-
公开(公告)号：CN114626547A
公开(公告)日：2022-06-14
申请号：CN202210118367.8
申请日：2022-02-08
Applicant: 天津大学
Abstract: 本发明公开了一种基于区块链的群组协同学习方法，包括：S1，基于区块链构建协同学习模型，划分训练集和测试集；S2，预设智能合约模块，设置初始模型参数、全局聚合轮数和初始迭代次数，划分局部训练组；S3，选取局部训练组中信用最高的节点为领导节点，其它为训练节点，所有领导节点组成全局聚合组；S4，训练节点本地训练得到本地训练模型，领导节点利用联邦学习聚合得到本地模型；S5，全局聚合组聚合本地模型得到全局模型；S6，领导节点验证本地模型，根据验证准确率和历史信用更新边缘节点的信用；S7，更新初始模型参数，判断i＜I，如果是执行i＝i+1返回S3。本发明不仅有效降低了无线通信延迟，还增强了协同学习效率。
-
公开(公告)号：CN113869054A
公开(公告)日：2021-12-31
申请号：CN202111193129.5
申请日：2021-10-13
Applicant: 天津大学 , 国网经济技术研究院有限公司 , 国网浙江省电力有限公司经济技术研究院
IPC: G06F40/295 , G06F40/30 , G06F16/35 , G06F40/151 , G06Q10/10 , G06Q50/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的电力领域项目特征识别方法，包括如下步骤：根据电力项目文档提炼电力领域的项目特征，基于项目特征建立项目业务标签体系；对电力项目文档进行文本预处理；借助文本标注工具对预处理后的电力项目文档进行实体标注，生成电力项目文档所对应的BIO格式数据集；利用ERNIE模型、Bi‑GRU神经网络和CRF模型建立网络学习模型，将BIO格式数据集输入网络学习模型进行训练得到实体识别模型；利用实体识别模型对新的电力项目文档进行特征识别。本发明可以电力项目文档进行精简，有效节省项目文档管理成本，帮助公司合理安排项目计划管理。
-
公开(公告)号：CN113411826A
公开(公告)日：2021-09-17
申请号：CN202110672219.6
申请日：2021-06-17
Applicant: 天津大学
Abstract: 本发明公开了一种基于注意力机制强化学习的边缘网络设备缓存方法，包括如下步骤：建立蜂窝网络模型，蜂窝网络模型包括用户设备、边缘网络设备和核心网络，每个边缘网络设备中均设有行动网络模块和评价网络模块；边缘网络设备接收所在区域内的用户设备发出的请求；每个边缘网络设备获取其它边缘网络设备的观测值；每个边缘网络设备依据缓存替换策略和观测值选取动作；边缘网络设备发送动作和更新后的状态到邻接边缘网络设备；根据动作更新后的观测值和动作价值函数对行动网络模块和评价网络模块的参数进行更新；根据目标函数对缓存替换策略进行优化。本发明可以减少从云数据中心重复下载文件的次数，降低延迟，提升网络服务质量与用户体验质量。
-
公开(公告)号：CN112257863A
公开(公告)日：2021-01-22
申请号：CN202011074827.9
申请日：2020-10-09
Applicant: 天津大学
Abstract: 本公开实施例提供了网络参数确定方法、装置、区块链的节点及存储介质，方法包括：获取获胜边缘节点的第一深度网络参数，第一深度网络参数为获胜边缘节点在当前时刻的深度网络参数；获取多个落选边缘节点的第二深度网络参数，落选边缘节点具有对应的第二深度网络参数，第二深度网络参数为落选边缘节点在当前时刻的深度网络参数；确定获胜边缘节点的当前声誉意见，获胜边缘节点的当前声誉意见用于表征获胜边缘节点在当前时刻的可信任程度；针对每个落选边缘节点，根据第一深度网络参数、落选边缘节点的第二深度网络参数和获胜边缘节点的当前声誉意见确定落选边缘节点的第三深度网络参数，第三深度网络参数为落选边缘节点在下一时刻的深度网络参数。
-
公开(公告)号：CN111885551A
公开(公告)日：2020-11-03
申请号：CN202010596399.X
申请日：2020-06-28
Applicant: 天津大学
Abstract: 本发明公开一种基于边云协同模式的多移动社交网络中高影响力用户的选择和分配机制，基于大规模、分布式的移动社交网络，通过先分别在多个社交网络的本地计算该基站区域的局部信息，然后加密上传到云端汇总处理后，基于边云协同模式筛选出最终的高影响力用户集，然后采取预定激励机制鼓励高影响力用户去分享传播，被选中的高影响力用户在移动社交网络中往往传播范围最大，即被他们传播分享的人数最多，在实现为移动网络降低负载的同时也为市场营销、广告投放、谣言控制和舆情引导等需求的实现及优化提供强有力的支持；同时基于边云协同模式实现了高影响力用户的筛选与分配，在实现网络流量高效卸载的同时很好的保护了用户的数据隐私。
