一种多层次嵌入的基于预训练大语言模型的交通流时空预测方法

    公开(公告)号:CN119252022A

    公开(公告)日:2025-01-03

    申请号:CN202411349688.4

    申请日:2024-09-26

    Applicant: 浙江大学

    Abstract: 本发明公开一种多层次嵌入的基于预训练大语言模型的交通流时空预测方法,其中的交通流时空预测模型包括时空嵌入层、多层时间编码网络、分词对齐层、预训练大语言模型和交通流解码层;通过自适应的交通流时空嵌入和多层时间编码网络,构建并捕获交通流复杂的动态时空关系;通过分词对齐层将以节点维度分词描述时间语义信息的交通流节点tokens与提示文本tokens对齐结合;最后,将融合了历史特征、动态时空特征和提示文本特征的多层次嵌入输入预训练大语言模型,通过训练大语言模型完成下游预测任务。本发明的方法能够提高预测精度,并减少可训练参数。

    一种基于区块链的车联网联邦学习方法

    公开(公告)号:CN118488075A

    公开(公告)日:2024-08-13

    申请号:CN202410588289.7

    申请日:2024-05-13

    Applicant: 浙江大学

    Abstract: 本发明公开一种基于区块链的车联网联邦学习方法,通过向车联网联邦学习引入区块链技术,利用智能合约协调车辆客户端之间的协作,消除了联邦学习对中心化服务器的依赖,避免了源自不诚实中心化服务器的安全威胁;通过对客户端上传的本地模型进行验证,判别并排除了恶意客户端上传的投毒模型,从而保护全局模型性能;引入基于区块链的虚拟货币作为激励手段,从本地模型精度和模型更新幅度两个方面评价车辆客户端在联邦学习中的贡献,鼓励良性客户端投入本地数据和计算资源;对投毒攻击或搭便车的恶意客户端进行惩罚,从而维护在车联网中协作建模的公平性。

Patent Agency Ranking