-
公开(公告)号：CN115147749B
公开(公告)日：2024-11-29
申请号：CN202210393664.3
申请日：2022-04-14
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于构造式联邦学习的矿井人员违规动作识别系统，包括聚合云和矿区违规辨别终端；所述聚合云包含参数传输模块和网络协同学习模块；所述矿区违规辨别终端包含矿工行为特征获取模块、本地网络模型构造模块和行为识别模块；本发明的基于构造式联邦学习的矿井人员违规动作识别系统，不仅可以有效解决矿区工人违规危险行为难以实时监控，监控人员长时间高强度监视，视觉疲劳和负担过重等问题，并且在保证各矿区数据隐私的情况下，训练出识别准确度更高、适用性更强的本地网络模型。
-
Patent Agency Ranking
公开(公告)号：CN115147749A
公开(公告)日：2022-10-04
申请号：CN202210393664.3
申请日：2022-04-14
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于构造式联邦学习的矿井人员违规动作识别系统，包括聚合云和矿区违规辨别终端；所述聚合云包含参数传输模块和网络协同学习模块；所述矿区违规辨别终端包含矿工行为特征获取模块、本地网络模型构造模块和行为识别模块；本发明的基于构造式联邦学习的矿井人员违规动作识别系统，不仅可以有效解决矿区工人违规危险行为难以实时监控，监控人员长时间高强度监视，视觉疲劳和负担过重等问题，并且在保证各矿区数据隐私的情况下，训练出识别准确度更高、适用性更强的本地网络模型。
-
公开(公告)号：CN113761748A
公开(公告)日：2021-12-07
申请号：CN202111054478.9
申请日：2021-09-09
Applicant: 中国矿业大学 , 南京东创信通物联网研究院有限公司
Abstract: 本发明提供了一种基于联邦增量随机配置网络的工业过程软测量方法，包括：获取历史的工业过程辅助数据和其对应的产品质量数据；找出最佳隐层参数；中央服务器处理得到全局参数，下传至每个工厂作为本地模型的隐层参数。每个工厂的本地模型计算新增隐层输出并构建隐层输出矩阵；通过优化算法得到当前网络的输出权值，并将输出权值上传至服务器进行加权聚合；在当前网络隐层节点数超过给定最大隐层节点数或当前迭代中的残差满足期望容差时，不再增加新节点，建模完成，得到全局联邦增量随机配置网络。本发明不仅能有效提高模型的预测性能，而且可以有效地保护数据隐私，能够很好地满足工业过程软测量的需求。
-
公开(公告)号：CN115147750A
公开(公告)日：2022-10-04
申请号：CN202210393676.6
申请日：2022-04-14
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于构造式联邦学习的矿井人员违规动作识别方法，包括：步骤1，获取历史视频，提取皮带矿工行为特征数据，标注行为类别并整理为各矿区本地矿工行为数据库；步骤2，各违规辨别终端构造本地网络模型最优隐层节点并计算本地网络模型当前方差；步骤3，聚合云构造聚合增隐层节点；步骤4，各违规辨别终端接收聚合增隐层节点，更新各违规辨别终端的新增隐层节点参数，判断是否继续进行构造式联邦学习；步骤5，通过违规辨别终端分辨矿工行为类别。本发明保证了各方数据的隐私性，解决了各矿区数据的孤岛问题，即每个矿区仅有本矿区的矿工行为数据，所训练的模型识别效果有限。本发明在保证各厂区数据安全的情况下联合训练出识别效果更好的模型。
-
公开(公告)号：CN115147750B
公开(公告)日：2024-11-29
申请号：CN202210393676.6
申请日：2022-04-14
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于构造式联邦学习的矿井人员违规动作识别方法，包括：步骤1，获取历史视频，提取皮带矿工行为特征数据，标注行为类别并整理为各矿区本地矿工行为数据库；步骤2，各违规辨别终端构造本地网络模型最优隐层节点并计算本地网络模型当前方差；步骤3，聚合云构造聚合增隐层节点；步骤4，各违规辨别终端接收聚合增隐层节点，更新各违规辨别终端的新增隐层节点参数，判断是否继续进行构造式联邦学习；步骤5，通过违规辨别终端分辨矿工行为类别。本发明保证了各方数据的隐私性，解决了各矿区数据的孤岛问题，即每个矿区仅有本矿区的矿工行为数据，所训练的模型识别效果有限。本发明在保证各厂区数据安全的情况下联合训练出识别效果更好的模型。
-
公开(公告)号：CN113761748B
公开(公告)日：2023-09-15
申请号：CN202111054478.9
申请日：2021-09-09
Applicant: 中国矿业大学 , 南京东创信通物联网研究院有限公司
IPC: G06F30/20 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于联邦增量随机配置网络的工业过程软测量方法，包括：获取历史的工业过程辅助数据和其对应的产品质量数据；找出最佳隐层参数；中央服务器处理得到全局参数，下传至每个工厂作为本地模型的隐层参数。每个工厂的本地模型计算新增隐层输出并构建隐层输出矩阵；通过优化算法得到当前网络的输出权值，并将输出权值上传至服务器进行加权聚合；在当前网络隐层节点数超过给定最大隐层节点数或当前迭代中的残差满足期望容差时，不再增加新节点，建模完成，得到全局联邦增量随机配置网络。本发明不仅能有效提高模型的预测性能，而且可以有效地保护数据隐私，能够很好地满足工业过程软测量的需求。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
