-
公开(公告)号：CN114800545B
公开(公告)日：2023-10-27
申请号：CN202210230205.3
申请日：2022-03-09
Applicant: 泉州华中科技大学智能制造研究院 , 华中科技大学
Abstract: 本发明提供一种基于联邦学习的机器人控制方法，包括如下步骤：A、聚合节点向各本地节点发送训练请求；B、本地节点利用当前所积累的运行数据在本地模型进行训练，并将训练所得数据发送至聚合节点；C、若聚合计算次数n＝1，则计算全模型及对应于该全模型的全准确率，并进入步骤D；若n＞N+1，则进入步骤E；D、聚合节点将所有本地节点划分为重要节点和非重要节点，并进入步骤A；E、聚合节点根据重要节点的数据进行聚合计算，并进入步骤F；F、第二周期T2后，需要时向聚合节点发送更新请求，进入步骤A。本发明能够保证机器人的工作精度始终保持在一个较高的水平，且能够在保证本地模型精度的前提下，减少聚合计算过程中计算资源的开销及通讯开销。
-
公开(公告)号：CN114800545A
公开(公告)日：2022-07-29
申请号：CN202210230205.3
申请日：2022-03-09
Applicant: 泉州华中科技大学智能制造研究院 , 华中科技大学
Abstract: 本发明提供一种基于联邦学习的机器人控制方法，包括如下步骤：A、聚合节点向各本地节点发送训练请求；B、本地节点利用当前所积累的运行数据在本地模型进行训练，并将训练所得数据发送至聚合节点；C、若聚合计算次数n＝1，则计算全模型及对应于该全模型的全准确率，并进入步骤D；若n＞N+1，则进入步骤E；D、聚合节点将所有本地节点划分为重要节点和非重要节点，并进入步骤A；E、聚合节点根据重要节点的数据进行聚合计算，并进入步骤F；F、第二周期T2后，需要时向聚合节点发送更新请求，进入步骤A。本发明能够保证机器人的工作精度始终保持在一个较高的水平，且能够在保证本地模型精度的前提下，减少聚合计算过程中计算资源的开销及通讯开销。
-
公开(公告)号：CN114024961A
公开(公告)日：2022-02-08
申请号：CN202111120853.5
申请日：2021-09-24
Applicant: 泉州华中科技大学智能制造研究院
IPC: H04L67/10 , H04L67/1097 , H04L9/40 , H04L41/00
Abstract: 本发明提供一种区块链网络及其共识算法，算法包括：A、设置节点的初始信任度值；B、进行数据上传测试，若共识验证通过，分别将正常节点和异常节点的信任度增加和减少设定值；C、通过本地节点上传数据，若判定该节点为高信任度节点，进入步骤D；若判定该节点为低信任度节点，进入步骤E；D、对上传的数据进行交易认定，并进入步骤F；E、对上传的数据进行共识验证，通过后，分别将正常节点和异常节点的信任度增加和减少设定值m，并进入步骤D；F、对于高信任度节点上传并已进行交易认定的数据，进行共识验证，若验证不通过，则将该高信任度节点降低为低信任度节点，并将对应的交易标为异常。本发明能够实现同时提高效率与数据上传规模。
-
公开(公告)号：CN114024961B
公开(公告)日：2023-07-25
申请号：CN202111120853.5
申请日：2021-09-24
Applicant: 泉州华中科技大学智能制造研究院
IPC: H04L67/10 , H04L67/1097 , H04L9/40 , H04L41/00
Abstract: 本发明提供一种区块链网络及其共识算法，算法包括：A、设置节点的初始信任度值；B、进行数据上传测试，若共识验证通过，分别将正常节点和异常节点的信任度增加和减少设定值；C、通过本地节点上传数据，若判定该节点为高信任度节点，进入步骤D；若判定该节点为低信任度节点，进入步骤E；D、对上传的数据进行交易认定，并进入步骤F；E、对上传的数据进行共识验证，通过后，分别将正常节点和异常节点的信任度增加和减少设定值m，并进入步骤D；F、对于高信任度节点上传并已进行交易认定的数据，进行共识验证，若验证不通过，则将该高信任度节点降低为低信任度节点，并将对应的交易标为异常。本发明能够实现同时提高效率与数据上传规模。
-
-
-
Search Results
4
records
(took 0.045 seconds)
