-
公开(公告)号：CN115061909A
公开(公告)日：2022-09-16
申请号：CN202210676451.1
申请日：2022-06-15
Applicant: 哈尔滨理工大学
Abstract: 本发明为一种基于联邦强化学习的异构软件缺陷预测方法；该方法首先使用主成分分析法(Principal Component Analysis，PCA)进行数据降维。中心服务器初始化全局参数发送给所有参与方，参与方将该全局参数作为本地强化学习dueling Deep Q Network(dueling DQN)模型的初始参数。所有参与方使用降维数据和上轮全局参数来更新本地dueling DQN模型，中心服务器随机选择参与方，选中的参与方将本地模型参数加入高斯噪声进行差分隐私加密。使用K‑means对选中的参与方进行聚类，通过本地聚合与全局聚合形成全局模型发送给所有参与方。当通信次数到达最大通信轮次或本地dueling DQN模型已经收敛，输出预测结果。本发明在保证数据隐私安全前提下通过结合多方数据模型，有效的提高了异构软件缺陷的预测效果。
-
公开(公告)号：CN115061909B
公开(公告)日：2024-08-16
申请号：CN202210676451.1
申请日：2022-06-15
Applicant: 哈尔滨理工大学
IPC: G06F11/36 , G06F21/60 , G06F21/62 , G06F18/23213 , G06F18/2135 , G06N3/0464 , G06N3/045 , G06N3/098 , G06N3/092
Abstract: 本发明为一种基于联邦强化学习的异构软件缺陷预测方法；该方法首先使用主成分分析法(Principal Component Analysis，PCA)进行数据降维。中心服务器初始化全局参数发送给所有参与方，参与方将该全局参数作为本地强化学习dueling Deep Q Network(dueling DQN)模型的初始参数。所有参与方使用降维数据和上轮全局参数来更新本地dueling DQN模型，中心服务器随机选择参与方，选中的参与方将本地模型参数加入高斯噪声进行差分隐私加密。使用K‑means对选中的参与方进行聚类，通过本地聚合与全局聚合形成全局模型发送给所有参与方。当通信次数到达最大通信轮次或本地dueling DQN模型已经收敛，输出预测结果。本发明在保证数据隐私安全前提下通过结合多方数据模型，有效的提高了异构软件缺陷的预测效果。
-
公开(公告)号：CN116303002A
公开(公告)日：2023-06-23
申请号：CN202310188453.0
申请日：2023-03-01
Applicant: 哈尔滨理工大学
Abstract: 本发明为基于top‑k的通信高效联邦学习的异构软件缺陷预测算法；该方法步骤如下：所有参与方将收到的全局参数进行解码，利用解码后的全局模型梯度参数与各自缺陷数据基于胶囊神经网络(CapsNet)进行本地训练，更新本地模型；各参与方利用高斯差分隐私对本地模型梯度参数进行加密；加密后的梯度参数进行稀疏二值压缩；将非零元素之间的相对距离进行Golomb编码发送到服务器端进行聚合；服务器端将接收到的数据进行解码，并对数据进行聚合；服务器端对聚合后参数进行稀疏二值压缩和Golomb编码并发送回每个参与方。本发明可以在模型预测性能可接受情况下，有效减少通信比特量并提高通信效率。
-
公开(公告)号：CN216566850U
公开(公告)日：2022-05-20
申请号：CN202123147056.4
申请日：2021-12-15
Applicant: 哈尔滨理工大学
IPC: G01N21/89
Abstract: 本实用新型公开了一种基于深度学习的产品表面缺陷检测装置，涉及产品检测技术领域，包括检测装置主体，检测装置主体的两侧面均安装有第一电机，安装架板的内侧位于与第一电机相对应处均安装有安装盘，且安装盘的一侧面下端固定有导向杆，安装架板的内侧位于安装盘的上方设置有安装杆，且安装杆的一端转动安装有摆动杆。当产品输送至ccd相机下方，并由距离传感器检测后，反馈至主机处，由主机处理后，使得第三电机停止转动，并通过主机控制第二电机转动，带动转杆转动，将遮阳布放下，对ccd相机处形成遮光，并通过ccd相机对产品表面进行拍摄，使得检测拍摄效果更好，拍摄后的数据传送至主机处。
-
-
-
Search Results
4
records
(took 0.016 seconds)
