-
Patent Agency Ranking
公开(公告)号：CN117292221A
公开(公告)日：2023-12-26
申请号：CN202311252854.4
申请日：2023-09-26
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/774 , G06N3/0464 , G06N3/08 , G06V10/80 , G06F21/62
Abstract: 本发明公开了一种基于联邦元学习的图像识别方法及系统，属于机器学习技术领域。包括获取待识别图像；将待识别图像输入训练好的联邦元学习模型进行处理，获取图像识别结果；训练联邦元学习模型的过程包括：服务器初始化全局模型参数并分别发送至多个客户端；客户端接收全局模型参数，根据全局模型参数，通过训练集对客户端的本地模型进行训练，更新本地模型参数并上传至服务器；服务器聚合所有本地模型参数，更新全局模型参数，直至全局模型收敛；在客户端之间进行循环知识蒸馏，形成个性化模型。能够提升联邦学习模型性能，在保障隐私和数据安全的前提下提高图像识别准确率，解决客户端模型性能差，影响图像识别准确率的问题。
-
公开(公告)号：CN117994635B
公开(公告)日：2024-06-11
申请号：CN202410396190.7
申请日：2024-04-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/82 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/098
Abstract: 本发明属于机器学习技术处理，为了解决现有联邦学习中客户端模型训练的稳定性差，以及噪声负面影响的问题，提出了一种噪声鲁棒性增强的联邦元学习图像识别方法及系统，通过引入AdaBelief优化器和SCAFFOLD算法中的动量和控制变量机制对全局模型参数和全局控制变量进行本地更新，能够提高客户端本地训练稳定性并加快收敛速度；在客户端本地更新中，通过动态权重参数对损失函数进行改进，并结合平滑标签策略，个性化的学习策略在减少局部噪声的负面影响的同时并提高模型的泛化能力。
-
公开(公告)号：CN117994635A
公开(公告)日：2024-05-07
申请号：CN202410396190.7
申请日：2024-04-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/82 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/098
Abstract: 本发明属于机器学习技术处理，为了解决现有联邦学习中客户端模型训练的稳定性差，以及噪声负面影响的问题，提出了一种噪声鲁棒性增强的联邦元学习图像识别方法及系统，通过引入AdaBelief优化器和SCAFFOLD算法中的动量和控制变量机制对全局模型参数和全局控制变量进行本地更新，能够提高客户端本地训练稳定性并加快收敛速度；在客户端本地更新中，通过动态权重参数对损失函数进行改进，并结合平滑标签策略，个性化的学习策略在减少局部噪声的负面影响的同时并提高模型的泛化能力。
-
公开(公告)号：CN116994054A
公开(公告)日：2023-11-03
申请号：CN202310986619.3
申请日：2023-08-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/098
Abstract: 本发明公开了面向类别不平衡的联邦学习图像分类方法及系统，多个客户端按照标准的联邦学习方法联合训练一个全局模型；每个客户端将本地训练数据划分为头类和尾类，计算得到尾类所对应的混淆类，基于类激活图对本地训练数据中的尾类和对应的混淆类进行特征提取，得到尾类特有特征和混淆类通用特征；每个客户端将尾类特有特征与对应的混淆类通用特征进行特征融合，得到尾类的增广样本，以增强本地训练数据；每个客户端使用增强的本地训练数据对全局模型进行微调，并将其上传到服务器来进一步更新全局模型。此外，本发明设计了一个新的损失函数TailDistillation Loss，能够减轻全局类不平衡的影响。
-
公开(公告)号：CN116166895A
公开(公告)日：2023-05-26
申请号：CN202211585376.4
申请日：2022-12-09
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F16/9537 , G06F16/909 , G06F16/9038
Abstract: 本发明涉及基于物化视图的时空范围查询方法、系统、设备及介质，包括：获取搜索请求，搜索请求包括各个第一待匹配数据；根据搜索请求，在物化视图表中的每一个层级中的各个节点中搜索与各个第一待匹配数据匹配的各个第一存储数据作为目标匹配数据；其中，物化视图表为存储多个层级对应的第一存储数据的数据库，每个层级对应一个类别的第一存储数据。解决当前移动轨迹数据查询效率低、速度慢的问题。
-
-
-
-
Search Results
5
records
(took 0.083 seconds)
