-
公开(公告)号:CN115408826A
公开(公告)日:2022-11-29
申请号:CN202210929335.6
申请日:2022-08-03
Applicant: 国网信息通信产业集团有限公司 , 北京邮电大学
Abstract: 本发明提供一种电力物联的建模方法、装置、电子设备及存储介质,该方法包括:构建设备信息本体、服务过程本体和服务概述本体;获取调用服务概述本体的所需参数,基于调用服务概述本体的所需参数,构建服务质量本体;基于设备信息本体、服务过程本体、服务概述本体,以及服务质量本体,构建基于网络服务本体语言的电力物联模型;其中,所述设备信息本体是基于电力设备信息构建,所述服务过程本体是基于服务执行过程中的所需属性构建,所述服务概述本体是基于需调用的服务信息构建。本发明通过构建设备信息本体,构建服务质量本体,实现了服务及设备信息的语义建模,建立了统一标准的描述规范,解决了电力系统异构标识间的互联互通问题。
-
公开(公告)号:CN118364395A
公开(公告)日:2024-07-19
申请号:CN202410223321.1
申请日:2024-02-28
Inventor: 郝佳恺 , 金明 , 李宇婷 , 朴天高 , 闫磊 , 吴达 , 陈洁蔚 , 郭少勇 , 姚晓明 , 刘铮 , 卻鑫运 , 丁一鸣 , 薛飞宇 , 赵鲲翔 , 李金友 , 李俊芹 , 郝颖
IPC: G06F18/2433 , G06F18/15 , G06Q50/06
Abstract: 本发明公开了一种基于内嵌式数据处理单元的电力系统异常检测方法、装置、系统及存储介质。其中,该方法涉及电网领域,应用于边缘云服务器中部署的内嵌式数据处理单元,包括:获取电力终端设备的初始数据;通过异常检测模型对初始数据进行数据检测,得到检测结果,其中,检测结果用于表征电力系统是否出现异常。本发明解决了相关技术中对电力系统的异常检测的实时性低的技术问题。
-
公开(公告)号:CN115033355A
公开(公告)日:2022-09-09
申请号:CN202210482168.5
申请日:2022-05-05
Applicant: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
Abstract: 本申请提供一种任务调度方法、电子设备及存储介质,该方法包括:基于应用程序请求信息形成应用任务图;确定应用任务图中各个应用任务对应的任务优先级,形成任务优先队列;基于优先队列集合确定队首任务集合;根据队首任务集合确定目标调度任务;分别确定边缘云系统中的各个异构边缘服务器对应的容器配置状态,确定目标调度任务在各个异构边缘服务器中分别对应的第一预估完成时间;确定目标调度任务在边缘云系统中的远程云服务器中的第二预估完成时间;基于各个第一预估完成时间以及第二预估完成时间确定目标调度服务器。本申请提供的方案,能够充分利用服务器资源,提升任务动态调度合理性,提高应用任务处理效率。
-
公开(公告)号:CN119599072A
公开(公告)日:2025-03-11
申请号:CN202411663076.2
申请日:2024-11-20
Applicant: 北京邮电大学
IPC: G06N3/063 , G06N5/04 , G06N3/0464 , G06N3/0455
Abstract: 本发明提供一种基于DPU的模型推理加速方法、装置、设备及介质,该方法包括:对待推理数据图像的颜色进行分离,得到至少两个单通道图像;基于双收缩阵列和至少两个卷积核,同步对各单通道图像进行特征提取,得到特征图;特征图用于模型推理;双收缩阵列用于特征提取所需的矩阵乘法运算,并实现并行计算;双收缩阵列是DPU通过硬件描述语言实现的。本发明通过DPU双收缩阵列和至少两个卷积核,对多个单通道图像进行特征提取并对大规模矩阵进行并行计算,提高系统吞吐量,从而实现大模型推理加速。
-
公开(公告)号:CN114169412B
公开(公告)日:2024-09-06
申请号:CN202111397160.0
申请日:2021-11-23
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
IPC: G06F18/214 , G06N3/098
Abstract: 本发明提供一种面向大规模产业链隐私计算的联邦学习模型训练方法。所述方法包括:由联邦学习中心服务器节点以非独立同分布为目标划分产业链业务训练数据集,并分发至多个联邦学习工人节点;联邦学习工人节点基于目标利润函数迭代训练本地模型;聚合服务器节点在聚合每个联邦学习工人节点发送的更新后的本地模型权重后,根据各个本地模型权重分布和整体本地模型权重分布,计算每个联邦学习工人节点对应的地动距离,并剔除超过预设距离阈值的联邦学习工人节点;由剩余的联邦学习工人节点继续进行模型训练。本发明在联邦学习模型训练过程中将分布差异过大的数据分布剔除,减少异质性数据带来的精度损失,提高了传统算法在产业链中的应用可靠性。
