-
公开(公告)号：CN116595094A
公开(公告)日：2023-08-15
申请号：CN202310537880.5
申请日：2023-05-12
Applicant: 广东省农村信用社联合社 , 北京邮电大学
IPC: G06F16/27 , G06N20/00 , G06F18/214
Abstract: 本发明提供一种基于区块链的联邦学习激励方法、装置、设备和存储介质，涉及机器学习技术领域。其中方法包括：获取联邦学习参与方设备发送的第一模型参数，所述联邦学习参与方设备与所述区块生成节点关联，所述第一模型参数为所述联邦学习参与方设备迭代更新后的模型参数；基于所述第一模型参数，确定所述联邦学习参与方设备的训练贡献度；基于所述训练贡献度确定激励方案，以供所述主链基于所述主链的智能合约和所述激励方案对所述联邦学习参与方设备进行激励。本发明提高了联邦学习激励的可靠性以及激励资金的安全性。
-
公开(公告)号：CN117955116A
公开(公告)日：2024-04-30
申请号：CN202410035946.5
申请日：2024-01-10
Applicant: 北京邮电大学 , 国网安徽省电力有限公司 , 国电南瑞科技股份有限公司
Abstract: 本发明公开了一种云边协同的电力负荷多粒度混合调控方法与系统，属于电力资源优化调配领域。所述的混合调控系统，包括核心调控系统和若干边缘调控系统；每个边缘区域对应一套边缘调控系统，在各边缘区域内分别部署了若干监测设备，收集各监测设备产生的负荷监测数据，并预测其电力负荷需求；边缘智能体从核心智能体处接收调控策略，生成各监测设备的调控任务列表，实现可控电气设备的负荷调控。核心调控系统收集各边缘调控系统的用电数据，并进行区域级预测，核心智能体基于分层多智能体强化学习方法，在满足用户舒适度的情况下，为各边缘智能体选择合适的调控策略，尽可能的减少各边缘区域可控监测设备的用电量，降低用电成本。
-
Patent Agency Ranking
公开(公告)号：CN114817578B
公开(公告)日：2022-09-09
申请号：CN202210745739.X
申请日：2022-06-29
Applicant: 北京邮电大学
Abstract: 本发明提供一种科技论文引用关系表示学习方法、系统及存储介质，所述方法包括：获取科技论文的关系图，所述关系图中的各节点表示各科技论文，所述关系图中的各边表示科技论文之间的引用关系；基于所述关系图确定第一科技论文特征矩阵及科技论文邻接矩阵；构建图自动编码器；将所述第一科技论文特征矩阵及科技论文邻接矩阵输入至图自动编码器，得到各科技论文的第一嵌入表示。该方法可使科技论文引用关系得到更准确的表示。
-
公开(公告)号：CN114817578A
公开(公告)日：2022-07-29
申请号：CN202210745739.X
申请日：2022-06-29
Applicant: 北京邮电大学
Abstract: 本发明提供一种科技论文引用关系表示学习方法、系统及存储介质，所述方法包括：获取科技论文的关系图，所述关系图中的各节点表示各科技论文，所述关系图中的各边表示科技论文之间的引用关系；基于所述关系图确定第一科技论文特征矩阵及科技论文邻接矩阵；构建图自动编码器；将所述第一科技论文特征矩阵及科技论文邻接矩阵输入至图自动编码器，得到各科技论文的第一嵌入表示。该方法可使科技论文引用关系得到更准确的表示。
-
公开(公告)号：CN113535912A
公开(公告)日：2021-10-22
申请号：CN202110540413.9
申请日：2021-05-18
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/33 , G06F40/194 , G06F40/279 , G06N3/04 , G06N3/08
Abstract: 本公开提供一种基于图卷积网络和注意力机制的文本关联方法及相关设备，该方法包括：获取用户问题和文档；通过分词算法分别提取所述用户问题和所述文档的关键词及权重；利用词向量模型得到所述用户问题的词向量序列和所述文档的词向量序列；基于文档的词向量序列构建交互图；将用户问题的词向量和文档的词向量进行交互后构建视图；将所有所述视图输入预先构建的图卷积神经网络模型中，输出所述用户问题和所述文档的关联标签，其中，所述图卷积神经网络模型是经过预训练的。本公开采用图结构来表示文档，图结构可以在一定程度上保持文档中关键词之间的交互关系，既解决了词向量模型文本长度表征有限的问题，同时提高了科研论文检索的准确性。
-
公开(公告)号：CN113535912B
公开(公告)日：2023-12-26
申请号：CN202110540413.9
申请日：2021-05-18
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/33 , G06F40/194 , G06F40/279 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本公开提供一种基于图卷积网络和注意力机制的文本关联方法及相关设备，该方法包括：获取用户问题和文档；通过分词算法分别提取所述用户问题和所述文档的关键词及权重；利用词向量模型得到所述用户问题的词向量序列和所述文档的词向量序列；基于文档的词向量序列构建交互图；将用户问题的词向量和文档的词向量进行交互后构建视图；将所有所述视图输入预先构建的图卷积神经网络模型中，输出所述用户问题和所述文档的关联标签，其中，所述图卷积神经网络模型是经过预训练的。本公开采用图结构来表示文档，图结构可以在一定程度上保持文档中关键词之间的交互关系，既解决了词向量模型文本长度表征有限的问题，同时提高了科研论文检索的准确性。
-
公开(公告)号：CN113705603A
公开(公告)日：2021-11-26
申请号：CN202110784672.6
申请日：2021-07-12
Applicant: 北京邮电大学 , 北京百度网讯科技有限公司
Abstract: 本公开提供一种不完整多视角数据的聚类方法、电子设备，所述方法包括：通过多视角自编码器对不完整多视角数据缺失的多视角特征进行补全，以得到完整多视角数据及其统一特征表示；通过单层神经网络模型对完整多视角数据的局部结构进行学习，并利用图卷积网络对完整多视角数据的局部结构信息进行提取，以得到完整多视角数据各视角的节点特征表示；基于统一特征表示以及节点特征表示，通过预设的聚类算法进行聚类得到完整多视角数据的聚类结果。本公开的技术方案在补全不完整多视角数据的缺失特征后，通过结合多视角数据的全局结构和局部结构，增强多视角数据的特征表示，进而获得更准确的多视角数据的聚类结果。
-
-
-
-
-
-
Search Results
7
records
(took 0.053 seconds)
