-
公开(公告)号：CN119201996B
公开(公告)日：2025-03-25
申请号：CN202411228645.0
申请日：2024-09-03
Applicant: 南京理工大学
IPC: G06F16/2455 , G06F16/27 , G06N3/092 , G06N3/098
Abstract: 本发明属于分布式缓存领域，公开了一种融合强化学习和协作学习证明共识的分布式缓存方法和系统，所述方法包括用户节点通过应用程序接口向预言机节点发起请求；预言机节点广播准备消息；预言机节点训练基于强化学习网络的间接缓存命中模型；预言机节点广播训练完成后的所述模型；预言机节点验证训练完成后的所述模型；预言机节点缓存所需内容后响应用户请求，所述缓存所需内容包括基于本地缓存池的直接缓存命中和基于强化学习网络的间接缓存命中；本发明改进了集中式训练分布式执行范式，保证了训练的有效性，从而实现了良好的多智能体合作性能。本发明提出的分布式缓存框架适用于多种Web3.0场景，提升分布式缓存框架的安全性与可靠性。
-
公开(公告)号：CN118573454B
公开(公告)日：2025-02-07
申请号：CN202410796019.5
申请日：2024-06-19
Applicant: 南京理工大学
IPC: H04L9/40 , H04L67/104 , G06N3/08
Abstract: 本发明属于信誉管理技术领域，公开了一种基于图学习的对等网络信誉评估方法，包括以下步骤：给定通信网络拓扑结构；生成节点偏好、拒绝概率以及交互次数；生成节点特征，计算标准信誉值，并划分训练集、测试集和验证集；基于注意力机制对图神经网络进行监督训练。本发明采用上述的一种基于图学习的对等网络信誉评估方法，针对图学习和信誉传播的特点设计基于注意力机制的对等网络信誉评估方法，有利于在真实场景中部署高精确度的信誉管理模型；随着对等网络中节点数量的增加以及图直径的增加，本发明在交互次数上具有更优越的性能范围，不依赖于特定场景，具有更广泛的适用性。
-
公开(公告)号：CN118736320B
公开(公告)日：2025-01-07
申请号：CN202410928525.5
申请日：2024-07-11
Applicant: 南京理工大学
IPC: G06V10/764 , G06V10/82 , G06N3/098 , G06N3/096 , G06F21/62
Abstract: 本发明公开了一种基于联邦迁移学习的工业缺陷分类方法，属于联邦学习及工业缺陷分类技术领域，包括数据准备，训练客户端在本地收集和预处理工业生产过程中产生的缺陷数据，进行数据处理；本地模型训练，训练客户端通过高低双通道多头注意力机制模块对步骤S1处理后的数据进行输入训练，直至本地模型收敛；模型更新与上传；模型权重计算与聚合；模型部署与推断，目标客户端接收服务端发送的全局模型，用于待测数据进行工业缺陷分类。本发明采用上述一种基于联邦迁移学习的工业缺陷分类方法，在保护隐私和处理多源域小样本类别不平衡的缺陷分类任务方面展现出强大迁移泛化性能，为在数据集稀少和需要增强隐私保护的场景下实现缺陷分类提供了新思路。
-
公开(公告)号：CN116126511A
公开(公告)日：2023-05-16
申请号：CN202210736414.5
申请日：2022-06-27
Applicant: 南京理工大学
IPC: G06F9/50 , G06N5/04 , G06Q30/0601 , G06Q40/12
Abstract: 本发明公开了一种基于边缘计算的区块链网络中计算与存储资源分配方法，具体为：将轻量级节点与边缘节点之间的博弈建模成两阶段的主从博弈模型，实现轻量级节点的计算与存储任务的卸载和边缘节点资源的分配；在轻量级节点之间达到纳什均衡状态，在多个轻量级节点与边缘节点之间达到主从博弈均衡状态。在第一阶段边缘节点作为领导者，分别为每个轻量级节点提供一个统一的单位算力与存储空间的报价；在第二阶段每个轻量级节点作为追随者，基于边缘节点给定的报价和其他节点的策略，决定轻量级节点自己的算力购买量和区块大小。本发明实现了轻量级节点的计算与存储任务的卸载和边缘节点资源的分配，能够以较低的复杂度迭代到主从博弈均衡点。
-
公开(公告)号：CN116070128A
公开(公告)日：2023-05-05
申请号：CN202211568464.3
申请日：2022-12-08
Applicant: 南京理工大学
IPC: G06F18/24 , G06F18/10 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/0895 , G06N3/09
Abstract: 本发明公开了一种基于对比自监督学习的时间序列设备故障诊断方法，方法为：首先对无标签输入数据进行预处理，对提取的特征表示进行聚类，生成样本实例间正负样本对，并计算实例间聚类对比损失；其次对输入数据增强生成两个不同但相关的视图，根据时间对应关系生成正负样本对，并计算实例内时间对比损失；然后两个视图通过掩码预测任务生成正负样本对，并计算实例内上下文对比损失；最后计算实例间聚类对比损失、实例内时间对比损失以及实例内上下文对比损失的加权和作为模型的损失函数来训练模型，利用编码器和分类器得到最终的故障诊断结果。本发明解决了标签难获取、无标签、标签不足的问题，提高了设备故障诊断的精确度。
