公开(公告)号：CN115511108A

公开(公告)日：2022-12-23

申请号：CN202211182116.2

申请日：2022-09-27

Applicant: 河南大学

Inventor： 翟锐 ,  张玉涛 ,  刘杭 ,  于俊洋 ,  王瑛琦 ,  宋亚林 ,  刘文明 ,  苑昆永

IPC: G06N20/20 ,  G06K9/62 ,  G06F21/60

Abstract: 本发明提供一种基于数据集蒸馏的联邦学习个性化方法。该方法包括：在客户端，利用预设的数据集蒸馏模型对本地数据进行处理生成蒸馏数据并将蒸馏数据加密后上传至服务器；服务器利用所有的加密蒸馏数据进行全局模型训练，得到全局模型的初始参数G0，将和G0下发至各客户端；在客户端，根据本地数据的数据分布特征利用进行数据增强得到新的本地数据，并利用G0对本地模型进行参数初始化，然后利用新的本地数据对当前本地模型的参数进行更新并上传至服务器；服务器对所有本地模型的参数进行聚合以更新全局模型的参数，并将更新后的全局模型的参数下发至各客户端；重复前述的两个步骤，直至更新后的全局模型满足要求。

公开(公告)号：CN115511108B

公开(公告)日：2024-07-12

申请号：CN202211182116.2

申请日：2022-09-27

Applicant: 河南大学

Inventor： 翟锐 ,  张玉涛 ,  刘杭 ,  于俊洋 ,  王瑛琦 ,  宋亚林 ,  刘文明 ,  苑昆永

IPC: G06N20/20 ,  G06F18/214 ,  G06F21/60

Abstract: 本发明提供一种基于数据集蒸馏的联邦学习个性化方法。该方法包括：在客户端，利用预设的数据集蒸馏模型对本地数据进行处理生成蒸馏数据#imgabs0#并将蒸馏数据加密后上传至服务器；服务器利用所有的加密蒸馏数据#imgabs1#进行全局模型训练，得到全局模型的初始参数G0，将#imgabs2#和G0下发至各客户端；在客户端，根据本地数据的数据分布特征利用#imgabs3#进行数据增强得到新的本地数据，并利用G0对本地模型进行参数初始化，然后利用新的本地数据对当前本地模型的参数进行更新并上传至服务器；服务器对所有本地模型的参数进行聚合以更新全局模型的参数，并将更新后的全局模型的参数下发至各客户端；重复前述的两个步骤，直至更新后的全局模型满足要求。

公开(公告)号：CN113269239B

公开(公告)日：2024-04-19

申请号：CN202110524395.5

申请日：2021-05-13

Applicant: 河南大学

Inventor： 左方 ,  李承宗 ,  张玉涛 ,  翟锐 ,  于俊洋 ,  宋亚林 ,  王瑛琦

IPC: G06F18/24 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于多通道卷积神经网络的关系网络节点分类方法，包括获取包含待分类节点的初始图网络信息，所述初始图网络信息包括初始图网络结构信息和初始图网络中每个节点的节点特征信息；根据初始图网络中节点之间的特征相似度构建特征图，并获取所述特征图的结构信息；建立节点分类模型，并进行节点分类模型的预先训练，将所述初始图网络的结构信息、所述初始图网络中每个节点的特征信息、以及所述特征图的结构信息输入预先训练的节点分类模型，以确定每个节点的类型；基于初始图网络中的标签类型确定每个节点所属于的标签类型，提升模型在分类领域的精度。

公开(公告)号：CN113269239A

公开(公告)日：2021-08-17

申请号：CN202110524395.5

申请日：2021-05-13

Applicant: 河南大学

Inventor： 左方 ,  李承宗 ,  张玉涛 ,  翟锐 ,  于俊洋 ,  宋亚林 ,  王瑛琦

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多通道卷积神经网络的关系网络节点分类方法，包括获取包含待分类节点的初始图网络信息，所述初始图网络信息包括初始图网络结构信息和初始图网络中每个节点的节点特征信息；根据初始图网络中节点之间的特征相似度构建特征图，并获取所述特征图的结构信息；建立节点分类模型，并进行节点分类模型的预先训练，将所述初始图网络的结构信息、所述初始图网络中每个节点的特征信息、以及所述特征图的结构信息输入预先训练的节点分类模型，以确定每个节点的类型；基于初始图网络中的标签类型确定每个节点所属于的标签类型，提升模型在分类领域的精度。