-
公开(公告)号:CN116307813A
公开(公告)日:2023-06-23
申请号:CN202211650192.1
申请日:2022-12-21
Applicant: 北京邮电大学
IPC: G06Q10/0639 , G06Q20/38 , G06Q30/0207
Abstract: 本发明公开了一种基于数字人民币的超级智能城市群智感知激励方法,采用用户层、区块链层、数字人民币系统层三部分,数据使用用户发布群智感知任务,并提供相应支出的数字人民币金额,任务参与用户完成感知任务,上传感知数据到区块链上完成用户信息的存储,区块链通过多属性拍卖算法筛选感知数据,根据中标情况自动调用数字人民币系统相关接口将数字人民币发放至中标用户的数字人民币账户中,实现奖励发放。本发明引入区块链,解决了群智感知依赖集中式平台的问题,区块链与数字人民币相结合,实现信誉值和奖励发放的真实可靠、高效公正。同时,本发明利用数据的多个属性计算效用值,通过数据效用值对感知数据进行筛选,可以有效提高数据的质量。
-
公开(公告)号:CN115829553A
公开(公告)日:2023-03-21
申请号:CN202211650133.4
申请日:2022-12-21
Applicant: 北京邮电大学
Abstract: 本发明公开了一种数字人民币与联盟链互联互通方法,基于动态弹性可扩展预言机,以数字人民币运营机构组成预言机网络,通过该架构打通区块链与数字人民币系统,帮助数字人民币在联盟链网络中合法、有序、合规流通,解决了区块链获取数字人民币数据的问题,实现区块链与数字人民币的互联互通,减少区块链直接改成接入数字人民币系统的成本,拓展数字人民币区块链系统的应用场景。此外本发明还提高了预言机向区块链返回数字人民币数据的吞吐量以及数字人民币运营机构的资源利用效率,解决了运营机构组成的预言机网络的吞吐量低和资源分配效率低等问题。
-
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
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:CN117857168A
公开(公告)日:2024-04-09
申请号:CN202311866670.7
申请日:2023-12-29
IPC: H04L9/40 , G06N3/044 , G06F18/214 , G06F18/213
Abstract: 本发明公开了一种网络攻击检测方法、装置和处理器。其中,该方法包括:基于特征提取模型对接收到的网络流量进行特征提取,得到网络流量的时间特征向量和数据量特征向量;基于注意力模型对时间特征向量和数据量特征向量进行注意力处理,得到目标特征向量;基于攻击检测模型对时间特征向量、数据量特征向量和目标特征向量进行检测,确定网络流量是否存在网络攻击,其中,攻击检测模型为双向循环神经网络模型。本发明解决了相关技术中对网络流量中的攻击进行检测的准确度较差的技术问题。
-
公开(公告)号:CN116777002A
公开(公告)日:2023-09-19
申请号:CN202310712087.4
申请日:2023-06-15
Applicant: 国网辽宁省电力有限公司电力科学研究院 , 北京邮电大学 , 国网辽宁省电力有限公司 , 国家电网有限公司
Inventor: 杨超 , 李桐 , 王磊 , 徐思雅 , 刘劲松 , 邵苏杰 , 雷振江 , 孙峰 , 宋进良 , 刘扬 , 李婷婷 , 陈剑 , 任帅 , 耿洪碧 , 陈得丰 , 齐芫苑 , 杨智斌 , 杨舒钧 , 陈洁蔚 , 刘芮彤
IPC: G06N20/00 , G06F18/23213 , G06F16/23 , G06F16/27
Abstract: 本发明提供一种基于有向无环图DAG区块链的联邦学习方法,该方法包括:在接收到管理设备发送的继续训练指令之后,获取当前DAG区块链;基于本地数据测试集和当前DAG区块链中节点内的模型参数,确定初始模型参数;基于本地数据训练集,对具有初始模型参数的预设模型进行训练,得到中间模型;基于中间模型的模型精度,对中间模型的模型参数进行压缩,得到当前目标模型参数;其中,当前目标模型参数用于更新当前DAG区块链得到新的DAG区块链;向管理设备发送当前目标模型参数。本发明提供的一种基于有向无环图DAG区块链的联邦学习方法用于节省通信开销。
-
-
-
-
-
-
-
-
-