公开(公告)号：CN117896413A

公开(公告)日：2024-04-16

申请号：CN202410202022.X

申请日：2024-02-23

申请人： 北京交通大学

发明人： 丁春涛 ,  谢建行 ,  李浥东 ,  金一 ,  郎丛妍 ,  王涛

IPC分类号： H04L67/12 ,  H04L67/5651 ,  H04L41/14 ,  H04L41/16

摘要： 本发明提供了一种基于少学习参数神经网络的物联网设备数据服务方法。该方法包括：使用不学习模块替换深度神经网络模型中的可学习卷积层，得到少学习参数神经网络模型；云服务器中将训练好的少学习参数神经网络模型中的不学习参数去除，得到只包含可学习参数的手术模型，将随机种子和手术模型通过网络传输给物联网设备；物联网设备通过随机种子动态生成不学习参数，根据不学习参数与包含无梯度的推理时参数得到完整的神经网络模型，以提供数据服务。本发明方法中的物联网设备只需存储云服务器传输的可学习参数与随机种子，就可以在物联网设备上部署完整的神经网络，减少了云服务器传输至物联网设备的模型参数数量与物联网设备的存储资源开销。

公开(公告)号：CN118038195A

公开(公告)日：2024-05-14

申请号：CN202410197008.5

申请日：2024-02-22

申请人： 北京交通大学

发明人： 丁春涛 ,  谢建行 ,  李浥东 ,  郎丛妍 ,  李娟

IPC分类号： G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/084

摘要： 本发明提供了一种基于非线性正弦映射生成图像的特征图的方法。该方法包括：将待处理的特征图像的种子特征图输入到Pure‑Map模块中的归一化模块，归一化模块输出数值在区间[‑1,1]之间的特征图，通过切分函数将归一化后的特征图分组，通过非线性映射函数分别处理各组的特征图，将输入的特征图与经过分组非线性映射处理的特征图拼接，生成非线性特征图；通过切分函数将归一化后的特征图分组，利用通道洗牌模块将所述非线性特征图进行混洗处理，将混洗处理后的非线性特征图与种子特征图拼接，得到输出的特征图。本发明通过基于非线性正弦映射的特征图高效切分‑映射算法，以去除映射生成特征图模型中的线性层，以实现有效地基于非线性映射生成图像的特征图。