公开(公告)号：CN119236258A

公开(公告)日：2025-01-03

申请号：CN202411483298.6

申请日：2024-10-23

Applicant: 同济大学 ,  上海市东方医院(同济大学附属东方医院)

Inventor： 李甜 ,  胥武剑 ,  陈荣璋 ,  杨俊賜 ,  闫巧云 ,  王洁

IPC: A61M16/06 ,  A61M16/20 ,  A61B1/273

Abstract: 本发明公开了一种气管镜无创面罩，涉及无创面罩技术领域，包括面罩主体，所述面罩主体的正面中心固定连接有气管镜入口，且气管镜入口的前侧螺纹连接有封堵盖帽，所述气管镜入口的侧壁底部中心设置有进气口，所述面罩主体的背侧固定连接有接触垫卡座，且接触垫卡座的后侧插接固定有环形接触垫，通过设置的面罩主体，面罩主体佩戴在患者口部位置，通过能过设置的气管镜入口，气管镜入口前侧的封堵盖帽能够在不取下面罩主体的情况下直接做床旁气管镜，操作上更方便，做气管镜的效率也能提高，减少患者做气管镜期间动脉血二氧化碳分压升高的风险，降低患者做气管镜期间意外的发生率，面罩的加工上比较简便。

公开(公告)号：CN119090990A

公开(公告)日：2024-12-06

申请号：CN202411212859.9

申请日：2024-08-30

Applicant: 同济大学

Inventor： 邓浩 ,  杨孟臻 ,  王洁 ,  范鸿飞

IPC: G06T11/00 ,  G06V20/10 ,  G06V20/70 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/084

Abstract: 本发明涉及一种基于遥感预测和风格迁移的城市规划生成方法，该方法包括：对原始图像进行特征提取出待规划区域的空间信息，作为第一生成条件；根据第一生成条件调控以遥感数据集训练的图像生成网络，获得所述第一生成条件下的遥感预测图像；对所述遥感预测图像进行特征提取得到第二生成条件，将第二生成条件和第一生成条件组合后作为第三生成条件，根据第三生成条件调控以城市规划数据集训练的图像生成网络，将遥感预测图像风格迁移至城市规划图像，输出目标城市规划图像。与现有技术相比，本发明具有精准性高、通用性好、高效稳定等优点。

公开(公告)号：CN118710364A

公开(公告)日：2024-09-27

申请号：CN202410834836.5

申请日：2024-06-26

Applicant: 同济大学

Inventor： 赵生捷 ,  钱思伟 ,  王洁

IPC: G06Q30/0601 ,  G06F18/21

Abstract: 本发明涉及一种基于主动学习的商品推荐方法和介质，包括以下步骤：获取推荐系统新用户在主动学习阶段生成的用户交互数据，据此进行商品推荐；其中，基于量化推荐相关性判断推荐系统新用户是否需要退出主动学习，所述量化推荐相关性基于当前评分预估结果与初始评分预估结果的差异进行计算，所述初始评分预估结果基于推荐系统初始用户交互数据计算，所述当前评分预估结果基于推荐系统新用户对待评分项目的评分计算。与现有技术相比，本发明既可以确保推荐系统生成高质量的推荐结果，同时又可以避免用户因为主动学习阶段冗长而弃用推荐系统。

公开(公告)号：CN118297191A

公开(公告)日：2024-07-05

申请号：CN202410526729.6

申请日：2024-04-29

Applicant: 同济大学

Inventor： 赵生捷 ,  谷奕勋 ,  王洁 ,  陈伟超

IPC: G06N20/20 ,  G06F18/214 ,  H04L67/12

Abstract: 本发明涉及一种基于混合训练的分层联邦学习训练方法及装置。该方法建立云服务器‑子网联邦学习训练框架，初始化全局模型，每个子网包括通信连接的边缘服务器和多个用户设备；利用全局模型初始化边缘模型，利用线行与并行混合的训练范式分别训练各子网内部的多个用户模型，聚合训练好的各用户模型，更新相应的边缘模型，每个用户模型设于相应的用户设备中，每个边缘模型设于相应的边缘服务器中；定期聚合所有更新后的边缘模型，更新全局模型。与现有技术相比，本发明具有缓解子网内部的能耗压力、降低物联网设备间数据和算力的异构性等优点。

公开(公告)号：CN117714301A

公开(公告)日：2024-03-15

申请号：CN202311471219.5

申请日：2023-11-07

Applicant: 同济大学

Inventor： 赵生捷 ,  王洁 ,  谷奕勋

IPC: H04L41/14 ,  H04L41/16 ,  H04L67/12

Abstract: 本发明涉及一种联邦学习模型训练方法、装置及介质，所述方法包括以下步骤：建立物联网场景层级结构模型，所述物联网场景层级结构模型包括服务器层、子网层和用户层；建立用户能源消耗模型；设置优化目标，所述优化目标包括物联网层级结构模型训练目标和能源友好目标；子网内的用户进行局部串行训练，得到代表子网的服务器模型；所有子网的服务器模型进行全局并行训练，聚合得到最终的全局模型。与现有技术相比，本发明降低了训练过程中的通信轮次和能耗，同时缓解了数据异构性和能源通信资源限制性带来的性能影响，适用于节点能源受限的家庭物联网环境。

