公开(公告)号：CN118570834A

公开(公告)日：2024-08-30

申请号：CN202410338146.0

申请日：2024-03-25

Applicant: 喀什地区电子信息产业技术研究院

Inventor： 董志华 ,  王治国 ,  王志铭 ,  殷康宁 ,  丁震 ,  季鑫慧

IPC: G06V40/10 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/082

Abstract: 本发明属于行人检测技术领域，公开了一种有限通信预算下的边缘设备行人检测模型构建方法，各边缘设备利用本地的行人目标检测数据集，对行人目标检测模型进行稀疏训练后剪枝得到轻量化行人目标检测模型，并发送给中心服务器；中心服务器将来自各边缘设备的轻量化行人目标检测模型进行聚合，然后反馈给各边缘设备，各边缘设备进行更新。本发明对YOLOv3主干网络进行改进，降低模型整体参数量，同时引入稀疏训练与剪枝，最终实现目标检测模型在轻量化的同时保持行人检测的准确率。

公开(公告)号：CN116861185A

公开(公告)日：2023-10-10

申请号：CN202310823327.8

申请日：2023-07-01

Applicant: 喀什地区电子信息产业技术研究院

Inventor： 季鑫慧 ,  王治国 ,  陈东升 ,  丁震 ,  殷康宁

IPC: G06F18/20 ,  G06F18/213 ,  G06N3/044 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于DCNN‑AM‑LSTM‑AE的居民短期电力负荷预测系统及方法，其包括特征提取模块，用于对居民用电量数据进行空洞卷积处理，提取相应特征；自动编码器中的编码器，用于基于注意力机制，对提取的相应特征进行重构，然后对重构特征进行编码；自动编码器中的解码器，用于对编码得到的特征进行解码；然后基于注意力机制，对解码得到的特征进行重构，重构特征经全连接处理得到居民短期电力负荷预测序列。本发明通过空洞卷积(DCNN)来提取初始特征；在时空特征提取上采用自动编码器(AE)结构，编码器结合注意力机制(AM)与LSTM；同时解码器则采用了LSTM、AM、MLP三种网络结构；能够更高效的利用数据，捕捉低负荷数据，从而极大的提高预测的准确度。

公开(公告)号：CN117829267A

公开(公告)日：2024-04-05

申请号：CN202311631565.5

申请日：2023-11-27

Applicant: 喀什地区电子信息产业技术研究院

Inventor： 殷康宁 ,  王治国 ,  王艳 ,  季鑫慧 ,  陈东升 ,  丁震 ,  朱瑞

IPC: G06N3/098 ,  G06N3/0464 ,  G06N3/0455 ,  G06F18/2415 ,  G06V10/82 ,  G06F18/232

Abstract: 本发明属于联邦学习技术领域，公开了一种基于CLIP的非独立同分布数据联邦学习方法，适用于服务端和若干与服务端通信连接的客户端之间的模型训练；每个客户端设置有CLIP模型；首先，服务端确定自定义模型和训练任务，将自定义模型和训练参数发送给与之通信连接的全部客户端；每个客户端利用本地训练数据集对自定义模型进行训练，并将训练好的自定义模型上传至服务端；服务端依据来自各客户端的自定义模型进行分类聚合，为每一组生成个性化自定义模型，并分发给相应客户端。本发明针对客户端上传的自定义模型参数进行分组，然后聚合，使得在面对非独立同分布数据时，聚合的模型准确率高。

公开(公告)号：CN117313833A

公开(公告)日：2023-12-29

申请号：CN202311124294.4

申请日：2023-08-31

Applicant: 喀什地区电子信息产业技术研究院

Inventor： 丁震 ,  王治国 ,  殷光强 ,  殷康宁 ,  董志华 ,  陈东升 ,  季鑫慧

IPC: G06N3/098 ,  G06N3/0985

Abstract: 本发明属于联邦学习技术领域，公开了一种基于预约分级的联邦学习方法，服务器将全局模型参数和预约规则发送给出当前轮次的可预约客户端；可预约客户端进行本地模型训练，并生成预约请求上传至服务器；服务器依据预约请求，确定当前轮次的预约结果，并发送给出当前轮次被选择的客户端；被选择的客户端依据预约结果，继续完成本地训练，并将训练好的局部模型参数上传至服务器；服务器按照预约结果中的上传时间段，分级别开启与之通信的客户端的上传通道，并将各客户端的局部模型参数进行聚合以更新全局模型参数。本发明综合考虑联邦学习在实际部署中服务器可能出现的通信资源的变化情况，灵活调整联邦学习通信机制，提高联邦学习的可用性和可靠性。

公开(公告)号：CN117409232A

公开(公告)日：2024-01-16

申请号：CN202311127529.5

申请日：2023-08-31

Applicant: 喀什地区电子信息产业技术研究院

Inventor： 陈东升 ,  王治国 ,  王春雨 ,  丁震 ,  季鑫慧 ,  殷康宁

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/30 ,  G06V10/77

Abstract: 本发明公开了一种基于改进注意力机制的医学图像分类方法，包括获取用于分类的医学图像数据集，并对医学图像数据集进行预处理；构建基于改进注意力机制的医学图像分类网络模型，利用预处理后的医学图像数据集进行模型训练；利用训练后的基于改进注意力机制的医学图像分类网络模型对待分类医学图像进行分类，得到待分类医学图像的分类结果。本发明通过构建基于改进注意力机制的医学图像分类网络模型，能够降低模型的参数数量和计算复杂度，提高模型的计算效率和泛化能力，并且进一步提高网络的性能，使得医学图像的分类准确率与精确度得到了提高，在保持模型性能和泛化能力的前提下，还能提高模型的计算效率。