-
公开(公告)号：CN113159319A
公开(公告)日：2021-07-23
申请号：CN202110295204.2
申请日：2021-03-19
申请人： 电子科技大学 , 成都畅联众智科技有限公司
摘要： 本发明公开了一种基于遗传算法的区块链共识节点待打包数据选取方法，包括以下步骤：S1：矿工从P2P网络接收待打包数据，并得到每个待打包数据的体积最大值、尘埃阈值和输出值；S2：验证每个待打包数据的合法性，并放入待打包数据池；S3：利用矿工从待打包数据池中获取合法的待打包数据，并得到每笔合法的待打包数据的激励值和体积，并给定区块容量、遗传算法的最大迭代次数、交叉概率和变异概率；S4：利用遗传算法确定总激励值最高的待打包数据组合，完成待打包数据选取。本发明使用遗传算法，求出矿工选择待打包数据打包进入区块的过程中具有最大激励值的最优解，从而提高矿工挖矿过程获得的激励值。
-
公开(公告)号：CN116488825A
公开(公告)日：2023-07-25
申请号：CN202310468532.7
申请日：2023-04-27
申请人： 电子科技大学
IPC分类号： H04L9/32
摘要： 本发明提供了一种用于数据确权和数据溯源的非同质化通证的管理和验证方法，包括以下步骤：S1：NFT管理机构部署NFT管理智能合约，并公开相对应的NFT智能合约接口标准；S2：NFT智能合约拥有者根据接口标准实现并部署智能合约，然后向NFT管理智能合约请求注册；S3：NFT智能合约用户向NFT智能管理合约请求铸造NFT，NFT智能管理合约调用安全铸造函数进行NFT铸造；S4：NFT智能合约用户可通过NFT智能合约对NFT进行交互，如转移和销毁；S5：当NFT智能合约发生异常情况时，NFT智能合约拥有者可主动或被动的注销NFT智能合约。
-
公开(公告)号：CN116415655A
公开(公告)日：2023-07-11
申请号：CN202310447005.8
申请日：2023-04-24
申请人： 电子科技大学
摘要： 本发明提供了一种基于有向无环图的去中心化异步联邦学习方法，包括以下步骤：S1：在智能合约中初始化全局有向无环图和联邦学习训练相关参数；S2：各客户端使用基于累计权重的随机游走算法从全局有向无环图中选取k个未验证节点，k是开始联邦学习之前商定的参数；S3：各客户端验证共识层所选取的k个未验证节点，若验证不通过则从全局有向无环图中重新获取未验证节点；S4：各客户端从验证通过的节点中提取模型，然后聚合这些模型为一个新的模型，之后在聚合的新模型基础上继续进行若干轮训练；S5：新模型训练完成后，生成新节点，并将客户端本地有向无环图结构更新到全局有向无环图,重复S2‑S5，直到联邦学习任务完成；S6：联邦学习任务完成后，将全局有向无环图存储在智能合约中，智能合约根据各客户端的贡献发放奖励；该发明与传统联邦学习相比，每个客户端可以异步获取模型，无需等待服务器的聚合，弥补了不同客户端的算力差异，并且由于有验证节点的步骤，避免了恶意节点对全局模型的攻击，提高了性能。
-
公开(公告)号：CN114863169B
公开(公告)日：2023-05-02
申请号：CN202210453041.0
申请日：2022-04-27
申请人： 电子科技大学
IPC分类号： G06V10/764 , G06V10/774 , G06N20/00 , G06N20/20 , G06F18/214
摘要： 本发明提供了一种结合并行集成学习和联邦学习的图像分类方法，包括以下步骤：S1：每个客户端确定参与训练的数据集，并协商确定训练使用的各种参数；S2：客户端之间使用参与训练的数据集和协商确定的参数，采用联邦学习的方式并行训练，得到训练后的基础模型；S3：客户端使用未参与训练的基础模型得到预测结果，结合原有的标签得到元模型的训练数据集；S4：客户端使用未参与训练的基础模型得到预测结果，结合原有的标签得到元模型的训练数据集；S5：将要分类的图像输入训练好的基础模型，再将得到的预测结果输入训练好的元模型，得到最终的分类结果。本发明通过并行集成学习的方式，提升了联邦学习在非独立同分布数据集下的图像分类性能。
