一种考虑用户竞争和负载的大模型辅助边缘任务卸载方法

    公开(公告)号:CN116916386A

    公开(公告)日:2023-10-20

    申请号:CN202310964905.X

    申请日:2023-08-02

    Abstract: 本发明属于移动边缘计算和任务卸载领域,公开了一种考虑用户竞争和负载的大模型辅助边缘任务卸载方法,具体步骤包括:使用集成大模型辅助处理数据信息;根据用户与边缘服务器的信息构建任务卸载模型;基于该模型提出最小化用户能耗的优化目标;对用户进行任务优先级排序;通过引入分布式思想以及负载均衡创造性地设计出了一种分布式任务计算卸载(DTCO)算法用以求解任务卸载问题;最后根据卸载策略处理所有任务并将结果返回用户。本发明可以有效改善用户之间的竞争并使得边缘服务器资源分配更加合理,从而降低系统的总能耗。

    一种考虑储能系统退化的微电网能量交易方法及系统

    公开(公告)号:CN117172963A

    公开(公告)日:2023-12-05

    申请号:CN202311011185.1

    申请日:2023-08-11

    Abstract: 本发明属于微电网能量交易领域,涉及一种考虑储能系统退化的微电网能量交易方法及系统,方法包括数据收集;问题模型建立;根据建立的模型和所收集到的数据构建考虑储能系统退化的微电网能量交易模型的强化学习环境;在DDQN算法的基础上引入自注意力机制、竞争框架和噪声网络,得到一种基于自注意力机制的双深度Q网络算法,用以求解模型;输出最优交易策略;各微电网按照最优交易策略进行交易,达到效益最大化;本发明构建考虑储能系统退化的能量交易模型,并且设计了基于自注意力机制的双深度Q网络算法来求解模型,能够在实时调整交易策略的过程中进行学习和优化,使模型能够适应不同的运行环境和需求,最大化微电网系统效益。

    基于边缘计算和区块链的医疗数据处理方法及系统

    公开(公告)号:CN116319817A

    公开(公告)日:2023-06-23

    申请号:CN202310279262.5

    申请日:2023-03-21

    Abstract: 本发明提供了一种基于边缘计算和区块链的医疗数据处理方法及系统,所述方法主要包括以下步骤:数据采集,收集不同患者的资料;特征提取,从获得的数据中识别与患者状态相关的特征;患者状态监测,利用识别的特征检测患者状态的主要变化,确定和区块链网络共享的数据;数据发送者将数据以交易的形式上传到附近的区块链管理器;区块链管理器根据事务的紧急程度,对收集到的事务分配不同的优先级和通道;区块链管理器作为验证器的管理者,将未验证的块分发给选定的验证器;验证器进行验证,触发验证器之间的共识过程,并将验证过的块插入区块链中。本发明能够有效实现大规模的医疗数据处理,减轻网络负载和快速响应紧急事件。

    一种基于轻量化模型的高效个性化联邦学习系统及方法

    公开(公告)号:CN118839751B

    公开(公告)日:2025-03-21

    申请号:CN202410836828.4

    申请日:2024-06-26

    Abstract: 本发明属于联邦学习领域,公开了一种基于轻量化模型的高效个性化联邦学习系统及方法,在本地训练过程中将批归一化层(BN层)集成到卷积神经网络模型,并保留该层部分参数私有使客户端保留其本地数据的个性化特征,利用基于通道权重的模型剪枝技术压缩模型,服务器端综合考量客户端的数据量、数据多样性和参与度等因素,采用基于信誉值的综合权重分配原则进行客户端权重分配,并基于该权重进行加权聚合,使用结合自适应学习率调整机制和Nesterov动量的Nadam优化算法更新全局模型。本发明可以有效提高模型收敛的速度和精度,降低通信成本,增强模型的公平性、鲁棒性和个性化能力。

    一种基于轻量化模型的高效个性化联邦学习系统及方法

    公开(公告)号:CN118839751A

    公开(公告)日:2024-10-25

    申请号:CN202410836828.4

    申请日:2024-06-26

    Abstract: 本发明属于联邦学习领域,公开了一种基于轻量化模型的高效个性化联邦学习系统及方法,在本地训练过程中将批归一化层(BN层)集成到卷积神经网络模型,并保留该层部分参数私有使客户端保留其本地数据的个性化特征,利用基于通道权重的模型剪枝技术压缩模型,服务器端综合考量客户端的数据量、数据多样性和参与度等因素,采用基于信誉值的综合权重分配原则进行客户端权重分配,并基于该权重进行加权聚合,使用结合自适应学习率调整机制和Nesterov动量的Nadam优化算法更新全局模型。本发明可以有效提高模型收敛的速度和精度,降低通信成本,增强模型的公平性、鲁棒性和个性化能力。

    基于区块链与生成式对抗网络的机器生成文本检测方法及系统

    公开(公告)号:CN117371049A

    公开(公告)日:2024-01-09

    申请号:CN202311166903.2

    申请日:2023-09-08

    Abstract: 本发明提供一种基于区块链与生成式对抗网络的机器生成文本检测方法及系统,该方法通过获取包括文本训练数据和相应的类别标签的文本分类数据集;训练基于生成式对抗网络的机器生成文本检测模型;将训练后的基于生成式对抗网络的机器生成文本检测模型部署到区块链系统中;将接收的待分类文本作为输入,训练后的基于生成式对抗网络的机器生成文本检测模型进行分类预测,获得分类结果;区块链系统将记录分类结果到区块链上;区块链系统返回分类结果给用户;本发明能够实现对真实文本与对抗性文本进行高准确性的分类,并通过区块链技术保证数据的安全性与可信度。

    一种自动化智能活动图生成方法
    8.
    发明公开

    公开(公告)号:CN116483314A

    公开(公告)日:2023-07-25

    申请号:CN202310018314.3

    申请日:2023-01-06

    Abstract: 本发明公开一种自动化智能活动图生成方法,包括:步骤1,利用语法规则以及神经网络技术对预先获取的需求文本进行规范化,获得规范化后的需求文本;步骤2,使用预先训练获得的AT‑SRnn模型以及依存句法分析的方法对规范化后的需求文本进行处理,获得活动对象以及需求文本词语之间的依存关系;步骤3,利用需求文本词语之间的依存关系和活动图元素识别规则,从需求文本中提取UML元素;步骤4,利用UML元素和活动对象,生成活动图。本发明提出了一种名为GASR的模型做同义词替换,提高了活动图生成的准确性,同时引入AT‑SRnn模型识别活动对象;本发明先对需求文本进行规范化处理,然后根据处理过的需求文本生成活动图,可以提高活动图生成的准确性。

Patent Agency Ranking