公开(公告)号：CN118656183A

公开(公告)日：2024-09-17

申请号：CN202410547679.X

申请日：2024-05-06

申请人： 电子科技大学

发明人： 林劼 ,  付波 ,  陈爱国 ,  罗光春 ,  李志豪 ,  邓裕沛

IPC分类号： G06F9/48 ,  G06F9/50 ,  G06F21/64

摘要： 本发明涉及分布式计算任务调度技术，其公开了一种去中心化任务调度系统及方法，提高多任务并发执行的性能和系统共识的吞吐量。该调度系统由调度节点和已完成服务部署的工作节点组成，其中，若干调度节点和工作节点按照物理空间组织成集群。在一个集群中，调度节点根据高性能任务调度策略对其管理的工作节点进行任务调度，并将任务调度信息以有向无环图的形式存储。从而有利于不同需求的任务的局部并行处理。此外，该系统通过区块链共识技术，将一个集群内的调度节点组成群内快照共识组，用来对群内任务的执行状态进行共识上链，而不同集群都存在一个调度节点组成群间快照共识组，用来对跨群任务的执行状态进行共识上链，实现了任务调度的序列化和防篡改能力。另外，该方法通过结合历史区块打包所产生的收益，对工作节点执行状态的打包阈值完成自适应调整，从而降低共识时延，提高系统吞吐量。

公开(公告)号：CN117236465A

公开(公告)日：2023-12-15

申请号：CN202311107162.0

申请日：2023-08-30

申请人： 电子科技大学

发明人： 陈爱国 ,  罗光春 ,  朱大勇 ,  李家豪 ,  陈嘉庚 ,  蔡政澳

IPC分类号： G06N20/00 ,  G06N5/01 ,  G06N20/20 ,  G06F21/62

摘要： 本发明涉及联邦学习与机器学习树模型技术，具体为一种基于信息熵的联邦决策树信息量度量方法，包括训练过程和度量过程。在训练过程中，先配置联邦学习的环境，基于配置的学习环境，获取样本数据，并对其进行预处理；通过联合参与方与参数服务器共同构建CART树；最后集合多棵CART树形成联邦决策树森林。在共同构建CART树时，通过引入筛选劣质参与者，提升了计算速率。在度量过程，对于单棵决策树，首先按照参与者编号划分树的节点；然后，计算所有流向路线的概率，并计算树的熵值；通过与空树熵值的差值得到树的信息含量。实现了量化联邦决策树森林中决策树的信息含量，达到优化联邦决策树参与者利益分配的目的。

公开(公告)号：CN117151205A

公开(公告)日：2023-12-01

申请号：CN202311069248.9

申请日：2023-08-24

申请人： 电子科技大学

发明人： 陈爱国 ,  付波 ,  王勇 ,  罗光春 ,  张思洁 ,  周鑫岑

IPC分类号： G06N3/092 ,  G06N3/096 ,  G06N3/0464 ,  G06V10/82

摘要： 本发明涉及机器学习和强化学习技术领域，公开了一种基于多先验策略的强化学习智能决策方法，解决现有技术中利用强化学习进行智能决策时由于奖励稀疏、样本利用率低、环境过拟合导致的决策困难问题。该方法利用目标策略网络和先验策略指导智能体进行决策，将决策产生的交互数据放入重放缓冲区；随后从重放缓冲区中进行数据采样，获取一个训练集用于目标策略网络训练；然后根据训练数据计算综合损失函数，利用梯度下降法对目标策略网络进行更新；最后更新重放缓冲区种所用训练数据的被采样概率；在智能决策过程，将智能体观测的环境状态输入至目标策略网络中，根据网络输出执行动作并完成状态转移，随后重复上述观察‑决策过程，直至决策任务完成。

公开(公告)号：CN117095217A

公开(公告)日：2023-11-21

申请号：CN202311064055.4

申请日：2023-08-22

申请人： 电子科技大学

发明人： 罗光春 ,  许毅 ,  卢国明 ,  陈爱国 ,  刘政林 ,  林焱

IPC分类号： G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

摘要： 本发明公开了一种多阶段对比知识蒸馏方法。该方法包括：获取训练样本图像和与训练样本图像对应的理论分类标签，并对训练样本图像进行数据增强，得到至少一张待处理样本图像，基于至少一张待处理样本图像和理论分类标签，构建训练样本；基于预先训练完成的教师网络对训练样本进行处理，得到第一平滑化概率分布和与多个教师子模型对应的第一模型输出；将训练样本输入至待训练学生网络中，得到实际输出结果以及与多个学生子模型对应的第二模型输出；确定目标模型损失，并基于目标模型损失对待训练学生模型进行模型参数调整，得到图像分类模型。本技术方案，实现了训练完成的学生网络的性能进一步接近甚至超过教师网络性能的效果。

公开(公告)号：CN115481749A

公开(公告)日：2022-12-16

申请号：CN202211088268.6

申请日：2022-09-07

申请人： 电子科技大学

发明人： 陈爱国 ,  罗光春 ,  孙国林 ,  戴瑞婷 ,  隆雨佟 ,  刘德映

IPC分类号： G06N20/00 ,  G06F9/50

摘要： 本发明属于信息技术领域，具体提供一种面向异质性场景下的分布式机器学习方法，旨在解决现有联邦学习效率提升方法，受限于分布式场景中广泛存在的非独立同分布数据，以及存在的计算负担大、依赖经验等问题。本发明通过在训练过程中动态更新相关的矩阵，实现对参与方节点的动态选择，并有效地将分布式环境中存在的非独立同分布数据纳入到了节点的选择考虑中，同时也考虑到了节点的训练效果和历史训练信息，使得模型更快地学习未知的知识或者学习效果不好的知识，从而有效提升联邦学习在实际应用场景下的模型训练效率。

