-
公开(公告)号:CN116127371A
公开(公告)日:2023-05-16
申请号:CN202211554437.0
申请日:2022-12-06
Applicant: 东北林业大学
IPC: G06F18/241 , G06F18/214 , G06N3/08 , G06N3/0464
Abstract: 融合先验分布与同态混沌加密的多用户模型联合迭代方法,本发明涉及深度学习模型联合迭代技术中,用户本地数据分布差异较大以及隐私保护的问题。训练深度学习模型应用于各行各业中的不同任务处理已愈发广泛。然而模型训练依赖于足够数量与质量的数据集。然而数据经常难以采集以及隐私保护愈发重要,导致模型泛化性与准确性难以达到要求,本发明提出一种多用户模型联合迭代方法,其主要思想是利用先验分布弥合多用户本地数据分布差异,并混合两种加密技术保护数据隐私,从而实现模型联合迭代。该方法能有效降低模型训练难度,提升模型的泛化性能以及准确度。本发明应用于深度学习模型训练中的多用户模型联合迭代。
-
公开(公告)号:CN116046394A
公开(公告)日:2023-05-02
申请号:CN202310021544.5
申请日:2023-01-06
Applicant: 东北林业大学
IPC: G01M13/045
Abstract: 基于相似性图推理的滚动轴承未知故障诊断方法,本发明涉及滚动轴承故障检测中,训练数据集中不包含的未知类故障检测的问题。动轴承是旋转机械中的重要部件,但是滚动轴承的寿命方差较大,因此其滚动轴承故障检测有着重要的地位,然而训练故障诊断网络时故障数据获取困难,导致模型无法识别数据集中没有的故障,在工业生产中对于未知类型故障容易发生漏检。为改善这一问题,本发明提出了一种基于相似性图推理的滚动轴承未知故障诊断方法。实验表明,该方法能有效地识别未知类型故障,减少数据集故障类型较少导致的漏检,降低数据集故障类型数量的影响。本发明应用于未知类型故障的检测诊断。
-
公开(公告)号:CN116029367A
公开(公告)日:2023-04-28
申请号:CN202211673158.6
申请日:2022-12-26
Applicant: 东北林业大学
Abstract: 一种基于个性化联邦学习的故障诊断模型优化方法,本发明涉及航空发动机振动信号故障诊断技术中,数据不充分导致的数据孤岛问题以及传统联邦学习缺乏个性化解决方案的问题。联邦学习通过服务器聚合各客户端训练的本地模型,平均后再下发至各客户端,在航空航天领域故障诊断方面有广阔的发展前景。然而联邦学习在高度异构的数据上收敛效果差,且下发至各客户端的全局模型缺乏个性化,导致振动故障诊断的效果不理想。为改善这一问题,本发明提出了一种基于知识蒸馏的个性化联邦学习方法。实验表明,该方法能够有效的解决各客户端数据异构导致模型收敛性差的问题,为各客户端训练独特的个性化模型。本发明应用于客户端数据异构情况下的故障诊断。
-
公开(公告)号:CN115984193A
公开(公告)日:2023-04-18
申请号:CN202211614599.9
申请日:2022-12-15
Applicant: 东北林业大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06V10/26 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06V10/25
Abstract: 融合组织病理图像和CT影像的PDL1表达水平检测方法,本发明涉及PDL1表达水平检测中,对单一特征进行预测效果不佳的问题。PDL1表达水平对患者治疗方法的选取有着至关重要的作用。然而免疫组织化学(IHC)检测不仅耗时,而且不能反映动态PD‑L1表达,同时手工提取放射特征也存在着一些问题:对ROI进行分割时,往往存在视觉差异不明显现象,其不仅耗时而且对不同勾画者的可变性极其敏感。为了解决以上问题,本发明提出了一种融合组织病理图像和CT影像的PDL1表达水平检测方法,该方法能有效地本发明应用于PDL1表达水平检测。
-
-
-