-
公开(公告)号：CN119227804A
公开(公告)日：2024-12-31
申请号：CN202411330680.3
申请日：2024-09-24
Applicant: 上海交通大学
Abstract: 本公开提供一种基于互信息正则化的联邦学习后验推断方法及系统，其中，方法，应用于客户端，包括：接收经过初始化的全局模型或者更新的全局模型；根据经过初始化的全局模型或者更新的全局模型，对本地模型进行初始化，确定经过初始化的本地模型以及本地模型的先验概率分布；采用本地数据对经过初始化的本地模型进行模型训练，确定本地模型的损失函数；根据本地模型的损失函数，基于反向传播对本地模型进行第一更新处理；根据从预设的正态分布中采样的高斯噪声对本地模型进行第二更新处理；确定本地模型改变量；将本地模型改变量发送至服务器端。通过本公开，引入全局模型与数据的互信息正则化，缓解后验估计中的偏差，提高全局模型的泛化能力。
-
公开(公告)号：CN110248212A
公开(公告)日：2019-09-17
申请号：CN201910445463.1
申请日：2019-05-27
Applicant: 上海交通大学
IPC: H04N21/238 , H04N21/258 , H04N21/262 , H04N21/442 , H04N21/81 , H04N21/845
Abstract: 本发明提供了一种多用户360度视频流服务器端码率自适应传输方法，在用户端处，将各用户端的网络条件和用户观看信息实时反馈给服务器，并从服务器上下载分配给当前用户的视频流版本；在服务器端处，根据用户端上传的用户观看信息实时预测用户的观看视点变化，同时进行视频帧空间切片可视概率计算，通过用户的实时观看视点计算出每一个空间切片被该用户观看的概率；随后，结合用户的网络条件和空间切片被用户观看的概率，为每一个用户分配合适的视频流码率版本。同时提供了一种多用户360度视频流服务器端码率自适应传输系统。本发明提高了360度视频流传输的带宽利用率，为用户提供更好的视频服务质量。
-
公开(公告)号：CN119761530A
公开(公告)日：2025-04-04
申请号：CN202411789972.3
申请日：2024-12-06
Applicant: 上海交通大学
Abstract: 本公开提供一种采用全局方差缩减策略的联邦学习方法、装置及系统，其中，方法，应用于客户端，包括：接收服务器端发送的全局模型；根据全局模型对本地模型初始化；将本地训练数据输入经过初始化的本地模型，进行模型训练，确定经过模型训练的本地模型和本地模型的损失函数；根据本地模型的损失函数，基于反向传播对经过模型训练的本地模型进行更新处理；在更新处理的次数达到预设阈值时，确定本通信轮次的本地模型改变量；根据本通信轮次的本地模型改变量，确定本地模型改变量的差异量。通过本公开，在客户端计算本地模型改变量的差异量，保护客户端的数据隐私，减少客户端导致的模型方差，提高全局模型的收敛速率和泛化表现。
-
公开(公告)号：CN117692644A
公开(公告)日：2024-03-12
申请号：CN202211030945.9
申请日：2022-08-26
Applicant: 上海交通大学
IPC: H04N19/146 , H04N19/154 , H04N19/192 , H04N21/2343 , H04N21/238 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于上下文强化学习的码率自适应方法及控制器构建方法，包括：构建以网络吞吐上下文信息为输入、当前网络动态隐变量表示为输出的网络动态编码器；构建以用户端信息和所述当前网络动态隐变量表示为输入、当前视频切片的最优码率版本为输出的码率自适应元策略网络；对所述网络动态编码器和码率自适应元策略网络组成的全局模型通过行为克隆方法进行预训练、利用基于互信息正则化的近端策略优化方法进行再训练；获得最优神经网络参数，基于异构的用户端，对神经网络参数微调，获得码率自适应控制器。本发明能够快速自适应异构用户的本地网络带宽环境，从而最大化用户的整体观看体验质量，提高了网络视频流传输的带宽利用率和鲁棒性。
-
公开(公告)号：CN119324887A
公开(公告)日：2025-01-17
申请号：CN202411419583.1
申请日：2024-10-12
Applicant: 上海交通大学
Abstract: 本发明提供一种通信网络拓扑规划问题生成式求解方法和系统，包括：将网络规划问题实例参数建模为网络规划图信号X；并建立网络拓扑解#imgabs0#与图邻接矩阵之间的转换关系；将获得的网络规划信号X输入到基于图扩散生成模型的通信网络规划问题求解器，结合所述转换关系，获得网络规划问题的最优解C★。本发明是一种新型的生成式采样求解方案，能以低计算复杂度一次获取多个高质量网络拓扑可行解，有效提升网络规划问题求解效率。
-
Patent Agency Ranking
公开(公告)号：CN117301068A
