉及机器学习领域，方法包括：根据分层联邦学习系统中的各个边缘服务器各自的域内训练时间及传输延时信息，确定当前迭代轮次的提交时间区间；将全局模型参数和提交时间区间发送至各个边缘服务器，以使各个边缘服务器分别为自身分组中的各个终端分配针对当前迭代轮次的全局模型参数的目标计算任务并同步聚合各个子模型参数，对提交时间区间内接收到的边缘聚合结果数据进行云聚合。本申请能够有效降低分层联邦学习系统的计算复杂度，尤其适用于物联网等大量终端构成的分层联邦学习系统的场景，还能够提高终端和边缘服务器的计算资源利用率，进而能够有效提高分层联邦学习的效率。

公开(公告)号：CN114756114B

公开(公告)日：2023-05-30

申请号：CN202210362067.4

申请日：2022-04-07

Applicant: 北京邮电大学 ,  星耀能(北京)科技有限公司

Inventor： 郭少勇 ,  陈钰 ,  熊翱 ,  杨少杰 ,  才智 ,  姚辉 ,  彭凯

IPC: G06F1/3206 ,  G06F1/3234 ,  G06F18/241 ,  G06F18/2411 ,  G06F18/2431 ,  G06F18/2415 ,  G06F17/18 ,  G01S19/42 ,  A61B5/0205 ,  A61B5/11

公开(公告)号：CN114756114A

公开(公告)日：2022-07-15

申请号：CN202210362067.4

申请日：2022-04-07

Applicant: 北京邮电大学 ,  星耀能(北京)科技有限公司

Inventor： 郭少勇 ,  陈钰 ,  熊翱 ,  杨少杰 ,  才智 ,  姚辉 ,  彭凯

IPC: G06F1/3206 ,  G06F1/3234 ,  G06K9/62 ,  G06F17/18 ,  G01S19/42 ,  A61B5/0205 ,  A61B5/11

Abstract: 本发明提供一种可穿戴设备节能方法及设备，获取高斯分布概率密度函数，以及用于判断生理数据正常和异常的设定概率阈值，采集用户当前时刻的第一生理数据，并根据高斯分布概率密度函数计算第一生理数据对应的概率值，比较概率值与设定概率阈值，判断用户生理数据是正常或异常状态，以指令心率传感器在正常状态下低频采样，在异常状态下高频采样；将第一生理数据输入预设分类算法，获取用户当前时刻的活动状态，以指令GPS定位模块在静止状态、位移量较低的常规状态和位移量较高的运动状态下以不同频率采样。在确保监测人体健康功能和性能的同时，降低设备功耗，延长续航时间，减少充电次数。

公开(公告)号：CN115438770A

公开(公告)日：2022-12-06

申请号：CN202210924931.5

申请日：2022-08-02

Applicant: 北京邮电大学 ,  国网浙江省电力有限公司电力科学研究院

Inventor： 熊翱 ,  杨少杰 ,  陈洁蔚 ,  郭少勇 ,  陈浩 ,  黄建平 ,  李钟煦 ,  颜拥 ,  韩嘉佳 ,  孙歆 ,  姚影 ,  杨超

IPC: G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明提供了一种基于自监督学习的纵向联邦学习方法、装置和存储介质，所述方法包括每一个参与方利用该参与方的所述非重叠数据集对所述表示层进行训练，并通过训练后的所述表示层对该参与方的所述重叠数据集中的重叠数据进行编码，将得到的编码数据发送至服务器，以使服务器利用融合后的来自于所有参与方的编码数据完成对所述推理层的训练。本发明实现了非重叠数据的利用，释放了数据潜力，减少了数据资源的浪费；并将编码数据发送至服务器中，从而将梯度回传截断在服务器内部，减少了参与方通过梯度反推标签的可能，同时通过减少参与方与服务器之间频繁的梯度传输，也减少了因梯度回传导致的梯度泄露或被篡改的风险。

公开(公告)号：CN115293358A

公开(公告)日：2022-11-04

申请号：CN202210751781.2

申请日：2022-06-29

Applicant: 中国电子技术标准化研究院 ,  国网综合能源服务集团有限公司 ,  北京邮电大学 ,  国网江苏省电力有限公司苏州供电分公司

Inventor： 张群 ,  马珊珊 ,  徐洋 ,  杨少杰 ,  熊翱 ,  王冰 ,  廖双乐 ,  周游

IPC: G06N20/00 ,  G06K9/62 ,  G16Y30/00

Abstract: 本发明提供一种面向物联网的分簇联邦多任务学习方法及装置，通过对物联网终端设备进行分簇，使相同簇内的数据分布趋于近似，并在每个簇内分别执行联邦多任务学习算法，在每个物联网终端设备处执行全局训练任务和个性化训练任务，在簇内实现数据共享的同时，充分利用物联网终端设备本地数据针对个性化任务进行训练，高效利用了各物联网终端设备的本地数据，提升了训练效果。在各物联网终端设备的本地训练过程中，根据算力调整本地训练轮次，充分利用各物联网终端设备的计算资源，提升了模型训练效率。利用全局模型对个性化训练任务进行正则化约束，能够有效防止过拟合，控制个性化程度，提升模型质量。