-
公开(公告)号：CN116759083A
公开(公告)日：2023-09-15
申请号：CN202310541994.7
申请日：2023-05-15
Applicant: 南京邮大医疗信息技术有限公司 , 南京邮电大学 , 江苏省人民医院(南京医科大学第一附属医院) , 边缘智能研究院南京有限公司
Abstract: 本发明公开了基于大数据框架的新生儿败血症疾病预测系统，包括前端功能模块和后端功能模块，所述前端功能模块用于采集用户信息数据、以及新生儿败血症疾病病理数据采集，并输出用户信息数据和新生儿败血症疾病病理数据至后端功能模块，所述后端功能模块用于存储前端功能模块的数据并且执行败血症疾病预测算法，将预测结果输出至前端功能模块。本发明借助Spark大数据框架以及其生态圈中的HIVE数据仓库组件，构建了基于Spark大数据框架的新生儿败血症病理参数大数据平台。实现了新生儿败血症病理参数数据共享和管理的目的。并且本发明还通过关系代数等价优化算法对数据结构进化，提高了系统进行数据查询的效率。
-
公开(公告)号：CN117610644B
公开(公告)日：2024-04-16
申请号：CN202410077654.8
申请日：2024-01-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于区块链的联邦学习优化方法，在基于区块链的联邦学习下，基于深度强化学习的数据卸载控制策略，控制用户设备选择将数据传输到边缘节点进行模型训练或者在本地进行模型更新；基于深度强化学习的数据卸载控制策略包括：定义数据卸载控制策略的状态、动作和奖励函数，利用双重深度Q网络算法选择当前状态下的最优动作；当最优动作为在本地训练模型时，控制用户设备在本地进行模型更新；当最优动作为在边缘节点训练模型时，根据数据卸载上传比例将用户设备的数据传输到边缘节点，在边缘节点进行模型训练。本发明能够增加边缘服务器在整个模型训练过程的比重，加速区块链网络中的联邦学习模型训练过程。
-
公开(公告)号：CN117692939B
公开(公告)日：2024-04-12
申请号：CN202410149801.8
申请日：2024-02-02
Applicant: 南京邮电大学
IPC: H04W24/04 , H04W28/084 , G06N3/098
Abstract: 本发明属于动态通信环境下的客户端调度技术领域，涉及一种动态通信环境下的客户端调度方法；将所有客户端都进行本地模型训练，然后基于客户端训练的状态（通信延迟、资源能耗）定义客户端的状态向量，再结合客户端的两个动作状态选择性能最优的一批客户端；根据客户端的状态向量和动作空间定义客户端可用性，再选择一组客户端上传本地模型进行全局聚合，本发明状态向量是根据客户端的实时状态进行动态调整和适应，这使得系统能够根据客户端的实际情况做出更合理的决策，最大效率的选择合适的客户端参与模型聚合，客户端可用性可以更准确的评估每个客户端的性能和可参与度，提高模型训练的精度和效率。
-
公开(公告)号：CN117592556B
公开(公告)日：2024-03-26
申请号：CN202410069642.0
申请日：2024-01-18
Applicant: 南京邮电大学
Abstract: 本发明属于联邦学习和边缘计算技术领域，公开了一种基于GNN的半联邦学习系统及其运行方法，系统包括云端服务中心、多个边缘服务器与终端设备，边缘服务器与云端服务中心之间存在双向的连接，边缘服务器和终端设备之间存在双向的链路，边缘服务器用于分析需要上传本地数据的终端设备，下发传输决策，确定本地训练的终端设备后，接收实行本地训练的终端设备上传的模型参数用于聚合；同时接收无法进行本地训练的终端设备发送的本地数据，进行去重处理后再进行模型训练，将得到的模型参数用于聚合，并聚合后的模型参数上传至所述云端服务中心。本发明提升了系统的包容性和模型的性能，解决了重复数据训练造成的模型过拟合问题。
-
Patent Agency Ranking
公开(公告)号：CN117692939A
公开(公告)日：2024-03-12
申请号：CN202410149801.8
申请日：2024-02-02
Applicant: 南京邮电大学
IPC: H04W24/04 , H04W28/084 , G06N3/098
