公开(公告)号：CN120017513A

公开(公告)日：2025-05-16

申请号：CN202510475312.6

申请日：2025-04-16

Applicant: 南京信息工程大学

Inventor： 陈启贤 ,  许小龙 ,  孙嘉阳 ,  崔光明 ,  吴金涛

IPC: H04L41/0894 ,  G06N20/00 ,  H04L41/0895 ,  H04L41/0631 ,  H04L41/16 ,  H04L41/12 ,  H04L45/02

Abstract: 本发明提供了一种动态边缘计算环境下的分层联邦学习优化方法，包括：步骤1，通过动态聚类算法优化由终端设备和聚合节点组成的参与协同训练的设备聚合拓扑，保持稳定设备关系的同时适应设备变化；所述终端设备包括智能手机、物联网终端；所述节点包括边缘服务器、网关；步骤2，基于历史性能数据预测并推荐最优训练频率，实现资源感知的自适应训练调度；步骤3，设备根据自身资源状况动态调整训练轮次，平衡训练强度与时间效率；步骤4，建立分层超时容错机制，在保证训练连续性的同时处理异常设备状况。本发明在动态的边缘计算环境中，对分层模型训练框架中的聚合结构和聚合频率进行动态调整，提升了模型训练的效率和精度。

公开(公告)号：CN119739857A

公开(公告)日：2025-04-01

申请号：CN202510260828.9

申请日：2025-03-06

Applicant: 南京信息工程大学

Inventor： 陈炳翰 ,  许小龙 ,  曹宇新 ,  崔光明 ,  项昊龙 ,  程勇

IPC: G06F16/34 ,  G06F16/31 ,  G06F40/289 ,  G06F40/30 ,  G06N3/045 ,  G06F18/25 ,  G06N3/0464

Abstract: 本发明提供了一种基于多粒度特征融合的代码摘要生成方法，包括：步骤1，对数据集中样本进行预处理操作，获取代码整体语义信息；步骤2，搭建源代码多粒度特征编码器，基于词元序列、抽象语法树和控制流图三种粒度特征的数据规模和数据结构差异，获得各个粒度特征的上下文向量；步骤3，对不同粒度特征编码器的输出实现粒度特征融合；步骤4，将融合后所得到的词元序列融合特征与控制流图融合特征输入到基于Transformer的解码器中，输出当前时间步预测单词，并最终组成摘要。本发明所公开的基于多粒度特征融合的代码摘要生成方法，能有效提取源代码关键特征并尽量减少计算开销，并且有效缓解特征序列的长距离依赖问题。

公开(公告)号：CN119739857B

公开(公告)日：2025-05-09

申请号：CN202510260828.9

申请日：2025-03-06

Applicant: 南京信息工程大学

Inventor： 陈炳翰 ,  许小龙 ,  曹宇新 ,  崔光明 ,  项昊龙 ,  程勇

IPC: G06F16/34 ,  G06F16/31 ,  G06F40/289 ,  G06F40/30 ,  G06N3/045 ,  G06F18/25 ,  G06N3/0464

Abstract: 本发明提供了一种基于多粒度特征融合的代码摘要生成方法，包括：步骤1，对数据集中样本进行预处理操作，获取代码整体语义信息；步骤2，搭建源代码多粒度特征编码器，基于词元序列、抽象语法树和控制流图三种粒度特征的数据规模和数据结构差异，获得各个粒度特征的上下文向量；步骤3，对不同粒度特征编码器的输出实现粒度特征融合；步骤4，将融合后所得到的词元序列融合特征与控制流图融合特征输入到基于Transformer的解码器中，输出当前时间步预测单词，并最终组成摘要。本发明所公开的基于多粒度特征融合的代码摘要生成方法，能有效提取源代码关键特征并尽量减少计算开销，并且有效缓解特征序列的长距离依赖问题。