-
公开(公告)号：CN117688455A
公开(公告)日：2024-03-12
申请号：CN202410158075.6
申请日：2024-02-04
Applicant: 湘江实验室
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06F18/214 , G06N20/00
Abstract: 本申请涉及一种基于数据质量与强化学习的元任务小样本分类方法，该方法包括：分别对标准化处理后的训练集和测试集进行采样，得到采样训练集和采样测试集；将采样训练集和采样测试集组合成一元学习任务；对计算出的每个权重进行归一化，得到每个任务对应的归一化权重；基于每个任务对应的归一化权重，确定每个任务的所属类别；对所属类别为0的任务，进行元策略优化，得到第一元策略以及第一参数；对所属类别为1的任务，进行元强化学习，得到第二元策略以及第二参数；基于第一元策略和第二元策略，得到混合策略；基于第一参数和第二参数，得到混合参数；基于混合策略和混合参数构建目标函数，并最大化目标函数，直至收敛，得到分类模型。
-
公开(公告)号：CN117094031B
公开(公告)日：2024-02-06
申请号：CN202311332704.4
申请日：2023-10-16
Applicant: 湘江实验室
Abstract: 本发明公开了一种工业数字孪生数据隐私保护方法及相关介质，包括：基于每个工业设备的参数信息，确定参与训练的工业设备，将每个参与训练的工业设备的参数信息，作为一组训练数据；基于训练数据，对训练模型进行分组，得到若干组别的基础模型；根据预设的拆分规则，对每个组别的基础模型进行拆分，得到若干子模型，并对子模型进行组内子模型分配；采用联邦拆分学习的方式，选择参与联邦学习的工业设备，作为目标设备，并确定目标设备对应的组别和子模型；在每个目标设备上采用训练数据对子模型进行本地训练，并基于训练结果进行全局聚合，得到全局训练结果，将全局训练结果分发给所有工业设备，采用本发明提高工业数字孪生的
-
公开(公告)号：CN117009095A
公开(公告)日：2023-11-07
申请号：CN202311284796.3
申请日：2023-10-07
Applicant: 湘江实验室
Abstract: 本申请适用于隐私数据处理技术领域，提供了一种隐私数据处理模型生成方法、装置、终端设备及介质，包括获取目标数据中心的网络资源信息和地理位置信息；计算目标数据中心的综合评价分数；确定候选聚合中心；根据聚合中心选择概率，确定多个目标聚合中心；将部分非聚合中心加入目标聚合中心的局部组，并对局部组中所有目标数据中心的初始本地模型参数进行聚合，得到目标聚合中心的局部模型参数；根据校对权重，对每个目标聚合中心的局部模型参数进行校对；根据贡献比例，构建全局循环模型；将全局循环模型部署到每个目标数据中心，得到最终本地模型，利用最终本地模型对患者隐私数据进行处理。本申请能提高多源数据间的协同学习效率。
-
公开(公告)号：CN116346863A
公开(公告)日：2023-06-27
申请号：CN202310609308.5
申请日：2023-05-29
Applicant: 湘江实验室
Abstract: 本发明公开了一种基于联邦学习的车载网数据处理方法、装置、设备及介质，包括：根据各个节点的历史通信消息数据和硬件配置信息，构建车载网的分层结构；针对每个基础分层，基于节点对应的车辆特征信息进行分组，得到至少两个基础分组；对于每个基础分组，进行组内消息队列的部署，得到目标分组；将车载网内的每个车辆标识关联分配到目标分组；执行组内局部联邦学习，对目标分组内每个节点的本地模型进行聚合更新，得到更新后的局部全局模型；将每个目标分组作为一个中心，采用每个中心对应的更新后的局部全局模型进行全局学习，得到每个中心对应的全局模型，并采用全局模型进行车载网数据的处理。采用本发明可确保数据隐私性和处理结果的准确性。
-
公开(公告)号：CN118101719B
公开(公告)日：2024-07-23
申请号：CN202410492150.2
申请日：2024-04-23
Applicant: 湘江实验室
Abstract: 本申请适用于车联网技术领域，提供了一种基于联邦学习的多任务车路协同智能感知方法，包括：基于秘密共享安全协议，采集多个车载节点的节点数据；分别计算类别数量分布和节点类别占比；计算异常类别的数据质量；计算每个车载节点的信誉度质量，构建数据质量评价函数；根据数据质量评价函数和训练后的变分自编码器模型，更新节点数据，得到新节点数据；计算任务相似度，并根据任务相似度对车载节点进行分组；根据车载节点分组情况，确定任务共享节点，并利用任务共享节点进行不同车载节点分组间的联邦学习，完成多车载节点任务的协同感知。本申请能提高多任务协同感知的安全性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN118072522A
