-
公开(公告)号：CN116306323A
公开(公告)日：2023-06-23
申请号：CN202310566397.X
申请日：2023-05-19
Applicant: 中南大学
Abstract: 本申请适用于联邦学习和数字孪生技术领域，提供了一种数字孪生模型的确定方法、装置、终端设备及介质，通过构建初始数字孪生模型，并初始化模型参数，得到初始数字孪生模型参数；针对每个工业设备，根据初始数字孪生模型参数，构建初始本地模型，并对初始本地模型进行训练，得到最终本地模型；根据最终本地模型的模型参数，得到每个工业设备的全局得分，并根据全局得分，确定联邦工业设备；对所有联邦工业设备的最终本地模型的模型参数进行聚合，得到初始全局模型；基于强化学习，对初始全局模型中的网络结构进行更新，得到最终全局模型；基于联邦学习，得到目标任务对应的最终数字孪生模型。本申请能提高数字孪生模型的准确性。
-
公开(公告)号：CN116258420A
公开(公告)日：2023-06-13
申请号：CN202310526625.0
申请日：2023-05-11
Applicant: 中南大学
IPC: G06Q10/0639 , G06N20/20
Abstract: 本申请适用于联邦学习及数字孪生技术领域，提供了一种产品质量检测方法、装置、终端设备及介质。包括采集目标产品的工序组成数据；计算每个边缘节点的权重；根据所有边缘节点的权重，得到最大设备连接数，并对所有边缘节点进行分组，得到多个边缘节点分组；根据每个边缘节点的可靠性和边缘节点的权重，确定边缘节点分组的领导者节点，并通过领导者节点，将设备信息和产品信息存储到区块链；每个工业设备的学习质量确定联邦学习设备，并根据设备信息和产品信息，进行本地模型训练，得到本地数字孪生模型；计算本地数字孪生模型的全局残差，得到全局数字孪生模型；利用全局数字孪生模型进行质量检测。本申请能提高产品质量检测的准确性。
-
公开(公告)号：CN116258420B
公开(公告)日：2023-08-01
申请号：CN202310526625.0
申请日：2023-05-11
Applicant: 中南大学
IPC: G06Q10/0639 , G06N20/20
Abstract: 本申请适用于联邦学习及数字孪生技术领域，提供了一种产品质量检测方法、装置、终端设备及介质。包括采集目标产品的工序组成数据；计算每个边缘节点的权重；根据所有边缘节点的权重，得到最大设备连接数，并对所有边缘节点进行分组，得到多个边缘节点分组；根据每个边缘节点的可靠性和边缘节点的权重，确定边缘节点分组的领导者节点，并通过领导者节点，将设备信息和产品信息存储到区块链；每个工业设备的学习质量确定联邦学习设备，并根据设备信息和产品信息，进行本地模型训练，得到本地数字孪生模型；计算本地数字孪生模型的全局残差，得到全局数字孪生模型；利用全局数字孪生模型进行质量检测。本申请能提高产品质量检测的准确性。
-
公开(公告)号：CN116306323B
公开(公告)日：2023-08-08
申请号：CN202310566397.X
申请日：2023-05-19
Applicant: 中南大学
Abstract: 本申请适用于联邦学习和数字孪生技术领域，提供了一种数字孪生模型的确定方法、装置、终端设备及介质，通过构建初始数字孪生模型，并初始化模型参数，得到初始数字孪生模型参数；针对每个工业设备，根据初始数字孪生模型参数，构建初始本地模型，并对初始本地模型进行训练，得到最终本地模型；根据最终本地模型的模型参数，得到每个工业设备的全局得分，并根据全局得分，确定联邦工业设备；对所有联邦工业设备的最终本地模型的模型参数进行聚合，得到初始全局模型；基于强化学习，对初始全局模型中的网络结构进行更新，得到最终全局模型；基于联邦学习，得到目标任务对应的最终数字孪生模型。本申请能提高数字孪生模型的准确性。
-
-
-
Search Results
4
records
(took 0.016 seconds)
