-
公开(公告)号：CN114970693B
公开(公告)日：2024-05-07
申请号：CN202210515800.1
申请日：2022-05-11
Applicant: 国网上海市电力公司 , 上海富数科技有限公司
Abstract: 本发明涉及一种基于联邦学习的充电桩用户画像方法，包括：将电力公司计算节点记为Guest，将气象局计算节点记为Host；将Guest中的充电桩负荷样本集XA和Host中的气象数据样本集XB中具有相同日期的样本对齐；在Guest中通过预训练的第一联邦学习聚类模型计算XA的第一样本分布信息，在Host中通过预训练的第二联邦学习聚类模型计算XB的第二样本分布信息，并将第二样本分布信息发送至Guest；在Guest中根据第一样本分布信息和第二样本分布信息生成第一整体样本分布信息，并获取充电桩用户用电数据画像，本发明通过DB指标和Dunn指标对联邦学习聚类模型进行评估，提高了联邦学习聚类模型的可靠性。与现有技术相比，本发明具有保护用户隐私、准确度高、效率高、可靠性高等优点。
-
公开(公告)号：CN114970693A
公开(公告)日：2022-08-30
申请号：CN202210515800.1
申请日：2022-05-11
Applicant: 国网上海市电力公司 , 上海富数科技有限公司
Abstract: 本发明涉及一种基于联邦学习的充电桩用户画像方法，包括：将电力公司计算节点记为Guest，将气象局计算节点记为Host；将Guest中的充电桩负荷样本集XA和Host中的气象数据样本集XB中具有相同日期的样本对齐；在Guest中通过预训练的第一联邦学习聚类模型计算XA的第一样本分布信息，在Host中通过预训练的第二联邦学习聚类模型计算XB的第二样本分布信息，并将第二样本分布信息发送至Guest；在Guest中根据第一样本分布信息和第二样本分布信息生成第一整体样本分布信息，并获取充电桩用户用电数据画像，本发明通过DB指标和Dunn指标对联邦学习聚类模型进行评估，提高了联邦学习聚类模型的可靠性。与现有技术相比，本发明具有保护用户隐私、准确度高、效率高、可靠性高等优点。
-
公开(公告)号：CN114821143A
公开(公告)日：2022-07-29
申请号：CN202210514388.1
申请日：2022-05-11
Applicant: 国网上海市电力公司 , 上海富数科技有限公司
IPC: G06V10/762 , G06K9/62 , G06N20/20 , G06Q50/06
Abstract: 本发明涉及一种基于K‑Means模型的充电桩用户画像方法，包括：将电力公司计算节点记为Guest，气象局计算节点记为Host；采集充电桩负荷数据集，并进行预处理；将充电桩用户用电数据和气象数据分别输入Guest和Host，在Guest中根据充电桩用户用电数据通过训练好的第一K‑Means模型获取第一数据分布信息，在Host中根据气象数据通过训练好的第二K‑Means模型获取第二数据分布信息，并发送至Guest，在Guest中根据第一数据分布信息和第二数据分布信息计算整体数据分布信息，根据该信息获取充电桩用户用电数据画像。与现有技术相比，本发明具有安全性高、准确性高、效率高等优点。
-
公开(公告)号：CN114821143B
公开(公告)日：2024-05-03
申请号：CN202210514388.1
申请日：2022-05-11
Applicant: 国网上海市电力公司 , 上海富数科技有限公司
IPC: G06F18/23213 , G06F18/214 , G06N20/20 , G06Q50/06
Abstract: 本发明涉及一种基于K‑Means模型的充电桩用户画像方法，包括：将电力公司计算节点记为Guest，气象局计算节点记为Host；采集充电桩负荷数据集，并进行预处理；将充电桩用户用电数据和气象数据分别输入Guest和Host，在Guest中根据充电桩用户用电数据通过训练好的第一K‑Means模型获取第一数据分布信息，在Host中根据气象数据通过训练好的第二K‑Means模型获取第二数据分布信息，并发送至Guest，在Guest中根据第一数据分布信息和第二数据分布信息计算整体数据分布信息，根据该信息获取充电桩用户用电数据画像。与现有技术相比，本发明具有安全性高、准确性高、效率高等优点。
-
公开(公告)号：CN117557369A
公开(公告)日：2024-02-13
申请号：CN202311427808.3
申请日：2023-10-31
Applicant: 上海富数科技有限公司
IPC: G06Q40/04 , G06F16/901 , G06F21/62 , G06F21/60 , H04L9/00
