公开(公告)号：CN118469682A

公开(公告)日：2024-08-09

申请号：CN202410572545.3

申请日：2024-05-10

Applicant: 中国石油大学(华东)

Inventor： 刘宇儒 ,  张卫山 ,  包致成 ,  姚慎韬 ,  张镇 ,  聂宇铭 ,  刘原歌

IPC: G06Q30/08 ,  G06F18/241 ,  G06F21/62 ,  G06Q30/0601

Abstract: 本发明公开了基于VCG竞拍机制的数据资产的价值评估方法，该方法包括以下步骤：将联盟链成员划分为领导者与成员节点后，成员节点利用分类处理器进行预处理，领导者节点获取所有成员上传的数据并生成数据集合，再将集合广播至各个成员节点；成员对其它所有成员的数据根据LSH距离评估器进行出价，生成出价集合；领导者节点利用出价集合生成出价矩阵；将出价矩阵利用KM算法进行多方匹配，得到数据与出价间的最优匹配，得到每个成员数据的最大价值；领导者节点在出价集合中依次删去每个成员节点的出价，再分别进行多方匹配，得到剩余最大价值，计算得到实际价值；根据实际价值来实施对成员的奖惩。有益效果：激励了参与训练的用户，甄别了恶意节点。

公开(公告)号：CN120014337A

公开(公告)日：2025-05-16

申请号：CN202510080813.4

申请日：2025-01-20

Applicant: 中国石油大学(华东)

Inventor： 罗道斌 ,  张卫山 ,  刘原歌 ,  刘宇儒 ,  乔荍

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/09

Abstract: 本发明公开了一种基于超网络的个性化联邦对比学习图像分类方法，该方法包括以下步骤：服务器初始化嵌入网络、超网络和全局类别向量，并下发嵌入网络和全局类别向量至客户端；客户端利用嵌入网络模型提取客户端描述符，并发送至服务器；服务器基于客户端描述符利用超网络模型为客户端生成分类模型，并发送至各客户端；客户端基于本地数据计算本地类别向量，并使用对比学习方式训练分类模型；客户端发送分类模型的更新量和本地类别向量至服务器；服务器更新全局类别向量、嵌入网络和超网络；服务器将训练好的嵌入网络下发至客户端；客户端基于嵌入网络提取客户端描述符，并发送至服务器；服务器基于客户端描述符利用超网络生成分类模型，并发送至各客户端；客户端利用分类模型进行图像分类。有益效果：通过嵌入网络和超网络联合建模、采用对比学习方式本地训练，实现了数据异构场景下图像分类准确率的提升。

公开(公告)号：CN115545223A

公开(公告)日：2022-12-30

申请号：CN202211335052.5

申请日：2022-10-28

Applicant: 中国石油大学(华东)

Inventor： 张卫山 ,  包致成 ,  刘宇儒 ,  刘原歌 ,  彭亿 ,  聂宇铭

IPC: G06N20/20 ,  H04L9/40

Abstract: 本发明提供了一种基于超网络和区块链的个性化联邦学习方法及设备，方法包括：接收联邦中心节点初始化的超模型；初始化节点标识向量,通过区块链网络获取本节点的标签加密向量；输入到超模型,生成本地模型；利用本地数据集训练本地模型,得到训练后的梯度变化，并获取超模型的梯度变化，发送到联邦中心节点并对所有的梯度变化量进行平均,将运用梯度下降的方式更新到超模型中；接收更新后的超模型,重复上述步骤；联邦边缘计算节点获得与自己匹配的个性化层参数,并将获得的个性化层参数融入到本地模型的个性化层中。使用本发明中的方法进行联邦学习，使模型的准确率和持续学习性能大幅提高，并可以提高各联邦边缘节点参与训练的可信性。

公开(公告)号：CN119107504A

公开(公告)日：2024-12-10

申请号：CN202411256100.0

申请日：2024-09-09

Applicant: 中国石油大学(华东)

Inventor： 刘宇儒 ,  张卫山 ,  刘原歌 ,  苗一帆 ,  罗道斌 ,  宋代远 ,  王嘉凯

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/77 ,  G06V10/82 ,  G06V10/94 ,  G06V20/17 ,  G06N3/098 ,  G06N3/084 ,  G06N3/045

Abstract: 本发明公开了一种大小模型融合的无人机图片分类模型生成方法，该方法包括以下步骤：首先，将无人机采集的数据进行数据清洗、正负采样等预处理；在大模型中设计低维特征提取模块提取出低维Embedding，确保Embedding的维度与尺寸一致性；然后,设计高维特征提取模块提取出高维Embedding，通过注意力机制、线性网络等网络使Embedding具有更强的表达与判别能力；将高维Embedding输入到超网络中，超网络使用高维Embedding与预处理后的数据为每个无人机生成图像分类小模型；最后，通过小模型的图片分类结果，大模型分析无人机的运行态势与并生成应对措施；有益效果：提高了无人机图片分类的准确率，又可以提供专业的应对措施。

公开(公告)号：CN118734960A

公开(公告)日：2024-10-01

申请号：CN202310343234.5

申请日：2023-03-31

Applicant: 中国石油大学(华东)

Inventor： 彭亿 ,  刘宇儒 ,  张卫山 ,  包致成 ,  聂宇铭 ,  张镇 ,  刘原歌

IPC: G06N5/04 ,  G06N20/20 ,  G06Q20/38 ,  H04L9/00

Abstract: 本发明公开了基于VCG竞拍机制的数据资产的价值评估方法，该方法包括以下步骤：将联盟链成员划分为领导者节点与成员节点，领导者节点负责整理成员上传的数据集合并将数据转换为矩阵进行处理；成员节点基于数据隐私属性利用分类处理器进行预处理；领导者节点获取所有成员上传的数据并生成数据集合，再将集合广播至各个成员节点，成员对其它所有成员的数据根据LSH距离评估器进行出价，生成出价集合，再将出价集合上传至领导者节点，领导者节点利用所有成员节点的出价集合生成出价矩阵；领导者节点将出价矩阵利用匈牙利算法的优化算法(Kuhn‑Munkres，KM算法)，进行多方匹配，得到数据与出价间的最优匹配，得到每个成员数据的最大价值；领导者节点再在出价集合中依次删去每个成员节点的出价，并分别进行多方匹配，得到剩余最大价值，再利用最大价值减去剩余最大价值得到实际价值。最后根据实际价值来实施成员的激励机制。