-
公开(公告)号：CN113256999B
公开(公告)日：2022-06-10
申请号：CN202110512839.3
申请日：2021-05-11
申请人： 电子科技大学 , 成都畅联众智科技有限公司
IPC分类号： G08G1/042 , G08G1/052 , H04L67/125 , H04L67/10 , H02J50/20
摘要： 本发明公开了一种基于射频无线充电的地磁车辆检测系统及方法，其系统采用射频能量接收模块和能量收集模块为地磁传感器持续提供电量，保证终端设备长时间无需更换电池，并通过终端设备、路由设备、协调器和能量发射机进行自由组网，可灵活增加终端设备的数量；其方法通过消除地磁传感器的软磁效应和硬磁效应误差，将地磁传感器数据进行校准后，再根据地磁传感器数据的校准值，对地磁传感器进行基线校准，保证地磁传感器本身输出数据的精确，再次对地磁传感器输出的数据进行滤波处理，降低噪声的影响，并且保留了数据的峰值，达到噪声的影响减弱，却不影响有效数据的目的；本发明解决了现有检测车辆速度技术存在检测精度不足的问题。
-
公开(公告)号：CN115099529A
公开(公告)日：2022-09-23
申请号：CN202210928914.9
申请日：2022-08-03
申请人： 电子科技大学
摘要： 本发明公开了一种高考院校录取分数预测与志愿推荐的算法，包括以下步骤：S1：收集各高校录取信息以及不同省份的高考分数与位次信息。S2：将收集到的各所高校信息进行筛选，剔除无用数据。S3：对整理后的高校信息进行归一化处理，减小差异样本对数据产生的影响。S4：利用XGBoost对高校当年在该省的成绩进行回归预测，预测出该高校的录取分数。S5：根据考生提供的分数、意向省份等信息，推荐出适合的高校，并提出稳定、可冲、危险三个推荐范围内的高校。本发明通过分析历史上高校的高考录取成绩，预测当年高校的录取分数，并提供考生填报高考志愿的参考信息。
-
公开(公告)号：CN114863169A
公开(公告)日：2022-08-05
申请号：CN202210453041.0
申请日：2022-04-27
申请人： 电子科技大学
IPC分类号： G06V10/764 , G06V10/774 , G06N20/00 , G06N20/20 , G06K9/62
摘要： 本发明提供了一种结合并行集成学习和联邦学习的图像分类方法，包括以下步骤：S1：每个客户端确定参与训练的数据集，并协商确定训练使用的各种参数；S2：客户端之间使用参与训练的数据集和协商确定的参数，采用联邦学习的方式并行训练，得到训练后的基础模型；S3：客户端使用未参与训练的基础模型得到预测结果，结合原有的标签得到元模型的训练数据集；S4：客户端使用未参与训练的基础模型得到预测结果，结合原有的标签得到元模型的训练数据集；S5：将要分类的图像输入训练好的基础模型，再将得到的预测结果输入训练好的元模型，得到最终的分类结果。本发明通过并行集成学习的方式，提升了联邦学习在非独立同分布数据集下的图像分类性能。
-
公开(公告)号：CN113256999A
公开(公告)日：2021-08-13
申请号：CN202110512839.3
申请日：2021-05-11
申请人： 电子科技大学 , 成都畅联众智科技有限公司
摘要： 本发明公开了一种基于射频无线充电的地磁车辆检测系统及方法，其系统采用射频能量接收模块和能量收集模块为地磁传感器持续提供电量，保证终端设备长时间无需更换电池，并通过终端设备、路由设备、协调器和能量发射机进行自由组网，可灵活增加终端设备的数量；其方法通过消除地磁传感器的软磁效应和硬磁效应误差，将地磁传感器数据进行校准后，再根据地磁传感器数据的校准值，对地磁传感器进行基线校准，保证地磁传感器本身输出数据的精确，再次对地磁传感器输出的数据进行滤波处理，降低噪声的影响，并且保留了数据的峰值，达到噪声的影响减弱，却不影响有效数据的目的；本发明解决了现有检测车辆速度技术存在检测精度不足的问题。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.023 秒)
