公开(公告)号：CN118586475B

公开(公告)日：2024-11-29

申请号：CN202411062873.5

申请日：2024-08-05

Applicant: 浙江浙能电力股份有限公司萧山发电厂 ,  浙江大学 ,  浙江浙能数字科技有限公司

Inventor： 沈晓兵 ,  孙飞 ,  张铁汉 ,  朱君 ,  赵春晖 ,  姚邹静 ,  贾晓燕

IPC: G06N3/098 ,  G06N3/048

Abstract: 本发明公开了一种基于稳定特征原型的联邦类别增量学习建模方法，该方法在云边协同场景下实现，针对边缘设备数据类别增量时模型的灾难性遗忘问题，在边端建立类别样本记忆库存储类别代表性样本，采用基于回放范式的原型网络更新策略进行边端本地更新；针对多边端云边协同建模时灾难性遗忘的扩散问题，在云端采用以统一特征空间下的特征原型为参考基准的加权聚合策略，在联邦框架下稳定优化特征空间，实现类别知识的联邦更新。本发明在保护数据隐私的情况下，解决了边端类别增量时的协同建模问题，可以有效缓解灾难性遗忘，在模型准确性和训练稳定性方面具有优越性。

公开(公告)号：CN119233272A

公开(公告)日：2024-12-31

申请号：CN202411310207.9

申请日：2024-09-19

Applicant: 浙江大学

Inventor： 周成伟 ,  文思涵 ,  贾晓燕 ,  俞荣栋 ,  王战 ,  钟耀毅

IPC: H04W16/18 ,  H04W12/121 ,  G06N3/048 ,  G06N3/0499 ,  G06N3/08 ,  G06F18/2132 ,  G06F18/214 ,  G06F18/2411

Abstract: 本发明公开了一种基于前馈神经网络的非合作未知物联网设备射频感知方法。本发明专注于非合作未知物联网设备发射的通信信号，由于此类设备一旦向外界传递其收集的信息，必然需要发射通信信号，因此通过捕获其通信信号能够有效提高检出概率。本发明通过神经网络提取通信信号特征，无需从设备供应商处获取此特征，有效提升了本发明部署的可行性和便捷性。前馈神经网络是最为精简的神经网络结构之一，其表征能力相对较弱，一般难以完成复杂任务，本发明采用特定的损失函数，使得训练得到的前馈神经网络具有识别非合作未知物联网设备的能力，因此使得本发明具有在同类方法中，对硬件性能要求较低的优点，进而提升了本发明的部署潜力，降低了部署成本。

公开(公告)号：CN118586475A

公开(公告)日：2024-09-03

申请号：CN202411062873.5

申请日：2024-08-05

Applicant: 浙江浙能电力股份有限公司萧山发电厂 ,  浙江大学 ,  浙江浙能数字科技有限公司

Inventor： 沈晓兵 ,  孙飞 ,  张铁汉 ,  朱君 ,  赵春晖 ,  姚邹静 ,  贾晓燕

IPC: G06N3/098 ,  G06N3/048

Abstract: 本发明公开了一种基于稳定特征原型的联邦类别增量学习建模方法，该方法在云边协同场景下实现，针对边缘设备数据类别增量时模型的灾难性遗忘问题，在边端建立类别样本记忆库存储类别代表性样本，采用基于回放范式的原型网络更新策略进行边端本地更新；针对多边端云边协同建模时灾难性遗忘的扩散问题，在云端采用以统一特征空间下的特征原型为参考基准的加权聚合策略，在联邦框架下稳定优化特征空间，实现类别知识的联邦更新。本发明在保护数据隐私的情况下，解决了边端类别增量时的协同建模问题，可以有效缓解灾难性遗忘，在模型准确性和训练稳定性方面具有优越性。