-
公开(公告)号：CN118298280A
公开(公告)日：2024-07-05
申请号：CN202410482569.X
申请日：2024-04-22
IPC分类号： G06V10/82 , G06V10/764 , G06V10/77 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/0475 , G06N3/092 , G06N3/094 , G06N3/006
摘要： 本发明公开了一种基于强化学习的民航领域自适应数据表示对齐方法，该方法将领域适应与强化学习分开。本发明引入了特征级和像素级的多粒度约束来指导训练过程。在特征层面引入领域对抗训练和互信息最大化约束，实现了特征的跨领域对齐，从而显著提高了源智能体在目标领域的性能。同时，在像素级引入循环一致变分自编码器(Cycle‑Consistent Variational Autoencoders,VAE)，促进域通用特征和域特定特征的解耦，并保持状态图像中的判别信息。在第二阶段，本发明基于提取的域不变特征，在源域中使用深度强化学习技术训练智能体。由于智能体是用跨域不变特征训练的，因此它的行为策略可以在不同的域之间转移，因此有望在不与环境交互的情况下在目标域中获得良好的性能。
-
公开(公告)号：CN118297140A
公开(公告)日：2024-07-05
申请号：CN202410482564.7
申请日：2024-04-22
IPC分类号： G06N3/098 , G06N3/096 , G06N3/045 , G06N3/0495 , G06F18/241 , G06V10/764 , G06V10/82 , G06V10/94
摘要： 本发明公开了一种基于可重用分类器的联邦蒸馏学习方法，主要用于增强神经网络的泛化能力，从而提高网络性能。该方法包括以下步骤：S1，在联邦知识蒸馏中重用来自异构模型的分类器，降低蒸馏策略的计算复杂度并提高全局模型的泛化能力；S2，引入自适应且可学习的轻量级映射器，确保特征映射和分类器之间的尺寸兼容性；S3，结合分类器之间注意力权重向量的计算，有效解决局部知识偏差对全局知识的影响。本发明方法通过重用客户端的分类器和分配注意力权重来提高网络性能，从而增强全局神经网络的泛化性。此外，FedMAC为每个客户端分配一个可训练的映射器，以对齐特征图、捕获关键知识并过滤掉负面知识。
-
公开(公告)号：CN118300869A
公开(公告)日：2024-07-05
申请号：CN202410482565.1
申请日：2024-04-22
摘要： 本发明公开了一种基于边缘计算的普适智能联邦学习隐私保护方法，该方法设计了一种轻量级的掩码添加方案，嵌入式设备完成部分模型训练后，将掩码添加到模型中并传输到边缘服务器，保证了模型的完整性和准确性，实现了比FedAvg更高的训练效率。此外，在边缘服务器中使用自适应差分隐私方案，边缘服务器通过多轮训练中的多次迭代获取局部梯度。它使用剪裁阈值和先前的梯度进行自适应剪裁，既减少了传输量，又减少了噪声引起的误差。接着在云端聚合后添加高斯噪声，云端使用剪裁阈值调整噪声的方差，并根据每个边缘服务器的权重值计算参数变化值，以确保在模型参数尽可能准确的情况下保护反馈的隐私。
-
公开(公告)号：CN118297139A
公开(公告)日：2024-07-05
申请号：CN202410482562.8
申请日：2024-04-22
IPC分类号： G06N3/098 , G06N3/084 , G06N3/096 , G06N3/045 , G06N3/0464 , G06N3/0495 , H04L9/40 , H04L67/10 , H04L12/18
摘要： 本发明公开了一种基于边缘场景下的可信异构联合学习方法，主要解决现有不同的终端设备只能携带相应大小的模型，且数据集有限，显著影响了模型的精度的问题。该方法首先建立一个基于FL的异质性多模型训练架构，它连接了分散的医疗终端设备来训练一个精确的诊断模型，设计了一种具有不同组合的多模型协同训练方法，整合了其他异构模型的知识，以提高模型的精度。最后，添加一个轻量级的迭代掩码，以确保中间信息的隐私性和可靠性。
-
公开(公告)号：CN117634889A
公开(公告)日：2024-03-01
申请号：CN202311690431.0
申请日：2023-12-11
申请人： 成都理工大学
IPC分类号： G06Q10/0635 , G06Q10/0639 , G06F18/2135 , G06N3/0464 , G06N3/082 , G06Q40/03
摘要： 本发明公开了一种基于PCA‑CNN的产业链风险预警评估方法，在建立产业链金融风险预警指标体系的基础上，结合卷积神经网络方法，构建产业链风险预警模型，并采用主成分分析法对评价指标进行测度，选取产业链上上市企业的相关数据对模型进行实证分析。本发明能够有效地识别出潜在的风险企业，并提前发出预警信号。与传统的风险评估方法相比，该方法具有更高的准确性和灵敏度，能够帮助企业和政府部门更好地管理和控制风险，保障产业链的稳定运行。
