-
公开(公告)号：CN116738164A
公开(公告)日：2023-09-12
申请号：CN202310527612.5
申请日：2023-05-11
申请人： 南京邮大医疗信息技术有限公司 , 南京邮电大学 , 江苏省人民医院(南京医科大学第一附属医院) , 边缘智能研究院南京有限公司
IPC分类号： G06F18/20 , G06F18/10 , G06F18/241 , G16H50/00 , G16H10/60
摘要： 本发明公开了一种结合区块链的分布式产前筛查信息处理系统，包括数据采集层、数据筛查层、知识共享层，以实现医院产前数据筛查和共享，通过该系统对相关数据进行采集、预处理、管理和统一的使用，为产前筛查诊断的医护人员提供了更加快捷方便的信息查询和管理服务，提高产前筛查健康管理工作效率，同时也保证了孕产妇相关隐私数据的安全和使用目的的唯一性。
-
公开(公告)号：CN115331794A
公开(公告)日：2022-11-11
申请号：CN202211250945.X
申请日：2022-10-13
申请人： 南京邮电大学 , 江苏省人民医院(南京医科大学第一附属医院)
摘要： 本发明公开了一种基于健康卡的智能化区域新生儿信息互联互通系统，具体包括：新生儿档案建立模块用于在分娩室生成早于出生医学证明的就医身份识别码并将基本信息关联录入；系统管理模块实现新生儿健康数据的统一管理和数据安全保障；信息交互模块将院内各科室、院间转诊和健康档案从业务上以及数据上进行打通；自主应用服务模块通过小程序为患者提供自助服务。本发明以建立自分娩室的新生儿电子健康卡为主索引，通过将有关新生儿信息集成于构建的智能化区域健康管理平台能实现新生儿档案的跨医疗机构、跨区域调阅，解决新生儿就医服务中存在的信息孤岛问题，实现公民全生命周期的医疗健康信息互联贯通和统一管理，提高数据管理效率。
-
公开(公告)号：CN116582871A
公开(公告)日：2023-08-11
申请号：CN202310828232.5
申请日：2023-07-07
申请人： 南京邮电大学
摘要： 本发明公开了一种基于拓扑优化的无人机集群联邦学习模型优化方法，本发明面向无人机集群，根据带宽分配、计算时延、通信时延以及拓扑设计的约束条件，最小化无人机集群联邦学习每一轮的能量消耗和时延的加权和；进而获得每一轮无人机集群对应的关于模型参数传输的拓扑结构，基于拓扑结构，各跟随无人机的本地联邦学习模型参数传输至领头无人机；领头无人机进行参数聚合并更新，获得下一轮迭代中的全局联邦学习模型参数，当全局联邦学习模型参数对应的联邦学习模型精度达到要求，则获得无人机集群对应的联邦学习模型。本发明显著加快联邦学习过程，大大提高了无人机集群联邦学习的鲁棒性，使联邦学习能够更好地适应网络拓扑高动态的无人机集群。
-
公开(公告)号：CN117592556A
公开(公告)日：2024-02-23
申请号：CN202410069642.0
申请日：2024-01-18
申请人： 南京邮电大学
摘要： 本发明属于联邦学习和边缘计算技术领域，公开了一种基于GNN的半联邦学习系统及其运行方法，系统包括云端服务中心、多个边缘服务器与终端设备，边缘服务器与云端服务中心之间存在双向的连接，边缘服务器和终端设备之间存在双向的链路，边缘服务器用于分析需要上传本地数据的终端设备，下发传输决策，确定本地训练的终端设备后，接收实行本地训练的终端设备上传的模型参数用于聚合；同时接收无法进行本地训练的终端设备发送的本地数据，进行去重处理后再进行模型训练，将得到的模型参数用于聚合，并聚合后的模型参数上传至所述云端服务中心。本发明提升了系统的包容性和模型的性能，解决了重复数据训练造成的模型过拟合问题。
-
公开(公告)号：CN116341691A
公开(公告)日：2023-06-27
申请号：CN202310534928.7
申请日：2023-05-12
申请人： 南京邮电大学 , 边缘智能研究院南京有限公司
IPC分类号： G06N20/20
摘要： 本发明公开了一种去中心化联邦学习系统、方法、存储介质及计算设备，该系统包括：模型共享平面、与模型共享平面连接的边缘服务器，以及与边缘服务器连接的参与训练的终端设备；本发明基于终端设备资源信息进行全局模型分割，平衡各终端设备进行本地模型训练的时间差异，且分割策略会随着终端设备本地资源进行调整，保证每一次都选择最早训练完成时间最小的方案，可提高训练吞吐量、降低通信成本，从而加快训练进程。
-
公开(公告)号：CN116582871B
