-
公开(公告)号：CN116886397A
公开(公告)日：2023-10-13
申请号：CN202310971110.1
申请日：2023-08-03
Applicant: 浙江大学 , 浙江浙能嘉兴海上风力发电有限公司
IPC: H04L9/40 , H04L67/12 , G06N3/0464 , G06N3/126
Abstract: 本发明公开了一种面向电网虚假数据注入攻击检测的轻量化模型自动搜索方法。针对混合精度量化的攻击检测模型难以设计的问题，提出了基于遗传算法的模型自动搜索方法，可以面向不同的电网结构和性能要求，自动搜索出对应的轻量化攻击检测模型；针对遗传算法收敛速度慢的问题，提出了对应的搜索加速方法来加快搜索过程。本发明能够实现轻量化攻击检测模型的全自动化设计与搜索，解决不同电网中轻量化模型设计复杂且耗时、需要大量专家知识的问题。
-
公开(公告)号：CN113222148A
公开(公告)日：2021-08-06
申请号：CN202110549464.8
申请日：2021-05-20
Applicant: 浙江大学
Abstract: 本发明公开了一种面向物料识别的神经网络推理加速方法，解决了边缘端网络推理延迟严重的问题。首先，本发明创造性的运用余弦距离来判定量化前后的网络特征分布差异，从而确定不同层对量化到低比特的敏感性；运用混合精度量化将网络中对量化敏感的层量化到更高的比特。其次，针对物料识别网络划分方法受网络带宽影响较大的问题，本发明在传统的模型划分算法中加入正则化项，优先选取更低比特量化层作为划分点，降低推理受网络带宽的影响。最后，本发明面向混合精度量化和网络划分协同设计中，混合精度和划分点选取搜索空间大的问题，基于贪婪算法先根据网络精度要求确定混合精度量化方案，再选取总延时最少的划分点。
-
公开(公告)号：CN119004208A
公开(公告)日：2024-11-22
申请号：CN202411099212.X
申请日：2024-08-12
Applicant: 浙江大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/098 , G01R35/04
Abstract: 本发明公开了一种基于单轮联邦学习的低通信成本智能电表故障诊断方法。在各智能电表节点进行本地模型训练，各节点将本地模型参数以及每个批量归一化层在训练完成后的本地模型中记录的均值和方差上传至中心服务器，中心服务器通过对齐给定的故障分类和批量归一化层的统计量进行各节点对应数据集的生成。此外，本发明还通过对生成的数据集进行裁剪、混合并生成软标签，进一步提升了全局模型的精度和鲁棒性。最后，将生成的数据集和软标签输入至全局模型进行训练，得到最终的联邦学习全局故障诊断模型。这种方法在保护数据隐私、降低通信成本的同时，提高了模型的精度和鲁棒性，相比于其他联邦学习方法，故障诊断性能得到了显著提升。
-
公开(公告)号：CN113222148B
公开(公告)日：2022-01-11
申请号：CN202110549464.8
申请日：2021-05-20
Applicant: 浙江大学
Abstract: 本发明公开了一种面向物料识别的神经网络推理加速方法，解决了边缘端网络推理延迟严重的问题。首先，本发明创造性的运用余弦距离来判定量化前后的网络特征分布差异，从而确定不同层对量化到低比特的敏感性；运用混合精度量化将网络中对量化敏感的层量化到更高的比特。其次，针对物料识别网络划分方法受网络带宽影响较大的问题，本发明在传统的模型划分算法中加入正则化项，优先选取更低比特量化层作为划分点，降低推理受网络带宽的影响。最后，本发明面向混合精度量化和网络划分协同设计中，混合精度和划分点选取搜索空间大的问题，基于贪婪算法先根据网络精度要求确定混合精度量化方案，再选取总延时最少的划分点。
-
-
-
Search Results
4
records
(took 0.045 seconds)