公开(公告)日：2023-12-29
申请号：CN202311501158.2
申请日：2023-11-10
Applicant: 上海交通大学
IPC: B25J9/16
Abstract: 本发明提供了一种适用于机器人自适应不同任务的双重鲁棒增强的控制方法，其基于元强化学习在具有不同目标和潜在动力学的机器人控制任务上采样机器人控制过程中的信号用于训练，同时考虑将各个任务上的控制信号用其他任务上的奖励函数进行重标注来增强训练数据集，采用双重鲁棒估计的方法估计重标注后信号的状态价值，最终实现机器人能够通过少量采样自适应解决具有不同目标或不同潜在动力学的机器人控制任务。本发明解决了机器人控制任务中，在不同任务场景下同时存在目标和潜在动力学不同，且存在奖励信号稀疏的问题，增强了机器人控制方法对于不同环境和任务目标的适应能力，为机器人提供了性能更好的控制方法。
-
公开(公告)号：CN110248212B
公开(公告)日：2020-06-02
申请号：CN201910445463.1
申请日：2019-05-27
Applicant: 上海交通大学
IPC: H04N21/238 , H04N21/258 , H04N21/262 , H04N21/442 , H04N21/81 , H04N21/845
Abstract: 本发明提供了一种多用户360度视频流服务器端码率自适应传输方法，在用户端处，将各用户端的网络条件和用户观看信息实时反馈给服务器，并从服务器上下载分配给当前用户的视频流版本；在服务器端处，根据用户端上传的用户观看信息实时预测用户的观看视点变化，同时进行视频帧空间切片可视概率计算，通过用户的实时观看视点计算出每一个空间切片被该用户观看的概率；随后，结合用户的网络条件和空间切片被用户观看的概率，为每一个用户分配合适的视频流码率版本。同时提供了一种多用户360度视频流服务器端码率自适应传输系统。本发明提高了360度视频流传输的带宽利用率，为用户提供更好的视频服务质量。
-
公开(公告)号：CN108551586A
公开(公告)日：2018-09-18
申请号：CN201810211169.X
申请日：2018-03-14
Applicant: 上海交通大学
IPC: H04N21/2662 , H04N21/2343 , H04N21/262 , H04N21/442
Abstract: 本发明提供了一种多用户360度视频流服务器端码率自适应分配方法及系统，所述方法结合服务器处的动态自适应流媒体技术将360度视频流切分为一连串的视频流时间切片，每一个时间切片又切分为多个空间切片，每一个空间切片编码为多个不同码率的版本并缓存，同时兼顾了各个视频时间切片和空间切片之间联合码率-失真性能的差异、每个用户端的网络连接情况、预测观看视野范围、头部运动状态以及视频点播概率分布，采用服务器端码率自适应分配算法确定各个用户所需下载的视频空间切片码率版本，最终实现多用户总体视频观看体验的最大化。本发明提高了360度视频流传输的带宽利用率，为用户提供更好的视频服务质量。
-
公开(公告)号：CN119761531A
公开(公告)日：2025-04-04
申请号：CN202411789975.7
申请日：2024-12-06
Applicant: 上海交通大学
IPC: G06N20/00
Abstract: 本公开提供一种联邦学习方法及系统，其中，方法，应用于客户端，包括：接收服务器端发送的全局控制变量和全局模型；根据全局模型初始化本地模型，确定经过初始化的本地模型；将本地训练数据输入经过初始化的本地模型进行模型训练，确定本地模型的损失函数；根据本地模型的损失函数，基于反向传播和模型差异减少算法对本地模型进行更新处理，确定更新的本地模型；在本地模型进行预设次数的更新处理后，根据末次更新的本地模型和经过初始化的本地模型，确定本地模型改变量。通过本公开，在客户端引入模型差异减少算法，减少模型差异，避免本地模型过拟合，保护数据隐私，提高全局模型的收敛速率。
-
公开(公告)号：CN119204092A
公开(公告)日：2024-12-27
申请号：CN202411340809.9
申请日：2024-09-25
Applicant: 上海交通大学
Abstract: 本发明提供图网络信息度量、鲁棒的图表示学习以及图数据分析方法，主要包括：获取图网络拓扑的邻接矩阵；基于所述邻接矩阵计算所述图网络拓扑的边曲率；将所述边曲率作为图网络信息度量，依据网络信息度量理论判定相关子拓扑是否存在拓扑缺陷。本发明采用边曲率度作为网络信息度量，可以准确实现图拓扑缺陷检测。其鲁棒的图表示学习方法，分别提取所述修改后网络拓扑和修改前网络拓扑的特征表示，整合所述特征表示得到网络拓扑的表示学习结果，可以显著提升基于图神经网络的图表示学习的稳定性和准确性，减少图表示在消息传递过程中的过压缩现象，保证表示学习性能。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.019 seconds)
