-
公开(公告)号：CN114971819A
公开(公告)日：2022-08-30
申请号：CN202210309611.9
申请日：2022-03-28
Applicant: 东北大学
Abstract: 本发明公开一种基于多智能体强化学习算法在联邦学习下的用户竞价方法及装置，方法包括：获取联邦学习平台发布的学习任务，样本客户端利用强化学习算法向联邦平台上传竞标信息，平台通过算法选取样本客户端后下向被选中的样本客户端下发全局共享模型，被选中的样本客户端进行本地训练并上传更新参数，平台将上传的更新模型参数按照聚合算法进行聚合并对全局模型中的模型参数进行更新。以完成联邦学习平台发布的学习任务，此方法在实现联邦学习参与用户的动态竞价的同时缓解了模型的过拟合，解决了现有基于拍卖的激励机制由于用户提交竞价策略后，用户竞价策略在后续训练过程中不会发生改变而导致联邦学习公平性缺失以及模型过拟合的问题。
-
公开(公告)号：CN116051784A
公开(公告)日：2023-05-02
申请号：CN202310028532.5
申请日：2023-01-09
Applicant: 东北大学
Abstract: 本发明公开了一种基于网格形变的单目三维重建方法及装置，本发明涉及基于机器学习的三维重建技术领域，其中包括：获取目标物体的第一点集和初始三维网格的第二点集；计算第一点集与第二点集之间的最近距离关系；根据最近距离关系，确定第二点集中各点对应的查询频率；基于查询频率，分别对第二点集和第一点集进行更新，得到更新后的第二点集和更新后的第一点集；计算更新后的第一点集与更新后的第二点集之间的倒角距离，并基于计算的倒角距离，对初始三维网格进行形变；重复对初始三维网格的形变迭代过程，直至达到预设迭代次数时，输出最终的三维网格数据。通过应用本申请的技术方案，能够减少三维网格的自相交情况，保证网格拓扑结构的合理性。
-
公开(公告)号：CN115358831A
公开(公告)日：2022-11-18
申请号：CN202211120985.2
申请日：2022-09-15
Applicant: 东北大学
Abstract: 本发明公开一种基于多智能体强化学习算法在联邦学习下的用户竞价方法及装置，方法包括：获取联邦学习平台发布的学习任务，样本客户端利用强化学习算法向联邦平台上传竞标信息，平台通过算法选取样本客户端后下向被选中的样本客户端下发全局共享模型，被选中的样本客户端进行本地训练并上传更新参数，平台将上传的更新模型参数按照聚合算法进行聚合并对全局模型中的模型参数进行更新。以完成联邦学习平台发布的学习任务，此方法在实现联邦学习参与用户的动态竞价的同时缓解了模型的过拟合，解决了现有基于拍卖的激励机制由于用户提交竞价策略后，用户竞价策略在后续训练过程中不会发生改变而导致联邦学习公平性缺失以及模型过拟合的问题。
-
-
Search Results
3
records
(took 0.012 seconds)
