一种面向边缘智能的高效层次化参数传输时延优化方法

    公开(公告)号:CN114462573A

    公开(公告)日:2022-05-10

    申请号:CN202210068559.2

    申请日:2022-01-20

    Abstract: 一种面向边缘智能的高效层次化参数传输时延优化方法,中央服务器将数据处理模型训练参数发送至多个边缘服务器;每个客户端设备利用训练参数训练其数据处理模型,初始训练时,从其对应的边缘服务器下载训练参数;非初始训练时,根据超时机制选择利用其之前的训练参数或从其对应的边缘服务器下载训练参数;各客户端设备将更新后的参数发送到对应边缘服务器;边缘服务器对客户端设备更新的参数进行局部聚合,再发送到中央服务器,中央服务器对收集到的参数进行全局聚合,获得全局的参数发送回边缘服务器,边缘设备再下载这些参数进行本地更新。本发明客户端设备向边缘服务器发送参数时,超时机制将会更早实现参数汇聚,提高了训练的效率。

    一种面向边缘计算的数据免解码传输方法

    公开(公告)号:CN113315757B

    公开(公告)日:2022-04-08

    申请号:CN202110503683.2

    申请日:2021-05-10

    Abstract: 一种面向边缘计算的压缩数据免解码传输方法,在初始节点处,收集边缘固网或移动网络上不同时隙的数据,分别存储在不同数组,在每个数组中,对数据构造近邻赋权图,将具有相邻关系的一对数据记为数据对,并记录数据对对应的特征属性之间的相邻关系,构造全局度量特征矩阵,求解得到近邻赋权图中所有数据对的最短路径,捕捉特征映射嵌入,将数据特征从高维空间映射到低维空间,获取所有时隙的特征映射结果,将结果组合作为下一时隙边缘网络节点的特征映射压缩表示结果,并组合传输至边缘网络节点,本发明无需进行数据解码,可在准确地分析和处理数据的前提下,大大提升计算效率并节省计算资源,提高云计算中海量数据的传输性能。

    一种面向边缘智能的多边缘节点增量计算卸载方法

    公开(公告)号:CN112532461B

    公开(公告)日:2022-04-01

    申请号:CN202011494891.2

    申请日:2020-12-17

    Abstract: 一种面向边缘智能的多边缘节点增量计算卸载方法,在计划阶段,中心服务器和多边缘节点进行信息感知,根据信息确定参与协同计算的边缘节点,构建多边缘节点DNN协同执行图,确定需要初始优先上传给其它节点的DNN层,并记录对应的目标节点,然后以延时改善为基准排序各DNN层,确定后续上传顺序;在执行阶段,根据计划阶段生成的执行图尝试上传并运行DNN模型,若某节点基于失效锁的协作冲突检测机制检测到异常,则由失效锁强制结束该节点当前DNN层上传请求,若未检测到冲突则继续上传直到获得DNN模型执行结果。本发明通过协同多个目标进行DNN计算有效规避了单一边缘服务器易受网络波动的影响,实现了比只基于边缘服务器的方式更高的执行效率。

    一种基于孤立森林与WGAN网络的风电输出功率预测方法

    公开(公告)号:CN113298297B

    公开(公告)日:2022-03-25

    申请号:CN202110503783.5

    申请日:2021-05-10

    Abstract: 本发明一种基于孤立森林与WGAN网络的风电输出功率预测方法,包括基于孤立森林的风电原始数据异常值检测方法,用于自适应检测并剔除海量风电数据中的异常值;以及基于对抗生成网络的缺失值填补方法,用于探索风电数据的变化规律,从而填补风电数据的缺失值和上一步骤中剔除的异常值;以及面向海量风电数据的归一化方法,用于统一风电数据中不同特征的量纲;以及基于门控循环单元网络的风电功率预测方法,用于高精度超短期风电输出功率预测。本发明可高精度还原风电原始数据的缺失值和剔除的异常值,分析风电数据在时间序列上的变化情况,更好地对异常检测后的风电数据进行插值,得到完整的数据集,准确预测超短期风电输出功率。