公开(公告)日：2024-05-24
申请号：CN202410471463.X
申请日：2024-04-19
Applicant: 湘江实验室
Abstract: 本申请适用于交通管控技术领域，提供了一种城市交通管控方法及终端设备，包括根据适应度函数和偏好因子计算车载节点之间的偏好相似度；计算转移概率，将车载节点划分到区域簇中；利用改进的随机梯度下降方法对交通孪生模型进行训练和聚合，得到全局交通孪生模型；初始化区域簇中的交通管控模型参数；根据区域簇的模型性能和训练进度，对其交通孪生模型的参数进行更新，计算评估分，确定最终交通孪生模型；对最终交通孪生模型进行模型迁移，基于边缘协同对交通孪生模型进行重构；计算不同管控策略对应的误差分数，利用最低误差分数对应的管控策略对研究城市进行交通管控。本申请能提高城市交通管控的效果。
-
公开(公告)号：CN117094031A
公开(公告)日：2023-11-21
申请号：CN202311332704.4
申请日：2023-10-16
Applicant: 湘江实验室
Abstract: 本发明公开了一种工业数字孪生数据隐私保护方法及相关介质，包括：基于每个工业设备的参数信息，确定参与训练的工业设备，将每个参与训练的工业设备的参数信息，作为一组训练数据；基于训练数据，对训练模型进行分组，得到若干组别的基础模型；根据预设的拆分规则，对每个组别的基础模型进行拆分，得到若干子模型，并对子模型进行组内子模型分配；采用联邦拆分学习的方式，选择参与联邦学习的工业设备，作为目标设备，并确定目标设备对应的组别和子模型；在每个目标设备上采用训练数据对子模型进行本地训练，并基于训练结果进行全局聚合，得到全局训练结果，将全局训练结果分发给所有工业设备，采用本发明提高工业数字孪生的性能和效果。
-
公开(公告)号：CN118551864A
公开(公告)日：2024-08-27
申请号：CN202410993593.X
申请日：2024-07-24
Applicant: 湘江实验室
Abstract: 本申请公开了一种基于边缘设备的联邦学习方法、装置、服务器及介质，该方法包括：获取集群中边缘设备的选中个数、计算功耗和传输功耗，根据选中个数、计算功耗、传输功耗以及预设的总功耗生成模型，生成集群对应的总功耗；将最小的总功耗对应的集群标记为目标集群；向目标集群的多个边缘设备发送上传指令；获取边缘设备基于上传指令返回的本地模型参数，将多个本地模型参数进行聚合，得到更新参数，将第一全局模型的初始参数修改为更新参数，将使用更新参数的第一全局模型设置为第二全局模型；当损失值小于预设值时，将第二全局模型设置为电力系统的电量预测模型，生成电量预测模型的整体评估值。本申请有利于提高电量预测模型的预测效率。
-
公开(公告)号：CN118101719A
公开(公告)日：2024-05-28
申请号：CN202410492150.2
申请日：2024-04-23
Applicant: 湘江实验室
Abstract: 本申请适用于车联网技术领域，提供了一种基于联邦学习的多任务车路协同智能感知方法，包括：基于秘密共享安全协议，采集多个车载节点的节点数据；分别计算类别数量分布和节点类别占比；计算异常类别的数据质量；计算每个车载节点的信誉度质量，构建数据质量评价函数；根据数据质量评价函数和训练后的变分自编码器模型，更新节点数据，得到新节点数据；计算任务相似度，并根据任务相似度对车载节点进行分组；根据车载节点分组情况，确定任务共享节点，并利用任务共享节点进行不同车载节点分组间的联邦学习，完成多车载节点任务的协同感知。本申请能提高多任务协同感知的安全性和准确性。
-
公开(公告)号：CN117372438A
公开(公告)日：2024-01-09
申请号：CN202311679164.7
申请日：2023-12-08
Applicant: 湘江实验室
IPC: G06T7/00 , G06N3/045 , G06N3/0475 , G06N3/094 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于类别不平衡的热轧钢板缺陷检测方法及相关设备，包括：通过获取样本数据；采用生成对抗网络，对样本数据进行数据增强，得到增强样本；根据增强样本，通过集成识别的方式构建目标识别分类器；基于目标识别分类器对待识别的热轧钢板缺陷图像进行缺陷检测，得到缺陷检测结果。实现通过样本增广和分类的方式，快速进行热轧钢板缺陷识别，提高类别不平衡热轧钢板缺陷检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.024 seconds)
