-
公开(公告)号：CN116706888A
公开(公告)日：2023-09-05
申请号：CN202310661574.2
申请日：2023-06-05
Applicant: 南京信息工程大学
IPC: H02J3/00 , H02J13/00 , G06Q10/04 , G06Q50/06 , G06F18/214 , G06N3/0442 , G06N3/098 , G06N3/0985
Abstract: 本申请涉及一种基于联邦学习的智能电网负荷预测方法。该方法包括：将电力数据集进行分类，分成训练集、测试集和验证集，各客户端采用训练集构建自身的基于LSTM网络的电网负荷预测模型，获得初步网络参数上传至服务器端进行联合训练，服务器端根据初步网络参数，基于MMD的模型迁移方法对基于LSTM网络的电网负荷预测全局模型进行联合训练，再使用测试集和验证集进行测试验证，获得最终网络参数，并将最终网络参数返回给各客户端更新为最终网络参数，获得各客户端的基于LSTM网络的电网负荷预测全局模型进行电力负荷预测，以确定平均绝对误差，由此，处理的数据量会大大减少，可以解决数据上传的延迟且数据量较大的问题，提高了电力的负荷预测的处理效率。
-
公开(公告)号：CN112926126B
公开(公告)日：2023-04-25
申请号：CN202110345776.7
申请日：2021-03-31
Applicant: 南京信息工程大学
IPC: G06F30/13 , G06F30/27 , G06F18/23213 , G06F18/20 , G06F18/214 , G06F111/08
Abstract: 本发明公开了一种基于马尔可夫随机场的联邦学习方法，利用联邦学习将用户在不同设备的存储的声纹特征、智能设备拍摄异常照片等特定情形，设置一键紧急呼救等报警信息，共同建立本地模型传输到云端，在确保用户隐私不泄露的前提下，将各个设备参数加入到马尔科夫随机场概率图模型G(V，E)，最后上传到云端建立出一个泛化性能高的全局模型。本发明在马尔可夫随机场的加入下，使得联邦建模的参数得到进一步优化，并举例将联合建模的模型应用到家用智能家居上。
-
公开(公告)号：CN113810683A
公开(公告)日：2021-12-17
申请号：CN202111000302.5
申请日：2021-08-27
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种客观评估水下视频质量的无参考评价方法，属于视频分析技术领域。该方法包括如下步骤：第一步，将水下视频分解成帧，使用一组图像质量评价指标获得视频帧的退化特征，包括UCIQE、边缘图像块对比度指数和NIQE；第二步，使用预训练的ResNet50深度神经网络结合特征注意力机制提取视频帧的语义特征向量，降维后得到视频帧的语义质量分数；第三步，将各指标分数进行归一化处理，与语义质量分数融合，得到每一帧最终的质量特征；第四步，使用门循环单元网络捕获视频帧之间的时序信息并进行特征融合，得到最终的视频质量分数。本发明解决了通用视频质量评价指标不能准确评估水下视频质量这一问题。
-
公开(公告)号：CN113688765B
公开(公告)日：2023-06-27
申请号：CN202111011985.4
申请日：2021-08-31
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于注意力机制的自适应图卷积网络的动作识别方法，涉及动作识别技术领域。该动作识别方法将注意力机制加入自适应图卷积网络中，引入时间注意力模块来克服卷积算子的局部性，使每个单个关节被认为是独立的，并且通过比较同一身体关节沿着时间维度的嵌入变化来计算帧之间的相关性，来提高对时间信息提取；另外引入通道注意力模块，使网络更加关注重要的通道特征，进一步提高了网络的性能，使分类预测结果更加准确。
-
公开(公告)号：CN113688765A
公开(公告)日：2021-11-23
申请号：CN202111011985.4
申请日：2021-08-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于注意力机制的自适应图卷积网络的动作识别方法，涉及动作识别技术领域。该动作识别方法将注意力机制加入自适应图卷积网络中，引入时间注意力模块来克服卷积算子的局部性，使每个单个关节被认为是独立的，并且通过比较同一身体关节沿着时间维度的嵌入变化来计算帧之间的相关性，来提高对时间信息提取；另外引入通道注意力模块，使网络更加关注重要的通道特征，进一步提高了网络的性能，使分类预测结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN112926126A
公开(公告)日：2021-06-08
申请号：CN202110345776.7