-
公开(公告)号：CN115148379B
公开(公告)日：2024-05-31
申请号：CN202210634304.8
申请日：2022-06-06
申请人： 电子科技大学
摘要： 本发明公开了一种利用边缘计算实现独居老人智能健康监护的系统，系统框架上包括用户层、展现层、云数据中心层、边缘服务器层、数据预处理层和设备感知层。本发明系统中各个部分相互配合，实现了健康监护便捷化、辅助诊断准确化、紧急通知迅速化、隐私保护全面化、辅助功能贴心化的目的，最大程度的提升了智慧医疗的效率、准确率和安全性，成为守护在独居老人或患者身边的智慧医生。将本发明系统部署到实际应用场景中，不仅能够时刻守护独居老人的身体健康，帮助老人进行疾病自检，为老人的健康与生活质量提供支持和保障，还能有效降低老人的受伤概率，降低家庭和社会负担，助力现代化国家建设。
-
公开(公告)号：CN116258353A
公开(公告)日：2023-06-13
申请号：CN202310538895.3
申请日：2023-05-15
申请人： 民航成都信息技术有限公司 , 电子科技大学
IPC分类号： G06Q10/0631 , G06Q50/30
摘要： 本发明涉及航班地勤保障技术领域，尤其涉及航班地勤节点执行序列的确定方法、装置、设备及介质，该方法包括：对执行用户序列或执行顺序序列中，部分航班地勤节点的执行用户或部分航班对应的执行顺序进行交叉、变异，得到交叉执行序列和变异执行序列；从所有初始执行序列、所有交叉执行序列和所有变异执行序列中筛选出最新的初始执行序列；若最新的初始执行序列的数量小于预设数量，则继续交叉、变异；否则，将最新的初始执行序列确定为目标执行序列。通过本申请的方式，能够确定目标执行序列，以执行所有航班地勤节点，提高了执行航班地勤节点的执行效率。
-
公开(公告)号：CN115563650A
公开(公告)日：2023-01-03
申请号：CN202211262070.5
申请日：2022-10-14
摘要： 本发明公开了一种基于联邦学习实现医疗数据的隐私保护系，涉及医疗数据管理技术领域，包括医疗终端设备、医疗边缘服务器和医疗云中心服务器；医疗终端设备可通过变分建模对医疗数据进行预处理以实现隐私增强并得到模型训练数据；医疗边缘服务器用于将模型训练数据传入多模态模型，筛选得到生命体征区域特征，对全局医疗模型进行训练，得到局部模型，在局部模型梯度中加入本地微分扰动噪声；初始化和更新全局医疗模型。本发明为基于联邦学习的云边、智能、安全、可信的架构，能实现云边智能协同下的医疗模型训练；实现了医疗数据多模态融合的细粒度分类，提高了模型的准确率；将变分建模和差分隐私集成到系统架构中，确保医疗数据的高机密性。
-
公开(公告)号：CN115037618A
公开(公告)日：2022-09-09
申请号：CN202210634941.5
申请日：2022-06-06
申请人： 电子科技大学
IPC分类号： H04L41/082 , H04L41/14 , H04L41/16 , H04L67/025 , H04L67/30 , H04L9/40 , G06N3/08
摘要： 本发明公开了一种基于KubeEdge的轻量级边缘智能协同联邦学习平台，包括Cloud Core云端核心模块、Edge Core边缘核心模块、云控制系统、客户端；Edge Core边缘核心模块上部署有边缘聚合中心；Cloud Core云端核心模块上部署有云聚合中心。本发明将边缘计算和联邦学习进行有效的结合，在KubeEdge平台基础上实现了高效率、高准确率、可用、可扩展的边缘智能协同联邦学习，不仅在数据应用上提供轻量级、低时延、安全可靠的平台支持，而且使联邦学习的实验环境更加仿真，实现更为精准、有效的机器学习建模，满足智能交通、智慧园区、智慧能源、智慧工厂、智慧银行、智慧工地、CDN等行业中的用户隐私保护、数据安全的需求，进而更好地为智慧城市及相关配套产业的发展提供良好的基础和保障。
-
公开(公告)号：CN112769936B
公开(公告)日：2022-08-16
申请号：CN202110031188.6
申请日：2021-01-11
申请人： 电子科技大学 , 国家计算机网络与信息安全管理中心
IPC分类号： H04L67/1042 , G06Q40/04
摘要： 本发明公开了一种基于投票与信用机制的POVT共识算法，所述基于投票与信用机制的POVT共识算法通过引入投票机制来更加公平地选择出块节点，彻底避免节点之间的算力竞争，并且引入的信用机制能够保证参与共识的节点的可靠性，同时降低权益对记账权分配的影响，从而增大对系统发起权益粉碎攻击等的难度。
-
-
-
-
-
-
-
-
-
搜索结果
90 条记录 (耗时 0.042 秒)
