公开(公告)号：CN119676094A

公开(公告)日：2025-03-21

申请号：CN202510185592.7

申请日：2025-02-20

Applicant: 烟台大学

Inventor： 姜一凡 ,  刘兆伟 ,  王腾江 ,  王涛 ,  王海洋 ,  宋永超 ,  姜岸佐 ,  单垚

IPC: H04L41/12 ,  H04L41/142 ,  H04L41/16 ,  H04L41/0631 ,  H04L67/12 ,  G06N3/04 ,  G06N3/08 ,  G06N5/022

Abstract: 本发明涉及工业物联网检测技术领域，尤其是涉及一种基于联邦图神经网络工业物联网设备检测方法及系统。所述方法，包括获取每个设备的实时运行状态数据和传感器的测量值，利用输入数据作为设备节点特征构建拓扑图，并基于拓扑图引入知识图谱，将客户端设备状态与知识图谱信息进行融合，引入注意力机制对客户端本地模型的权重进行自适应调整；基于融合后的节点特征进行特征增强，建立基于强化学习的联邦图神经网络客户端动态调度策略，利用全局模型进行图结构数据的节点分类任务，本发明基于融合后的节点特征进行特征增强、引入投影头和计算对比损失，提升了模型在缺乏标注数据下的性能，使模型学习到更稳健特征，增强了对设备故障的判断准确性。

公开(公告)号：CN118313413A

公开(公告)日：2024-07-09

申请号：CN202410741075.9

申请日：2024-06-11

Applicant: 烟台大学 ,  烟台中科网络技术研究所

Inventor： 刘兆伟 ,  姜一凡 ,  王海洋 ,  柯枫 ,  刘殿通 ,  王立宏 ,  卢云宏 ,  隋明爽

IPC: G06N3/042 ,  G06N3/098 ,  G06N7/01 ,  G06N5/04 ,  G16Y40/20

Abstract: 本发明涉及神经网络模型技术领域，尤其是涉及一种基于异构图神经网络的物联网链路预测方法及系统。所述方法，包括构建异构图，并对异构图进行特征表示；基于异构图构建客户端本地模型，包括利用动态注意力机制的图注意力网络构建客户端本地模型；输入异构图至客户端本地模型，并引入贝叶斯推理对异构图的特征进行线性变换；通过损失函数对输入异构图的客户端本地模型进行损失处理；计算客户端本地模型梯度，并对客户端本地模型梯度执行全局模型聚合，得到全局模型参数；将全局模型参数下发至客户端本地模型。通过本发明的技术方案提高链路预测的准确性和鲁棒性。

公开(公告)号：CN118313413B

公开(公告)日：2024-08-13

申请号：CN202410741075.9

申请日：2024-06-11

Applicant: 烟台大学 ,  烟台中科网络技术研究所

Inventor： 刘兆伟 ,  姜一凡 ,  王海洋 ,  柯枫 ,  刘殿通 ,  王立宏 ,  卢云宏 ,  隋明爽

IPC: G06N3/042 ,  G06N3/098 ,  G06N7/01 ,  G06N5/04 ,  G16Y40/20

Abstract: 本发明涉及神经网络模型技术领域，尤其是涉及一种基于异构图神经网络的物联网链路预测方法及系统。所述方法，包括构建异构图，并对异构图进行特征表示；基于异构图构建客户端本地模型，包括利用动态注意力机制的图注意力网络构建客户端本地模型；输入异构图至客户端本地模型，并引入贝叶斯推理对异构图的特征进行线性变换；通过损失函数对输入异构图的客户端本地模型进行损失处理；计算客户端本地模型梯度，并对客户端本地模型梯度执行全局模型聚合，得到全局模型参数；将全局模型参数下发至客户端本地模型。通过本发明的技术方案提高链路预测的准确性和鲁棒性。

公开(公告)号：CN117395164B

公开(公告)日：2024-03-26

申请号：CN202311694257.7

申请日：2023-12-12

Applicant: 烟台大学

Inventor： 刘兆伟 ,  姜一凡 ,  王占宇 ,  郭德志 ,  徐金东 ,  王海洋 ,  王涛

IPC: H04L41/147 ,  H04L41/16 ,  H04L41/14 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/098 ,  G16Y40/10

Abstract: 本发明涉及工业物联网技术领域，具体为工业物联网的网络属性预测方法及系统，以工业物联网中的每个设备为图的节点，设备之间的连接为图的边，生成工业物联网网络结构信息图，并形成图数据保存在对应的分支中，通过应用联邦学习技术，每个分支中训练的局部图神经网络模型在确定各自的参数后，通过聚合其余分支的模型参数更新当前分支中模型的参数，从而只共享数据中的知识而不共享数据自身，使得分支对应的客户端可以在不共享隐私数据的情况下共同训练全局模型。

公开(公告)号：CN117395164A

公开(公告)日：2024-01-12

申请号：CN202311694257.7

申请日：2023-12-12

Applicant: 烟台大学

Inventor： 刘兆伟 ,  姜一凡 ,  王占宇 ,  郭德志 ,  徐金东 ,  王海洋 ,  王涛

IPC: H04L41/147 ,  H04L41/16 ,  H04L41/14 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/098 ,  G16Y40/10

Abstract: 本发明涉及工业物联网技术领域，具体为工业物联网的网络属性预测方法及系统，以工业物联网中的每个设备为图的节点，设备之间的连接为图的边，生成工业物联网网络结构信息图，并形成图数据保存在对应的分支中，通过应用联邦学习技术，每个分支中训练的局部图神经网络模型在确定各自的参数后，通过聚合其余分支的模型参数更新当前分支中模型的参数，从而只共享数据中的知识而不共享数据自身，使得分支对应的客户端可以在不共享隐私数据的情况下共同训练全局模型。