一种物联网中基于联邦迁移学习的模型训练方法及装置

    公开(公告)号:CN112348063B

    公开(公告)日:2024-06-11

    申请号:CN202011163727.3

    申请日:2020-10-27

    IPC分类号: G06N20/00 G06N3/096 G06N3/098

    摘要: 本发明提供一种物联网中基于联邦迁移学习的模型训练方法及装置,所述方法包括:数据持有者向本地服务器端发起查询可用机器学习训练模型请求;所述本地服务器端查询是否存在与所述数据持有者的请求相匹配的可用机器学习训练模型;若在所述本地服务器未找到可用机器学习训练模型,则记录所述数据持有者发送的数据训练请求,并发送至联邦迁移学习服务器;所述联邦迁移学习服务器端查询是否存在所述数据持有者的请求相匹配的可用机器学习训练模型;当所述联邦迁移学习服务器端找到与所述数据持有者的请求相匹配的可用机器学习训练模型时,则进行对应的迁移学习过程。本发明的技术方案在保障用户数据隐私的情况下,可以实现小数据价值的挖掘。

    一种分配电力通信网资源的计算机装置、设备及方法

    公开(公告)号:CN110166381B

    公开(公告)日:2022-09-30

    申请号:CN201910476885.5

    申请日:2019-06-03

    IPC分类号: H04L47/70 H04L67/12

    摘要: 本申请公开了一种分配电力通信网资源的计算机装置、设备、方法及计算机可读存储介质,该方案能够获取电力通信网的历史分配数据,进而根据历史分配数据分别确定电力通信网的网络节点集合中各网络节点的重要程度、可靠程度、与另一网络节点的关联程度,最终按照需求重要程度从大到小的顺序,分别为电网业务流的需求节点集合中各需求节点分配目标网络节点,直至需求节点集合中全部需求节点分配完毕,得到资源分配结果。可见,该方案挖掘了电力通信网和电网业务流的网络特征,在实际的资源分配过程中,能够根据电网业务流的需求程度为其分配满足其需求且资源特征相匹配的通信网资源,显著提升了电力通信网资源分配过程的可靠性和分配效率。