一种面向智能网联汽车场景的联邦学习优化系统及方法

    公开(公告)号:CN119830120A

    公开(公告)日:2025-04-15

    申请号:CN202411714042.1

    申请日:2025-02-28

    Abstract: 本发明属于车联网技术领域,具体提出一种面向智能网联汽车场景的联邦学习优化系统及方法,改进了异步联邦学习框架,将多个车辆因计算力的异构性分成不同的簇类,采用云‑边‑端的三层联邦学习架构,将边缘服务器部署在路边单元RSU,并在自适应动态时间窗口中伪异步聚合收到的模型参数,云端实时聚合收到的模型参数,提升系统模型训练效率和质量,同时确保数据的安全性,保护用户隐私,保证了该智能网联汽车场景下联邦学习优化系统的效率以及全局模型的质量。

    一种基于表示学习的多标签疾病数据分类模型构建方法

    公开(公告)号:CN119782894A

    公开(公告)日:2025-04-08

    申请号:CN202510296634.4

    申请日:2025-03-13

    Abstract: 本发明属于医疗数据挖掘和人工智能技术领域,公开了一种基于表示学习的多标签疾病数据分类模型构建方法,在疾病侧及患者侧完善相关信息构成医学知识图谱,将其包含的实体和关系转换为嵌入向量;设计层次化注意力机制提取知识图谱中节点的高阶结构和语义信息,生成目标节点在不同层的嵌入向量;整合不同层的患者节点和疾病节点的嵌入向量,进行数据分类;构建知识图谱损失函数和疾病数据分类损失函数,利用自我对抗性负采样策略,设计基于节点度数的动态采样与损失加权,完成模型的构建。本发明所述方法能够高效利用各类医疗数据,充分挖掘疾病间复杂关系,克服数据稀疏性和类别不平衡问题,提升模型对疾病数据分类的准确性和泛化能力。

    一种基于数字孪生的车辆碳排放管控系统及方法

    公开(公告)号:CN119671822A

    公开(公告)日:2025-03-21

    申请号:CN202411737874.5

    申请日:2024-11-29

    Abstract: 本发明属于智能交通系统领域,具体提出一种基于数字孪生的车辆碳排放管控系统及方法,通过引入FoI评估机制。通过量化数据产生后的新鲜度,在一定程度上确保了数字孪生体动态更新以及数据和驾驶决策的时效性和准确性,从而优化系统的可靠性;本发明融合了边缘云和中心云的优势。利用边缘云提供快速响应的车辆短期决策,满足车联网对实时性的需求,同时,中心云基于大量历史数据并结合车辆短期决策进行深入分析和复杂计算,确保实现区域车辆的长期优化效果;本发明结合车辆短期决策和区域车辆长期决策。车辆短期决策可以实时减少碳排放,区域车辆长期决策则致力于改善驾驶习惯,两者结合能够更快速地从根本上降低由于驾驶行为导致的超额碳排放量。

    一种基于反向决策的快速检验车辆故障码系统和运行方法

    公开(公告)号:CN119512056A

    公开(公告)日:2025-02-25

    申请号:CN202411725092.X

    申请日:2024-11-28

    Abstract: 本发明属于物联网领域,提出了一种基于反向决策的快速检验车辆故障码系统和运行方法;系统包括数据采集层、数据处理层和应用层;运行方法中,数据采集层采集到故障码并发送;数据处理层接收到故障码,得到故障码判断信息,发送采集指令;数据采集层接收到指令,采集数据信息并发送;数据处理层基于反向决策结合所获得采集信息进行判断,得到真实故障原因;应用层的数据存储平台,将决策结果发送给应用。本发明提高了故障码的可靠性与有效性,增加了检验步骤;提高了故障码识别的实时性,在车内集成了故障码字典比对,并且实时发送到车主应用上,车主可即刻查看;提高了用户使用的便捷性,车主可以通过应用得知故障所在,提高了售后维修的透明性。

    云边端协同学习系统及方法
    8.
    发明公开

    公开(公告)号:CN116384513A

    公开(公告)日:2023-07-04

    申请号:CN202310620160.5

    申请日:2023-05-30

    Abstract: 本发明公开了一种云边端协同学习系统包括:用户设备层、边缘服务器层以及云服务器层;云服务器层用于控制云服务器将来自边缘服务器的局部模型聚合为全局模型,根据全局精度判断结果广播全局模型;边缘服务器层用于控制边缘服务器接收来自云服务器的全局模型,并将其作为局部模型广播给用户设备;用户设备层用于控制用户设备对接收到的局部模型进行训练得到本地模型,边缘服务器层还用于对接收到的本地模型进行聚合,并将聚合后的模型作为局部模型,判断该局部模型的局部精度,若局部精度满足要求,则将该局部模型上传至云服务器进行聚合,否则将该局部模型返回给边缘服务器继续训练直到满足要求为止,本发明能够大幅提高学习效率。

    一种智联网体系架构
    9.
    发明授权

    公开(公告)号:CN110795806B

    公开(公告)日:2022-08-30

    申请号:CN201910983766.9

    申请日:2019-10-16

    Abstract: 本发明提出了一种智联网体系架构,由四个智慧域和一个智能化虚拟控制平台组成,四域分别为智能物端域、网络资源域、数据信息域和智慧服务域,各域内和域间实体具有相应接口,其中,智能物端域是由人、机、物智能系统末端或节点周围环境组成的,具有感知、通信、管理、认证、控制和对象标识能力的物体总和;网络资源域是互联网、通信网、物联网等泛在网络所连接及承载的资源总集合,包括网络资源及其连接或承载的物理资源虚拟资源;数据信息域是面向服务的所有信息、数据资源及其知识化的汇聚与管理的软硬件系统实体集合;智慧服务域是面向用户服务需求的业务能力的汇聚、控制与管理平台。本发明为新形势下物联网环境的建设提供了一种新的思路。

Patent Agency Ranking