Abstract: 本发明属于动态通信环境下的客户端调度技术领域，涉及一种动态通信环境下的客户端调度方法；将所有客户端都进行本地模型训练，然后基于客户端训练的状态（通信延迟、资源能耗）定义客户端的状态向量，再结合客户端的两个动作状态选择性能最优的一批客户端；根据客户端的状态向量和动作空间定义客户端可用性，再选择一组客户端上传本地模型进行全局聚合，本发明状态向量是根据客户端的实时状态进行动态调整和适应，这使得系统能够根据客户端的实际情况做出更合理的决策，最大效率的选择合适的客户端参与模型聚合，客户端可用性可以更准确的评估每个客户端的性能和可参与度，提高模型训练的精度和效率。
-
公开(公告)号：CN117610644A
公开(公告)日：2024-02-27
申请号：CN202410077654.8
申请日：2024-01-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于区块链的联邦学习优化方法，在基于区块链的联邦学习下，基于深度强化学习的数据卸载控制策略，控制用户设备选择将数据传输到边缘节点进行模型训练或者在本地进行模型更新；基于深度强化学习的数据卸载控制策略包括：定义数据卸载控制策略的状态、动作和奖励函数，利用双重深度Q网络算法选择当前状态下的最优动作；当最优动作为在本地训练模型时，控制用户设备在本地进行模型更新；当最优动作为在边缘节点训练模型时，根据数据卸载上传比例将用户设备的数据传输到边缘节点，在边缘节点进行模型训练。本发明能够增加边缘服务器在整个模型训练过程的比重，加速区块链网络中的联邦学习模型训练过程。
-
公开(公告)号：CN117592556A
公开(公告)日：2024-02-23
申请号：CN202410069642.0
申请日：2024-01-18
Applicant: 南京邮电大学
Abstract: 本发明属于联邦学习和边缘计算技术领域，公开了一种基于GNN的半联邦学习系统及其运行方法，系统包括云端服务中心、多个边缘服务器与终端设备，边缘服务器与云端服务中心之间存在双向的连接，边缘服务器和终端设备之间存在双向的链路，边缘服务器用于分析需要上传本地数据的终端设备，下发传输决策，确定本地训练的终端设备后，接收实行本地训练的终端设备上传的模型参数用于聚合；同时接收无法进行本地训练的终端设备发送的本地数据，进行去重处理后再进行模型训练，将得到的模型参数用于聚合，并聚合后的模型参数上传至所述云端服务中心。本发明提升了系统的包容性和模型的性能，解决了重复数据训练造成的模型过拟合问题。
-
公开(公告)号：CN116384513A
公开(公告)日：2023-07-04
申请号：CN202310620160.5
申请日：2023-05-30
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
Abstract: 本发明公开了一种云边端协同学习系统包括：用户设备层、边缘服务器层以及云服务器层；云服务器层用于控制云服务器将来自边缘服务器的局部模型聚合为全局模型，根据全局精度判断结果广播全局模型；边缘服务器层用于控制边缘服务器接收来自云服务器的全局模型，并将其作为局部模型广播给用户设备；用户设备层用于控制用户设备对接收到的局部模型进行训练得到本地模型，边缘服务器层还用于对接收到的本地模型进行聚合，并将聚合后的模型作为局部模型，判断该局部模型的局部精度，若局部精度满足要求，则将该局部模型上传至云服务器进行聚合，否则将该局部模型返回给边缘服务器继续训练直到满足要求为止，本发明能够大幅提高学习效率。
-
公开(公告)号：CN115331813A
公开(公告)日：2022-11-11
申请号：CN202211251539.5
申请日：2022-10-13
Applicant: 南京邮电大学 , 江苏省人民医院(南京医科大学第一附属医院)
Abstract: 本发明公开了一种基于大数据的产前筛查诊断信息管理系统，属于医疗技术和大数据领域，包括：数据接入模块，用于与医院各系统进行接口对接，获取孕产妇基本信息及其他的业务产生的信息，作为产前诊断系统的基本数据；数据存储模块，用于分类存放从医院系统中获取的以孕产妇个人为中心产生的数据集；数据管理模块，用于对数据库的操作与管理功能，实现数据库对象的创建、数据库存储数据的查询、添加、修改与删除操作和数据库的用户管理、权限管理；数据服务模块，提供包括孕产妇管理、检验检查管理、手术预约管理、随访管理、检索查询管理和数据科研管理的服务。实现医院内部的患者信息整合共享，为医院内孕产妇信息管理提供灵活高效的方案。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