申请日：2021-03-31
Applicant: 南京信息工程大学
IPC: G06F30/13 , G06F30/27 , G06K9/62 , G06F111/08
Abstract: 本发明公开了一种基于马尔可夫随机场的联邦学习方法，利用联邦学习将用户在不同设备的存储的声纹特征、智能设备拍摄异常照片等特定情形，设置一键紧急呼救等报警信息，共同建立本地模型传输到云端，在确保用户隐私不泄露的前提下，将各个设备参数加入到马尔科夫随机场概率图模型G(V，E)，最后上传到云端建立出一个泛化性能高的全局模型。本发明在马尔可夫随机场的加入下，使得联邦建模的参数得到进一步优化，并举例将联合建模的模型应用到家用智能家居上。
-
公开(公告)号：CN113378243B
公开(公告)日：2023-09-29
申请号：CN202110792988.X
申请日：2021-07-14
Applicant: 南京信息工程大学
IPC: G06F21/64 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多头注意力机制的个性化联邦学习方法，其特征在于包含以下步骤：步骤一：搭建联邦学习局部模型多头注意力机制模型：将多头注意力机制用于最经典的卷积神经网络中，通过多头注意力机制，保留关键信息，更好地进行特征提取和选择，提高识别的准确性；步骤二：搭建联邦学习全局模型多头注意力机制模型：考虑到各个局部模型的个性化问题对全局模型的影响，在将全局模型参数发送给局部模型时，根据模型的个性化特性做出相应变化。本发明可以考虑到提取特征的相关性，以及考虑到各个客户端合理的个性化带来的数据差异性的方法，能够在保证准确率提高的基础上，增加数据的个性化程度。
-
公开(公告)号：CN113810683B
公开(公告)日：2023-07-18
申请号：CN202111000302.5
申请日：2021-08-27
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种客观评估水下视频质量的无参考评价方法，属于视频分析技术领域。该方法包括如下步骤：第一步，将水下视频分解成帧，使用一组图像质量评价指标获得视频帧的退化特征，包括UCIQE、边缘图像块对比度指数和NIQE；第二步，使用预训练的ResNet50深度神经网络结合特征注意力机制提取视频帧的语义特征向量，降维后得到视频帧的语义质量分数；第三步，将各指标分数进行归一化处理，与语义质量分数融合，得到每一帧最终的质量特征；第四步，使用门循环单元网络捕获视频帧之间的时序信息并进行特征融合，得到最终的视频质量分数。本发明解决了通用视频质量评价指标不能准确评估水下视频质量这一问题。
-
公开(公告)号：CN113378243A
公开(公告)日：2021-09-10
申请号：CN202110792988.X
申请日：2021-07-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多头注意力机制的个性化联邦学习方法，其特征在于包含以下步骤：步骤一：搭建联邦学习局部模型多头注意力机制模型：将多头注意力机制用于最经典的卷积神经网络中，通过多头注意力机制，保留关键信息，更好地进行特征提取和选择，提高识别的准确性；步骤二：搭建联邦学习全局模型多头注意力机制模型：考虑到各个局部模型的个性化问题对全局模型的影响，在将全局模型参数发送给局部模型时，根据模型的个性化特性做出相应变化。本发明可以考虑到提取特征的相关性，以及考虑到各个客户端合理的个性化带来的数据差异性的方法，能够在保证准确率提高的基础上，增加数据的个性化程度。
-
公开(公告)号：CN113362160B
公开(公告)日：2023-08-22
申请号：CN202110635863.6
申请日：2021-06-08
Applicant: 南京信息工程大学
IPC: G06Q40/03 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种用于信用卡反欺诈的联邦学习方法和装置，该方法包括：搭建具有不同欺诈类别的K个联邦学习参与方对应的局部图卷积神经网络模型；使用局部图卷积神经网络模型进行联邦学习训练；其中，采用注意力机制对联邦学习参数的聚合过程进行改进，使得每个局部图卷积神经网络模型均有与之适配的权重来进行聚合；输出全局图卷积神经网络模型，所述全局图卷积神经网络模型用于对导入的用户数据进行处理，识别其对应的欺诈类别。本发明针对现有信用卡欺诈评估方法和经典联邦学习算法的现有问题，提出了一种适应非欧式空间数据和参与方个性化特点的联邦学习算法来处理金融数据，进行信用卡反欺诈判断。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.035 seconds)
