一种视频传输方法、装置及系统

    公开(公告)号:CN104918077A

    公开(公告)日:2015-09-16

    申请号:CN201510295398.0

    申请日:2015-06-02

    Abstract: 本发明实施例公开了一种视频传输方法、装置及系统。一种视频传输方法,应用于服务器,视频分割为多个视频片段,针对每个视频片段,包括:接收合作组中每个智能终端发送的视频请求;根据视频请求中携带的信息,计算视频片段的编码码率;根据编码码率对视频片段进行可分级视频编码,生成基本层和增强层;向合作组中各智能终端发送基本层,向网络带宽最大的智能终端发送增强层,通知该智能终端将增强层发送给合作组中的其他智能终端。本发明将地理位置相近的智能终端归为一个合作组,合作组中的各智能终端从服务器下载同一视频片段的不同编码层并在本合作组内分享,保证在网络带宽资源有限的情况下,不同智能终端的视频播放进度和视频画面质量相同。

    一种联邦学习的分组算法及系统
    22.
    发明公开

    公开(公告)号:CN116702882A

    公开(公告)日:2023-09-05

    申请号:CN202310680763.4

    申请日:2023-06-09

    Abstract: 本发明提供一种联邦学习的分组算法及系统,涉及联邦学习技术领域。该联邦学习的分组算法,包括:对每个用户的网络进行梯度过滤得到每个用户的重要梯度索引矩阵,计算每一对用户重要梯度索引矩阵之间的欧式距离,所述重要梯度为在训练神经网络时,对神经元起促进或抑制作用大的梯度,即为在神经网络梯度矩阵中绝对值大的梯度;将每一对用户重要梯度索引矩阵之间的欧式距离进行归一化处理,通过归一化的欧式距离构建用户间的相似度矩阵;根据用户间的相似度矩阵中的值,将与其他用户的欧式距离均偏离大的用户判定为恶意客户端,并终止联邦学习进程;排除掉恶意客户端后,对于其余用户依次将其中欧式距离最小的用户对进行分组,并更新用户间的相似度矩阵对应的值,直至全部用户完成分组。

    一种端边云联邦学习模型训练系统及方法

    公开(公告)号:CN113591999A

    公开(公告)日:2021-11-02

    申请号:CN202110887349.1

    申请日:2021-08-03

    Abstract: 本申请实施例提供了一种端边云联邦学习模型训练系统及方法,应用于模型训练的技术领域,可以根据获取样本数据的成本、预设的不同准确率对应的联邦学习成本和预设的不同模型准确率对应的模型损失,计算待训练的联邦学习模型的总训练成本最低时的模型准确率,得到目标准确率,并根据样本数据对待训练的联邦学习模型进行训练,得到满足目标准确率的联邦学习模型,从而不但可以保证联邦学习模型的准确率,还可以降低联邦学习模型的训练成本。

    一种协作隐私保护的节点确定方法及装置

    公开(公告)号:CN109218974A

    公开(公告)日:2019-01-15

    申请号:CN201811087956.4

    申请日:2018-09-18

    Abstract: 本发明实施例提供了一种协作隐私保护的节点确定方法及装置。所述方法应用于每一第一节点,包括:向网络发送信息查询请求;标识出作出回应的LBS服务器和第二节点,作为该第一节点的候选策略节点;随机选取一个候选策略节点,标记为该第一节点的当前策略节点,在所有第一节点都有当前策略节点时,计算该当前策略节点的效用值;计算除当前策略节点外所有候选策略节点的效用值,将最大效用值对应的候选策略节点,标记为该第一节点的第一候选策略节点;将当前策略节点与第一候选策略节点中最大效用值对应的策略节点更新为当前策略节点;在所有第一节点的当前策略节点不再变化时,将每一第一节点的当前策略节点,确定为该第一节点的目标策略节点。

Patent Agency Ranking