公开(公告)号：CN117131537A

公开(公告)日：2023-11-28

申请号：CN202310969161.0

申请日：2023-08-02

Applicant: 同济大学

Inventor： 朱亚萍 ,  王洁 ,  王俊元

IPC: G06F21/62 ,  G06F21/60 ,  G06F21/71 ,  G06N20/00

Abstract: 本发明属于人工智能安全领域，提出了一种联邦学习中基于秘密共享的模型聚合方法，包括如下步骤：步骤1，中心服务器选取参与迭代训练的客户端，并下发一个初始全局模型参数；步骤2，在每轮迭代训练中，中心服务器为每个参与本轮训练的客户端分配一个非零参数，客户端将本轮训练出的本地模型参数构建成关于这些非零参数的秘密多项式；步骤3，每个客户端将秘密多项式值发送给其它客户端，客户端将所有与自身非零参数相关的多项式值相加，并将得到的和值传给中心服务器；步骤4，中心服务器构建方程组，求解得到本轮训练的聚合模型参数。本方法能够有效防止客户端本地模型被其他方获取，降低客户端本地数据被泄露的风险。

公开(公告)号：CN116188192A

公开(公告)日：2023-05-30

申请号：CN202211622739.7

申请日：2022-12-16

Applicant: 同济大学

Inventor： 王洁 ,  韩丰夏 ,  邓浩

IPC: G06Q50/00 ,  G06F16/9536 ,  G06F17/16

Abstract: 本申请实施例涉及社交媒体网络信息传播技术领域，特别涉及一种负面信息传播影响范围的估计方法、系统、设备及介质，该方法包括：基于节点交互频率，生成网络拓扑图；基于网络拓扑图，得到每个节点的状态；状态包括易感态、感染态和免疫态；基于每个节点的状态，获取处于同一状态的节点的集合，并基于集合，估计信息的传播强度；信息包括正面信息和负面信息；基于信息的传播强度，获取信息的影响范围；基于信息的影响范围，计算负面信息在与其对应的正面信息同时传播的条件下在不同时刻的影响范围。本申请实施例提供的负面信息传播影响范围的估计方法，降低了估计难度，同时提高了估计结果的精度。

公开(公告)号：CN102572982B

公开(公告)日：2014-09-17

申请号：CN201010578589.5

申请日：2010-12-08

Applicant: 同济大学

Inventor： 王新红 ,  刘富强 ,  张国霞 ,  王洁 ,  承楠

IPC: H04W36/14 ,  H04W36/32

Abstract: 一种用于异构车辆通信网络的多属性切换判决方法，其包括以下步骤：切换管理实体读取领域网络报告缓存实体中候选网络的信息，并计算候选网络的覆盖区域直径；移动预测信息管理实体获取移动用户的位置信息和速度信息，并发送给切换管理实体；估计移动用户在各邻居接入网络中的可能驻留时间、吞吐量，吞吐量比不进行切换时的吞吐量高的候选网络加入备选列表；切换管理实体根据服务质量要求使用层次分析法确定最优的目标接入网络；等当前接入网络信号强度下降到阈值时发送切换执行命令进行切换。本发明避免了车辆在行驶通过异构接入网络覆盖区域时的不必要切换，减少了切换时延并保证了通信的连续性。

公开(公告)号：CN119808889A

公开(公告)日：2025-04-11

申请号：CN202411787719.4

申请日：2024-12-06

Applicant: 同济大学

Inventor： 王洁 ,  单超

IPC: G06N3/098 ,  G06F18/214 ,  G06F18/2431 ,  G06F17/18 ,  G06N3/084

Abstract: 本申请涉及联邦学习技术领域，具体而言，涉及一种面向增量数据的个性化联邦学习方法及装置，一定程度上可以解决传统联邦学习在处理增量数据和个性化能力方面的不足的问题。该方法包括：在模型训练过程中引入权重衰减正则项，通过对模型参数施加正则化约束，防止模型过拟合，提升模型的泛化能力，通过融合元学习的思想，利用内外循环机制进行模型训练，在外循环中进行个性化算法的迭代，使得模型能够更快适应新的增量数据，提高训练效率和模型性能，提高了模型的实时性和适应性，通过个性化算法迭代，使得每个客户端的模型都能根据自身特性进行优化，提升模型在不同客户端上的适配性和准确性。

公开(公告)号：CN116319188A

公开(公告)日：2023-06-23

申请号：CN202310194623.6

申请日：2023-03-02

Applicant: 同济大学

Inventor： 韩丰夏 ,  邓浩 ,  王洁

IPC: H04L25/02

Abstract: 本发明涉及一种感知辅助的大规模MIMO时变信道半盲估计方法，包括：通感双功能MIMO基站的通信模块接收来自多个用户的上行通信数据，利用大规模MIMO矩阵的低秩特性，实现基于低秩矩阵完备的信道初始化；通感双功能MIMO基站的感知模块接收多个目标的反射回波信号，利用求根MUSIC算法实现对信道矢量参数AoA/AoD的有效估计，进而辅助修正信道初始值；通感双功能MIMO基站以时分复用模式依次执行信道估计和目标感知，结合前一周期获取的信道修正值，利用半盲检测方法实现对后续信道和负载数据的联合估计。与现有技术相比，本发明能够有效降低导频开销、降低求解计算复杂度，且能提高信道估计精度。