-
Patent Agency Ranking
公开(公告)号：CN118155400B
公开(公告)日：2025-05-02
申请号：CN202410052312.0
申请日：2024-01-12
Applicant: 南京理工大学
IPC: G08G1/01 , G06N3/0464 , G06N3/045 , G08G1/065 , G08G1/052
Abstract: 本发明公开了一种基于选择注意力机制的交通流量预测方法及系统，属于智能交通和机器学习领域。该基于选择注意力机制的交通流量预测方法及系统包括：首先，获取历史交通数据、道路拓扑数据和道路属性数据；接着，基于KGCN‑GSAM模型，根据道路拓扑数据和道路属性数据，建立交通预测模型；然后，基于所得交通预测模型，根据历史交通数据，进行下一时段内的交通预测值的预测。通过运用KGCN‑GSAM模型交通预测，本发明有效提高了交通预测的精准度。
-
公开(公告)号：CN119204090A
公开(公告)日：2024-12-27
申请号：CN202411269558.X
申请日：2024-09-10
Applicant: 南京理工大学
IPC: G06N3/042 , G06N3/096 , G06F18/10 , G06F18/213 , G06F18/214
Abstract: 本发明属于信息论和神经网络技术领域，公开了一种基于知识迁移的神经网络模型去噪方法，包括以下步骤：构建教师神经网络模型和结构相同的学生神经网络模型；使用一阶段损失函数计算两个模型输出之间的损失；判断训练是否收敛，若满足则冻结学生神经网络模型的特征提取器参数，后续不再更新参数；反之，则重复上述过程，直至模型收敛；使用二阶段损失函数计算两个模型之间的损失；判断模型是否收敛，若收敛则模型训练完成，输出结果；反之，重复上述过程步骤，直至收敛。本发明采用上述一种基于知识迁移的神经网络模型去噪方法，利用互信息差异性与知识蒸馏相结合的技术，使模型在不同程度的噪声下具有高准确率，有利于增强神经网络的噪声鲁棒性。
-
公开(公告)号：CN119201996A
公开(公告)日：2024-12-27
申请号：CN202411228645.0
申请日：2024-09-03
Applicant: 南京理工大学
IPC: G06F16/2455 , G06F16/27 , G06N3/092 , G06N3/098
Abstract: 本发明属于分布式缓存领域，公开了一种融合强化学习和协作学习证明共识的分布式缓存方法和系统，所述方法包括用户节点通过应用程序接口向预言机节点发起请求；预言机节点广播准备消息；预言机节点训练基于强化学习网络的间接缓存命中模型；预言机节点广播训练完成后的所述模型；预言机节点验证训练完成后的所述模型；预言机节点缓存所需内容后响应用户请求，所述缓存获取所需内容包括基于本地缓存池的直接缓存命中和基于强化学习网络的间接缓存命中；本发明改进了集中式训练分布式执行范式，保证了训练的有效性，从而实现了良好的多智能体合作性能。本发明提出的分布式缓存框架适用于多种Web3.0场景，提升分布式缓存框架的安全性与可靠性。
-
公开(公告)号：CN118520398B
公开(公告)日：2024-12-13
申请号：CN202410669664.0
申请日：2024-05-27
Applicant: 南京理工大学
IPC: G06F18/2433 , G06F18/214 , G06N3/0895 , G06N3/098
Abstract: 本发明公开了基于双对比联邦半监督学习的旋转机械设备故障诊断方法，属于机器学习技术领域，包括以下步骤：S1、客户端初始化本地模型；S2、客户端使用本地数据集进行本地训练，然后上传至服务器；S3、服务器对收集的本地原型进行聚合，将更新后的全局原型重新分配给客户端；S4、客户端更新全局原型和本地模型；S5、重复S2到S4，直到模型收敛或达到预定义的迭代次数，得到预训练模型；S6、利用本地少量有标签数据进行微调；S7、将测试数据输入微调后的模型得到测试结果。本发明通过多个客户端使用本地数据集进行学习，并通过轻量级原型促进客户端之间的联合学习，从而实现相互知识共享，防止局部模型发散，提高设备故障诊断精确度。
-
公开(公告)号：CN115442824B
公开(公告)日：2024-11-15
申请号：CN202210986935.6
申请日：2022-08-17
Applicant: 南京理工大学
Abstract: 本发明提出了一种基于无人机和智能反射面的隐蔽通信方法，包括：获取通信参数；计算各个信道的信道增益；计算用户的平均速率和窃听者的最佳检测错误概率；通过智能反射面相移约束、窃听者的最佳检测错误概率约束以及无人机飞行轨迹约束得到优化问题；通过逐次凸逼近交替迭代算法解决提出的优化问题，获得最优无人机轨迹和智能反射面相移；基站以最大发射功率发射，根据最优无人机轨迹和智能反射面相移，使无人机携带智能反射面按照最优飞行轨迹与用户通信。本发明采用噪声不确定模型，在窃听者已知所有用户位置的情况下，站在窃听者的角度推导出了窃听者的最优检测错误概率。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.02 seconds)