公开(公告)日：2023-10-13
申请号：CN202310828232.5
申请日：2023-07-07
申请人： 南京邮电大学
摘要： 本发明公开了一种基于拓扑优化的无人机集群联邦学习模型优化方法，本发明面向无人机集群，根据带宽分配、计算时延、通信时延以及拓扑设计的约束条件，最小化无人机集群联邦学习每一轮的能量消耗和时延的加权和；进而获得每一轮无人机集群对应的关于模型参数传输的拓扑结构，基于拓扑结构，各跟随无人机的本地联邦学习模型参数传输至领头无人机；领头无人机进行参数聚合并更新，获得下一轮迭代中的全局联邦学习模型参数，当全局联邦学习模型参数对应的联邦学习模型精度达到要求，则获得无人机集群对应的联邦学习模型。本发明显著加快联邦学习过程，大大提高了无人机集群联邦学习的鲁棒性，使联邦学习能够更好地适应网络拓扑高动态的无人机集群。
-
公开(公告)号：CN116341691B
公开(公告)日：2023-09-22
申请号：CN202310534928.7
申请日：2023-05-12
申请人： 南京邮电大学 , 边缘智能研究院南京有限公司
IPC分类号： G06N20/20
摘要： 本发明公开了一种去中心化联邦学习系统、方法、存储介质及计算设备，该系统包括：模型共享平面、与模型共享平面连接的边缘服务器，以及与边缘服务器连接的参与训练的终端设备；本发明基于终端设备资源信息进行全局模型分割，平衡各终端设备进行本地模型训练的时间差异，且分割策略会随着终端设备本地资源进行调整，保证每一次都选择最早训练完成时间最小的方案，可提高训练吞吐量、降低通信成本，从而加快训练进程。
-
公开(公告)号：CN117610644B
公开(公告)日：2024-04-16
申请号：CN202410077654.8
申请日：2024-01-19
申请人： 南京邮电大学
摘要： 本发明公开了一种基于区块链的联邦学习优化方法，在基于区块链的联邦学习下，基于深度强化学习的数据卸载控制策略，控制用户设备选择将数据传输到边缘节点进行模型训练或者在本地进行模型更新；基于深度强化学习的数据卸载控制策略包括：定义数据卸载控制策略的状态、动作和奖励函数，利用双重深度Q网络算法选择当前状态下的最优动作；当最优动作为在本地训练模型时，控制用户设备在本地进行模型更新；当最优动作为在边缘节点训练模型时，根据数据卸载上传比例将用户设备的数据传输到边缘节点，在边缘节点进行模型训练。本发明能够增加边缘服务器在整个模型训练过程的比重，加速区块链网络中的联邦学习模型训练过程。
-
公开(公告)号：CN117692939B
公开(公告)日：2024-04-12
申请号：CN202410149801.8
申请日：2024-02-02
申请人： 南京邮电大学
IPC分类号： H04W24/04 , H04W28/084 , G06N3/098
摘要： 本发明属于动态通信环境下的客户端调度技术领域，涉及一种动态通信环境下的客户端调度方法；将所有客户端都进行本地模型训练，然后基于客户端训练的状态（通信延迟、资源能耗）定义客户端的状态向量，再结合客户端的两个动作状态选择性能最优的一批客户端；根据客户端的状态向量和动作空间定义客户端可用性，再选择一组客户端上传本地模型进行全局聚合，本发明状态向量是根据客户端的实时状态进行动态调整和适应，这使得系统能够根据客户端的实际情况做出更合理的决策，最大效率的选择合适的客户端参与模型聚合，客户端可用性可以更准确的评估每个客户端的性能和可参与度，提高模型训练的精度和效率。
-
公开(公告)号：CN117592556B
公开(公告)日：2024-03-26
申请号：CN202410069642.0
申请日：2024-01-18
申请人： 南京邮电大学
摘要： 本发明属于联邦学习和边缘计算技术领域，公开了一种基于GNN的半联邦学习系统及其运行方法，系统包括云端服务中心、多个边缘服务器与终端设备，边缘服务器与云端服务中心之间存在双向的连接，边缘服务器和终端设备之间存在双向的链路，边缘服务器用于分析需要上传本地数据的终端设备，下发传输决策，确定本地训练的终端设备后，接收实行本地训练的终端设备上传的模型参数用于聚合；同时接收无法进行本地训练的终端设备发送的本地数据，进行去重处理后再进行模型训练，将得到的模型参数用于聚合，并聚合后的模型参数上传至所述云端服务中心。本发明提升了系统的包容性和模型的性能，解决了重复数据训练造成的模型过拟合问题。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.047 秒)