    面向非平衡数据基于半监督分布式训练的任务识别方法

    公开(公告)号:CN114154578A

    公开(公告)日:2022-03-08

    申请号:CN202111473280.4

    申请日:2021-12-02

    Abstract: 一种面向非平衡数据基于半监督分布式训练的任务识别方法,首先,边缘设备收集大量的数据,通过自适应数据采样的方式统计数据的类别,按照类别数量从大到小生成一个降序数据集。然后,通过一个多层结构的分布式训练框架得到一个优化模型。其中,边缘节点既可以作为聚合参数的服务器,也可以作为模型训练的训练节点。最后,通过类再平衡自训练对数据集进行调整,生成一个伪标签集并统计标签集的类分布情况,遵守类再平衡规则生成一个伪标签子集,补充到标签集中生成新的数据集,完成一次自训练迭代。本发明充分利用了分布式训练与半监督学习优势,降低了非平衡数据带来的影响,提高了神经网络训练效果。

    一种基于监察数据关联分析的低保资金监督方法与系统

    公开(公告)号:CN111460052B

    公开(公告)日:2021-10-01

    申请号:CN202010275707.9

    申请日:2020-04-09

    Abstract: 一种基于监察数据关联分析的低保资金监督方法,包括:步骤1,获取低保户信息数据和低保资金发放数据并做数据持久化处理,统计每个低保户在一段时间领取每种补贴的总金额与总次数;步骤2,通过关联表间的数据碰撞与决策分析,得到一部分受益人不在低保户信息数据表中却领取低保资金的问题数据,并且提取其中真实低保户领取低保资金的数据;步骤3,在真实低保户领取低保资金的数据中,计算每个低保户在一年内的领取总金额与领取总次数,分别计算领取总金额与领取总次数的数据聚类中心,得到脱离聚类中心的问题数据,即年度领取金额异常数据或者年度领取次数异常数据。本发明实现了高效的监察数据关联分析的最低生活保障资金监督。

    一种基于动态滑动窗口特征评分的谣言深度检测方法

    公开(公告)号:CN109918648B

    公开(公告)日:2020-04-21

    申请号:CN201910095308.1

    申请日:2019-01-31

    Abstract: 本发明提供一种基于动态滑动窗口特征评分的谣言深度检测方法,该方法包括一种基于滑动窗口的特征提取机制,对输入语句的相邻词进行迭代,获取输入语句的显著全局和局部特征,准确地表示文本语义结构;该方法包括特征评分机制,根据输入语句矩阵各列的综合得分,删除与谣言检测几乎没有影响的特征相关的词列,保留关键特征相关的词列;该方法包括基于卷积神经网络的深度谣言检测模型,将动态滑动窗口评分机制得到的文本语义特征作为输入层的输入数据,经卷积计算,提取最大特征值,进行分类,最终提高了谣言检测的准确性。

    一种基于物联网的分布式环境安全学习及预警方法

    公开(公告)号:CN109842682B

    公开(公告)日:2020-04-10

    申请号:CN201910100691.5

    申请日:2019-01-31

    Abstract: 一种基于物联网的分布式环境安全学习及预警方法,首先部署温度传感器、湿度传感器、光照传感器、危险气体浓度传感器、体温传感器、心率传感器、血压传感器,采集环境中的温度、湿度、光照强度以及危险气体浓度数据,同时测量人体的体温、心率、血压生理指标,使用对采集到的数据进行关联分析,进而发现数据间的概率关联关系,从而训练出可以预警的分布式环境安全模型。具体来说,使用基于自适应随机图的安全评估方法分析数据概率关联关系,得到分布式环境安全预警模型。本发明根据分布式环境的数据采集结果,自适应训练和调整模型,实现了对环境安全参数的实时检测,并预警潜在的安全问题,保障人员安全。

Patent Agency Ranking