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：CN118015331A

公开(公告)日：2024-05-10

申请号：CN202311871274.3

申请日：2023-12-30

Applicant: 喀什地区电子信息产业技术研究院

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

IPC: G06V10/764 ,  G06V10/778 ,  G06F21/62 ,  G06N20/00 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/098

Abstract: 本发明公开了一种基于隐私保护的医学图像分类方法，包括获取待分类的医学图像；在客户端和服务端分别构建用于医学图像分类的本地模型和全局模型，在客户端通过输出扰动向上传的本地模型参数引入差分隐私噪声获取引入差分隐私噪声的本地模型梯度信息，并在服务端将不同客户端的本地模型梯度信息进行聚合，以对全局模型参数进行更新，实现基于差分隐私的联邦学习训练；利用客户端训练后的本地模型对待分类的医学图像进行医学图像分类。本发明在客户端对上传的模型以输出扰动的形式进行差分隐私噪声添加，有效保护数据隐私以及抵御推理攻击。

公开(公告)号：CN118396082A

公开(公告)日：2024-07-26

申请号：CN202410619408.0

申请日：2024-05-19

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 ,  陈东升 ,  季鑫慧 ,  朱瑞

IPC: G06N3/098 ,  G06N3/088 ,  G06N3/0455

Abstract: 本发明属于机器学习技术领域，公开了一种基于对比学习和条件计算的个性化联邦学习方法，中央服务器包括全局模型；客户端包括全局模型、对比模型和客户端本地模型；引入对比学习和条件计算，使用对比学习拉大本地模型与对比模型的差异；使用条件计算对全局模型和个性化本地模型特征提取部分进行选择，选取合适的参数进行聚合，使得个性化本地模型的准确率大大提高，并减少通信轮次。

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。