基于组合拍卖与议价谈判的联邦学习激励方法

    公开(公告)号:CN114240585A

    公开(公告)日:2022-03-25

    申请号:CN202111557946.4

    申请日:2021-12-20

    摘要: 本发明公开了一种基于组合拍卖与议价谈判的联邦学习激励方法,包括如下步骤:平台发布联邦学习任务并接收用户的投标信息;对每个用户的投标进行估价并确定获胜者;计算获胜者中每个用户采用组合拍卖策略的暂定价格及采用议价谈判策略的议价价格;分别计算获胜者中每个用户采用组合拍卖策略和议价谈判策略所带来的平台利润,其中,计算采用议价谈判策略所带来的平台利润时引入折扣因子;依次比较每个获胜者采用两种策略所带来的平台利润,并选择利润大的策略对应的价格向获胜者支付报酬。该基于组合拍卖与议价谈判的联邦学习激励方法,可有效防止联邦学习平台的收益受损现象发生,不仅可以补偿投标用户,还可以保证整个系统的利润最大化。

    一种面向微服务资源的多模态数据分析方法、装置及介质

    公开(公告)号:CN115659175A

    公开(公告)日:2023-01-31

    申请号:CN202211258044.5

    申请日:2022-10-13

    IPC分类号: G06F18/214 G06F18/24

    摘要: 本发明公开了一种面向微服务资源的多模态数据分析方法、装置及介质,包括获取不同微服务组件资源的多模态数据,所述多模态数据包括文本数据和图像数据;通过ResNet模型和Transformer模型分别对图像数据和文本数据进行编码,得到原始的图像数据和文本数据的高层特征表示;利用得到的图像数据和文本数据的高层特征表示训练CLIP模型,并进行数据标注,在高层特征表示的空间中进行对齐图像数据和文本数据的特征;通过交叉熵损失函数对图像数据和文本数据的分类,得到分析后的多模态数据。本发明通过利用ResNet模型和Transformer模型对图像数据和文本数据进行编码,降低数据向量化中的损失,使用CLIP模型对多模态数据的高层特征表示进行对齐,提升多模态数据对齐的准确度。