-
公开(公告)号：CN114219160A
公开(公告)日：2022-03-22
申请号：CN202111564052.8
申请日：2021-12-20
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q10/06 , G06Q10/08 , G06Q50/04 , G06N20/00 , G06N3/04 , G06N3/08 , G06K9/62 , G06F21/60
Abstract: 本发明公开了一种基于联邦学习的生产链协同调度方法，包括参与生产链的供应方和需求方对本地数据进行预处理，并设置训练集和验证集，并进行数据增强；供应方和需求方通过样本对齐获得中间样本；通过长短期记忆网络对供应方和需求方分别建立本地数据模型，并通过增强数据集进行训练；将供应方、需求方和第三方服务器进行同态加密交互；第三方服务器收集修正后的加权计算数据并整合后将差值发送到供应方或需求方；构建供应方和需求方的图结构，并输出生产链序列，进行协同调度。本发明在加密的情况下进行，极大地保护了参与双方的数据安全。本方法通过双方共同的评估结果，协同地选择出最优供应链，实现随产随供，降低了运营成本，提高了利润。
-
公开(公告)号：CN114219160B
公开(公告)日：2024-07-09
申请号：CN202111564052.8
申请日：2021-12-20
Applicant: 湖南大学
IPC: G06Q10/063 , G06Q10/087 , G06Q50/04 , G06N20/00 , G06N3/0442 , G06N3/08 , G06F21/60
Abstract: 本发明公开了一种基于联邦学习的生产链协同调度方法，包括参与生产链的供应方和需求方对本地数据进行预处理，并设置训练集和验证集，并进行数据增强；供应方和需求方通过样本对齐获得中间样本；通过长短期记忆网络对供应方和需求方分别建立本地数据模型，并通过增强数据集进行训练；将供应方、需求方和第三方服务器进行同态加密交互；第三方服务器收集修正后的加权计算数据并整合后将差值发送到供应方或需求方；构建供应方和需求方的图结构，并输出生产链序列，进行协同调度。本发明在加密的情况下进行，极大地保护了参与双方的数据安全。本方法通过双方共同的评估结果，协同地选择出最优供应链，实现随产随供，降低了运营成本，提高了利润。
-
Patent Agency Ranking
公开(公告)号：CN114494812B
公开(公告)日：2024-07-16
申请号：CN202210141099.1
申请日：2022-02-16
Applicant: 湖南大学
IPC: G06V10/80 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于改进CenterNet的图像小目标检测方法，包括获取原始图像，对原始图像进行mosaic数据增强，增加原始图像中小目标的样本量；使用注意力机制增强后的骨干网络提取图像的特征；对骨干网络提取的图像的特征进行多感受野融合，使用可变形卷积上采样；对进行多感受野融合，使用可变形卷积上采样处理后的特征图进行预测，得到热力图，目标的宽、高和中心点坐标；从热力图提取出检测框，得到检测结果。本发明通过对训练数据的增强，增加小目标的样本量；通道注意力增强和空间注意力增强能够有效地区分小目标和背景信息；以及多重感受野融合和高分辨率特征图的结合，能够有效提升小目标检测精度。
-
公开(公告)号：CN114492412A
公开(公告)日：2022-05-13
申请号：CN202210124098.6
申请日：2022-02-10
Applicant: 湖南大学
IPC: G06F40/279 , G06N20/20 , G06F40/126 , G06F40/166 , G06F40/216
Abstract: 本发明公开了一种面向中文短文本的实体关系抽取方法，包括获取中文数据，并进行预处理，对不足预设句子长度的文本进行扩充，并进行标记，得到处理后文本；对处理后文本进行特征提取；构建头实体标注模型，并进行头实体预测；构建特定关系的尾实体标注模型，进行尾实体预测，获取每个参与方的最后的三元组；利用横向联邦学习协同训练，获取最终损失，获得最终实体关系抽取模型，并对当前中文短文本进行实体关系抽取。本发明可以有效保证数据的隐秘，提高数据安全性，同时区别与传统的联邦学习，在融合了知识蒸馏的思想之后，避免了关系抽取模型参数太大，缩减了很大一部分的网络开销和时间开销，能够安全高效地对中文短文本的实体关系进行抽取。
-
公开(公告)号：CN114219159A
公开(公告)日：2022-03-22
申请号：CN202111564034.X
申请日：2021-12-20
Applicant: 湖南大学
Abstract: 本发明公开了一种基于联邦学习与注意力机制的生产线调度方法，包括获取若干个零件厂家的历史生产零件数据；采用长短期记忆网络，生成各个零件厂家的生产零件数据模型；通过加密和纵向联邦学习，将各个零件厂家的生产零件数据模型进行协同训练；采用注意力机制，求解作业车间调度问题，并采用生成的结果进行生产线调度。本发明在预测准确率较高的前提下保证了本生产线数据的私密与安全，防止了数据的泄露；且由于预测数据较为准确，可以避免生产过剩等造成资源的浪费。使用联邦学习进行共同建模，不仅可以使各参与方获得数据保护的同时，也实现共同提升模型效果的目的，且模型无损失，不会出现负迁移，使得生产线调度更接近实际情况，更准确。
-
公开(公告)号：CN114492412B
公开(公告)日：2024-10-01
申请号：CN202210124098.6
申请日：2022-02-10
Applicant: 湖南大学
IPC: G06F40/279 , G06N20/20 , G06F40/126 , G06F40/166 , G06F40/216
Abstract: 本发明公开了一种面向中文短文本的实体关系抽取方法，包括获取中文数据，并进行预处理，对不足预设句子长度的文本进行扩充，并进行标记，得到处理后文本；对处理后文本进行特征提取；构建头实体标注模型，并进行头实体预测；构建特定关系的尾实体标注模型，进行尾实体预测，获取每个参与方的最后的三元组；利用横向联邦学习协同训练，获取最终损失，获得最终实体关系抽取模型，并对当前中文短文本进行实体关系抽取。本发明可以有效保证数据的隐秘，提高数据安全性，同时区别与传统的联邦学习，在融合了知识蒸馏的思想之后，避免了关系抽取模型参数太大，缩减了很大一部分的网络开销和时间开销，能够安全高效地对中文短文本的实体关系进行抽取。
-
公开(公告)号：CN114494812A
公开(公告)日：2022-05-13
申请号：CN202210141099.1
申请日：2022-02-16
Applicant: 湖南大学
IPC: G06V10/80 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种基于改进CenterNet的图像小目标检测方法，包括获取原始图像，对原始图像进行mosaic数据增强，增加原始图像中小目标的样本量；使用注意力机制增强后的骨干网络提取图像的特征；对骨干网络提取的图像的特征进行多感受野融合，使用可变形卷积上采样；对进行多感受野融合，使用可变形卷积上采样处理后的特征图进行预测，得到热力图，目标的宽、高和中心点坐标；从热力图提取出检测框，得到检测结果。本发明通过对训练数据的增强，增加小目标的样本量；通道注意力增强和空间注意力增强能够有效地区分小目标和背景信息；以及多重感受野融合和高分辨率特征图的结合，能够有效提升小目标检测精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
