公开(公告)号：CN119669933A

公开(公告)日：2025-03-21

申请号：CN202411736044.0

申请日：2024-11-29

Applicant: 哈尔滨工业大学

Inventor： 张浩 ,  侯青莹 ,  沈宝平 ,  刘劼

IPC: G06F18/2431 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/09

Abstract: 本发明公开了一种基于注意力机制的小气候预测方法、系统、设备及介质，包括：获取待预测区域的气象数据，所述气象数据包括待预测区域的历史本地气象数据及周边气象站预报信息；将所述气象数据输入气候预测模型中进行预测分类，得到气候预测数据，其中，所述气候预测模型包括依次连接的特征提取模块、残差连接模块、归一化模块和预测模块，所述特征提取模块包括并行设置的长短期记忆网络模块和注意力模块。本发明所述技术方案能够扩展至其他气象要素的预测，且能够提升预测的准确率。

公开(公告)号：CN116822621A

公开(公告)日：2023-09-29

申请号：CN202310906570.6

申请日：2023-07-24

Applicant: 哈尔滨工业大学

Inventor： 张浩 ,  侯青莹 ,  程思瑶 ,  刘劼

IPC: G06N3/098 ,  G06F18/214

Abstract: 一种基于数据增强的联邦学习方法和系统，涉及联邦学习技术领域。解决针对目前很少有专门针对联邦学习环境进行有效的数据增强的研究,其中典型代表FedMix是将MixUp应用到联邦学习环境中的方法，然而其仅适用于交叉熵损失函数，具有较大的局限性的问题。所述方法包括：计算每个参与方的平均样本；根据所述平均样本构建平均样本集合；参与方将平均样本集合发送给服务器；服务器采用基于邻域扩展的MixUp的联邦学习算法训练样本集合中样本和全局模型，并更新参与方参数；对所述更新的参与方参数进行聚合，得到全局聚合模型的参数。本发明应用于通信领域。