基于联邦学习的模型训练系统、方法、装置和计算机设备

    公开(公告)号:CN113537495B

    公开(公告)日:2024-08-02

    申请号:CN202110897078.8

    申请日:2021-08-05

    Abstract: 本申请涉及一种基于联邦学习的模型训练系统、方法、装置、计算机设备和存储介质,包括:模型训练节点,用于根据预设参数构建得到神经网络模型,对神经网络模型进行训练,得到训练完成的神经网络模型;参数传输节点,用于获取各个训练完成的神经网络模型的模型参数,根据模型参数生成哈希值,并将哈希值返回至模型训练节点;参数存储节点,用于从多个模型训练节点获取包含有哈希值的模型参数,根据多个包含有哈希值的模型参数对预设参数进行更新,得到更新后的预设参数;将更新后的预设参数通过参数传输节点,发送到各个模型训练节点,以对神经网络模型进行再次训练。本申请提高了基于联邦学习的模型训练效率。

    谐波数据识别方法、装置、计算机设备和存储介质

    公开(公告)号:CN115563477B

    公开(公告)日:2023-05-02

    申请号:CN202211533808.7

    申请日:2022-12-02

    Abstract: 本申请涉及一种谐波数据识别方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:对量测终端的谐波含有率曲线进行分类处理,得到对应的类别为典型类别的谐波含有率典型曲线;根据所述谐波含有率典型曲线对应的量测终端的行业类型,对所述谐波含有率典型曲线进行聚类处理,得到所述谐波含有率典型曲线对应的谐波含有率数据域;对所述谐波含有率数据域中的各个谐波含有率数据进行局部离群识别,得到所述各个谐波含有率数据的离群识别结果;根据所述各个谐波含有率数据的离群识别结果,确定所述谐波含有率曲线的识别结果。采用本方法能够提高对不同行业量测终端的谐波数据的识别准确率。

    谐波数据识别方法、装置、计算机设备和存储介质

    公开(公告)号:CN115563477A

    公开(公告)日:2023-01-03

    申请号:CN202211533808.7

    申请日:2022-12-02

    Abstract: 本申请涉及一种谐波数据识别方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:对量测终端的谐波含有率曲线进行分类处理,得到对应的类别为典型类别的谐波含有率典型曲线;根据所述谐波含有率典型曲线对应的量测终端的行业类型,对所述谐波含有率典型曲线进行聚类处理,得到所述谐波含有率典型曲线对应的谐波含有率数据域;对所述谐波含有率数据域中的各个谐波含有率数据进行局部离群识别,得到所述各个谐波含有率数据的离群识别结果;根据所述各个谐波含有率数据的离群识别结果,确定所述谐波含有率曲线的识别结果。采用本方法能够提高对不同行业量测终端的谐波数据的识别准确率。

    计量装置知识图谱构建方法和计量装置档案核查方法

    公开(公告)号:CN115544276A

    公开(公告)日:2022-12-30

    申请号:CN202211529071.1

    申请日:2022-12-01

    Abstract: 本申请涉及一种计量装置知识图谱构建方法、装置、计算机设备和存储介质。所述方法包括:从多个相互独立的电网子系统获取计量装置的多源异构数据,采用与多源异构数据的数据类型对应的实体抽取策略,抽取出多源异构数据中的计量实体和计量实体关系,对抽取出的计量实体和计量实体关系进行知识融合,得到知识融合结果数据,对知识融合结果数据进行知识加工,得到计量装置知识图谱。本申请还提供一种计量装置档案核查方法、装置、计算机设备和存储介质,采用该方法能实现计量装置档案的在线核查,提高计量装置的维护效率。本申请还涉及一种计量装置缺陷类型分析方法。采用本方法能实现故障计量装置缺陷类型的快速定位,提高计量装置的维护效率。

    基于联邦学习的模型训练系统、方法、装置和计算机设备

    公开(公告)号:CN113537495A

    公开(公告)日:2021-10-22

    申请号:CN202110897078.8

    申请日:2021-08-05

    Abstract: 本申请涉及一种基于联邦学习的模型训练系统、方法、装置、计算机设备和存储介质,包括:模型训练节点,用于根据预设参数构建得到神经网络模型,对神经网络模型进行训练,得到训练完成的神经网络模型;参数传输节点,用于获取各个训练完成的神经网络模型的模型参数,根据模型参数生成哈希值,并将哈希值返回至模型训练节点;参数存储节点,用于从多个模型训练节点获取包含有哈希值的模型参数,根据多个包含有哈希值的模型参数对预设参数进行更新,得到更新后的预设参数;将更新后的预设参数通过参数传输节点,发送到各个模型训练节点,以对神经网络模型进行再次训练。本申请提高了基于联邦学习的模型训练效率。

    用户用电数据异常检测方法、装置、计算机设备

    公开(公告)号:CN113284000A

    公开(公告)日:2021-08-20

    申请号:CN202110377478.6

    申请日:2021-04-08

    Abstract: 本申请涉及一种用户用电数据异常检测方法、装置、计算机设备和存储介质。所述方法包括:获取用户的历史用电数据和当前时刻的真实用电数据;将所述历史用电数据输入到训练好的异常检测模型,确定所述历史用户数据的第一玻尔兹曼分布特征,根据所述第一玻尔兹曼分布特征输出当前时刻的预测用电数据;根据所述预测用电数据和所述真实用电数据进行计算,得到预测用电数据和真实用电数据之间的距离;当所述距离大于预设阈值时,将所述真实用电数据标记为异常用电数据。采用本方法能够提高异常用电数据识别的准确性。

Patent Agency Ranking