Abstract: 本公开的实施例提供一种多方计算团体关联度的方法及装置、计算机可读存储介质。该多方包括发起方和多个参与方。该方法由发起方执行。该方法包括：确定待计算关联度的第一团体和第二团体以及关联跳距阈值，第一团体包括多个第一节点，第二团体包括多个第二节点；借助于该多个参与方所掌握的节点关系信息确定第二团体中与第一团体的跳距小于或者等于关联跳距阈值的目标节点；以及根据第二团体的节点总数和目标节点来确定第一团体和第二团体的关联度。
-
Patent Agency Ranking
公开(公告)号：CN115169576B
公开(公告)日：2024-02-09
申请号：CN202210729005.2
申请日：2022-06-24
Applicant: 上海富数科技有限公司
Abstract: 本申请提供一种基于联邦学习的模型训练方法、装置及电子设备，涉及计算机技术领域。该方法在模型训练过程中，每个第一参与方均利用自身的特征数据与第二参与方的特征数据进行训练，然后再将训练获得的模型参数传递给下一个第一参与方继续参与训练，直至所有的第一参与方全部参与训练，如此各个第一参与方和第二参与方可实现横向和纵向混合的联邦模型训练，达到更好的模型训练效果，以满足更多更复杂的应用场景。
-
公开(公告)号：CN114912630A
公开(公告)日：2022-08-16
申请号：CN202210625232.0
申请日：2022-06-02
Applicant: 上海富数科技有限公司广州分公司
Abstract: 本申请提供一种基于联邦学习的模型训练方法、装置及电子设备，涉及计算机技术领域。该方法在模型训练过程中，第二参与方将特征数据与带有噪声的模型参数相乘后获得的噪声中间结果发送给第一参与方，第一参与方对噪声中间结果进行去噪处理后继续后续的模型训练，如此通过对数据添加噪声以达到加密的效果，省去了第三方角色对数据加密的复杂过程，提高了模型训练的效率。并且，通过去噪处理，也可使得模型训练的过程与常规的无联邦学习的模型训练过程保持一致，进而避免了模型训练过程中的精度损失。
-
公开(公告)号：CN114429223A
公开(公告)日：2022-05-03
申请号：CN202210091039.3
申请日：2022-01-26
Applicant: 上海富数科技有限公司
Abstract: 本申请提供一种异构模型建立方法及装置，涉及深度学习模型领域，该方法包括：获取表征其他参与建模节点角色的信息；向任务服务机下发算法信息，确定目标建模算法；基于目标建模算法与任务服务机进行协同建模操作，协同建模操作包括：基于目标建模算法计算初步异构模型的损失值，基于损失值确定更新梯度值，以及基于更新梯度值更新初步异构模型的权重值；根据权重值和损失值确定初步异构模型是否收敛，在确定初步异构模型收敛时，得到目标异构模型。采用本申请实施例提供的方法能够在联邦学习的过程中使建立目标异构模型的过程能够在各个联邦学习平台之间互联互通，同时提高在进行协同建模时的安全性。
-
公开(公告)号：CN114912630B
公开(公告)日：2025-01-10
申请号：CN202210625232.0
申请日：2022-06-02
Applicant: 上海富数科技有限公司
IPC: G06N20/00 , G06F21/60 , G06F18/2415
Abstract: 本申请提供一种基于联邦学习的模型训练方法、装置及电子设备，涉及计算机技术领域。该方法在模型训练过程中，第二参与方将特征数据与带有噪声的模型参数相乘后获得的噪声中间结果发送给第一参与方，第一参与方对噪声中间结果进行去噪处理后继续后续的模型训练，如此通过对数据添加噪声以达到加密的效果，省去了第三方角色对数据加密的复杂过程，提高了模型训练的效率。并且，通过去噪处理，也可使得模型训练的过程与常规的无联邦学习的模型训练过程保持一致，进而避免了模型训练过程中的精度损失。
-
公开(公告)号：CN114996772A
公开(公告)日：2022-09-02
申请号：CN202210693204.2
申请日：2022-06-17
Applicant: 上海富数科技有限公司广州分公司
Abstract: 本申请提供一种联邦学习方法、装置、电子设备及存储介质，用于改善目前联邦学习过程的安全性较低的问题。该方法包括：接收无标签方设备发送的密态梯度随机值，无标签方设备上存储有样本数据，密态梯度随机值是对样本数据对应的损失值进行同态加密并加随机数获得的；对密态梯度随机值进行同态解密，获得梯度随机值；在梯度随机值中添加噪声值，获得加噪梯度随机值；向无标签方设备发送加噪梯度随机值，以使无标签方设备根据加噪梯度随机值对本地模型进行联邦学习。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.069 seconds)