公开(公告)号：CN113901177A

公开(公告)日：2022-01-07

申请号：CN202111254147.X

申请日：2021-10-27

申请人： 电子科技大学

发明人： 陈爱国 ,  朱大勇 ,  赵太银 ,  秦科 ,  罗光春 ,  尹佳 ,  胡鑫源

IPC分类号： G06F16/33 ,  G06F16/332 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及数据搜索查询技术，其公开了一种基于多模态属性决策的代码搜索方法，提高组件代码块的搜索的准确率和效率。该方法包括：S1、对查询语句分别与数据库中的每个组件代码块组成待匹配数据对；S2、对各个待匹配数据对进行预处理，获得元组词向量；S3、通过基于BERT的注意力网络提取各个元组的序列特征；S4、利用skip‑gram网络提取各个元组的结构特征；S5、针对每一元组的序列特征和结构特征，采用多模态向量匹配模型进行相似度匹配，得到相似度匹配结果；S6、针对每一元组，基于获得的相似度匹配结果，利用门控机制对多属性得分进行输出控制，获得各元组的最终得分，并从高至低进行排序；S7、选出排序靠前的最终得分对应的组件代码块组成候选组件代码块集反馈用户。

公开(公告)号：CN110782663B

公开(公告)日：2021-09-24

申请号：CN201910940848.5

申请日：2019-09-30

申请人： 电子科技大学

发明人： 卢国明 ,  田玲 ,  罗光春 ,  陈爱国 ,  陈健

IPC分类号： G08G1/01 ,  G06N3/02

摘要： 本发明涉及深度学习在智慧交通技术领域，具体为一种结合时空特性的面向路网的交通流量短时预测方法。本发明采用深度神经网络模型来解决路网的短时交通流预测问题，相比传统的交通流预测提升了准确度；同时，应对数据规模日益增大的情况，模型可以更有效的利用数据，提升了模型的稳定性。同时，本发明为一种综合的、新颖的、更准确的交通流量预测方法，使得交通流量预测更加简单有效，对海量数据有着很好的支持；利用神经网络的优势，而不需要再通过建立数学函数模型来进行预测，节省了模型设计的时间；本发明以数据为基础，在交通流量预测相关问题上进行了深入的研究，有着很大的实用价值。

公开(公告)号：CN110363134B

公开(公告)日：2021-06-08

申请号：CN201910621290.4

申请日：2019-07-10

申请人： 电子科技大学

发明人： 段贵多 ,  张栗粽 ,  陈爱国 ,  田玲 ,  赵碧莹

IPC分类号： G06K9/00 ,  G06K9/34 ,  G06K9/62

摘要： 本发明公开了一种基于语义分割的人脸遮挡区定位方法，涉及人脸遮挡定位方法领域；其包括步骤1：采集和扩充数据集，并对数据集进行预处理和标注；步骤2：构建包括多尺度空洞卷积模块的子网络模型；步骤3：构建端对端像素级分类的主网络模型；步骤4：训练包括步骤2所述子网络模型和步骤3所述主网络模型的语义分割模型，获取网络模型参数；步骤5：测试图像输入已训练的语义分割模型定位出遮挡的连续区域。本发明通过不同比率的空洞卷积结果融合解决下采样中空洞卷积的棋盘式丢失问题，使得网络适应不同大小的分割对象，人脸遮挡区定位采用语义分割网络使得定位遮挡区域更加细致，能够保留人脸图像中有效像素，定位出遮挡的连续区域。

公开(公告)号：CN112214685A

公开(公告)日：2021-01-12

申请号：CN202011031287.6

申请日：2020-09-27

申请人： 电子科技大学

发明人： 张栗粽 ,  罗光春 ,  惠孛 ,  陈爱国 ,  文枭 ,  周雪

IPC分类号： G06F16/9536 ,  G06F16/9535 ,  G06F16/36

摘要： 本发明公开一种基于知识图谱的个性化推荐方法，属于推荐技术领域。本发明为了解决协同过滤等传统推荐方式中存在的数据稀疏性和冷启动技术问题，其采用的方案为：构建知识图谱，利用知识图谱的实体之间的语义关联信息，挖掘知识网络中用户的喜好；实体链接，通过将用户点击实体映射到知识图谱，找到对应的实体，完成知识图谱与推荐系统的链接；基于知识图谱的语义关系信息以及用户历史喜好，利用图注意力模型将两种信息进行合并，从而产生推荐依据。本发明通过挖掘用户历史喜好利用丰富的知识关联信息，深度挖掘用户的喜好，极大地提高了推荐处理的尽精确度。同时，利用知识图谱隐含的丰富语义信息为推荐带来多样性，提升推荐的可解释性。

公开(公告)号：CN107528914B

公开(公告)日：2020-05-12

申请号：CN201710817536.6

申请日：2017-09-12

申请人： 电子科技大学

发明人： 罗光春 ,  殷光强 ,  田玲 ,  陈爱国

IPC分类号： H04L29/08

摘要： 本发明涉及数据分片的资源征用调度方法，包括：A.确定数据可切分的最大可能数据分片数；B.生成预调度资源集合；C.确定各个数据分片分配到预调度资源节点上的调度时间；D.计算任务最终完成时间；E.得到完成时间和数据分片比例系数；F.获取数值最大的比例系数，得到数据分片的实际分片大小；G.根据剩余数据量或剩余可切分片数进行迭代并完成数据分片；H.根据预切分系数和实际和切分粒度，得到最终的数据分片大小及相应的资源调度策略。本发明能够在资源征用调度中充分利用可用资源节点的性能，采用合理的数据分片策略，为各个数据分片征用合理的资源节点进行数据处理，使得任务总体完成时间最短，有效的提高了任务的执行效率。