-
Patent Agency Ranking
公开(公告)号：CN111260076A
公开(公告)日：2020-06-09
申请号：CN202010034920.0
申请日：2020-01-13
Applicant: 天津大学
Abstract: 一种基于区块链的边缘节点训练方法，包括：将每个边缘节点进行本地训练，得到各边缘节点经本地训练后的深度网络参数，并将各边缘节点的深度网络参数打包到各边缘节点的本地交易中，每个边缘节点向其他各边缘节点发送本地交易，获取目标边缘节点，由目标边缘节点生成待验证区块，并将目标边缘节点生成的待验证区块发送给其他各边缘节点，当其他各边缘节点接收到待验证区块后，各边缘节点分别对待验证区块进行验证，若所有边缘节点均验证成功时，则将待验证区块添加到本地的链式结构中，并且每个边缘节点中的深度网络参数均替换成具有最小Loss_reduce值的深度网络的参数。本申请还公开了一种区块链及存储介质，实现基于区块链的合作边缘智能。
-
公开(公告)号：CN110601916A
公开(公告)日：2019-12-20
申请号：CN201910748798.0
申请日：2019-08-14
Applicant: 天津大学
Abstract: 本发明公开了一种基于机器学习的针对网络流量进行精准采样和应用感知的系统，包括SDN控制器、神经网络和DPI收集器；该系统还包括采样节点选取模块、交换模块和策略控制模块；其中：所述采样节点选取模块从SDN控制器选取节点ID和数据流信息；所述交互模块负责将获取的节点ID和数据流信息发送给深度神经网络，并接受神经网络关于采样资源分配的反馈信息；采样策略控制模块负责为选取出来的采样节点分配采样时长；该系统实现了高精度的、全局的、灵敏的流量采集；并基于机器学习的机制来适应动态多变的网络流量。
-
公开(公告)号：CN109889576A
公开(公告)日：2019-06-14
申请号：CN201910048636.6
申请日：2019-01-18
Applicant: 天津大学
Abstract: 本发明公开种基于博弈论的移动云游戏资源优化方法，包括收到用户自云游戏客户端发来的游戏请求后，在云端资源不足时，在T时隙内对收到的所有用户的连接请求缓存并由用户获取，由所有用户以竞争方式获得更新云端生成虚拟机的物理服务器的机会；在一用户获得令牌后，该用户更新云端虚拟机决策，云数据中心根据云端虚拟机决策计算用户整体体验质量，在整体用户体验质量平衡波动达到预定次数且达到平衡状态，则给所有连接请求按云端虚拟机决策分配游戏连接；否则T时隙加1后不断迭代，直到达到平衡状态。本发明通使得大规模用户并且云端资源有限的情况下，每个用户能够快速确定相互满意的云游戏服务器资源分配方案。
-
公开(公告)号：CN102125855A
公开(公告)日：2011-07-20
申请号：CN201010612832.0
申请日：2010-12-29
Applicant: 天津大学
Abstract: 本发明公开了一种SiOC多孔陶瓷负载La0.9K0.1CoO3纳米粒子的催化剂及制备方法。该催化剂以SiOC多孔陶瓷为载体，其上负载La0.9K0.1CoO3纳米粒子。制备过程：以硝酸镧、醋酸钾、乙酸钴及葡萄糖制得La0.9K0.1CoO3纳米粒子；La0.9K0.1CoO3纳米粒子经油酸包裹，再经苯乙烯乳液聚合反应得改性La0.9K0.1CoO3纳米粒子；以PHMS和D4Vi及甲基乙烯基硅氧烷配位铂催化剂和改性La0.9K0.1CoO3纳米粒子制得催化剂前驱体；前驱体热解得到本发明的催化剂。本发明的优点在于：制备过程简单，改性La0.9K0.1CoO3纳米粒子催化剂机械强度高、化学稳定性好、热稳定性高以及化学活性高。该催化剂特别适用于柴油机汽车尾气后处理。
-
公开(公告)号：CN119357715A
公开(公告)日：2025-01-24
申请号：CN202411467525.6
申请日：2024-10-21
Applicant: 天津大学
IPC: G06F18/23 , G06F17/18 , G06F123/02
Abstract: 本发明提供了一种面向异质复杂数据集的多尺度时间熵评估方法，属于时间序列分析技术领域，包括以下步骤：步骤S1、对初始时间序列进行下采样，在不同时间尺度上将其分割为子序列，然后应用时间窗口方法对子序列进行处理，得到多个聚类窗口；步骤S2、在每个聚类窗口内计算熵值，并对所有聚类窗口的熵值进行平均，得到多尺度时间熵；步骤S3、根据得到的多尺度时间熵，对初始时间序列进行综合评估。本发明采用上述的一种面向异质复杂数据集的多尺度时间熵评估方法，该方法具有极高的泛化能力，使得模型性能的评估更加精准可靠，适用于广泛的实际应用场景。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.102 seconds)
