一种基于社会综合治理业务需求的描述方法

    公开(公告)号:CN116777139A

    公开(公告)日:2023-09-19

    申请号:CN202310583597.6

    申请日:2023-05-23

    Abstract: 一种基于社会综合治理业务需求的描述方法,涉及及电子信息系统技术领域。采用该治理系统完成社会综合治理业务需求的描述方法,提高社会综合管理的工作效率,保证处理事件的完成性。所述治理系统包括基础单元、数据单元、筛选单元、分析单元和配置单元;所述基础单元用于为所述治理系统提供基本运行环境;所述数据单元用于为所述治理系统提供数据支撑功能;所述筛选单元用于对所述数据单元中的数据进行筛选,得出社会需求信息;所述分析单元用于对所述社会需求信息进行分析;所述配置单元用于调取所述数据单元中的信息为所述社会需求信息提供资源配置。本发明适用于社会综合问题的治理。

    一种面向联邦分类学习的公平感知激励方法

    公开(公告)号:CN119006896A

    公开(公告)日:2024-11-22

    申请号:CN202411011291.4

    申请日:2024-07-26

    Abstract: 本发明提出一种面向联邦分类学习的公平感知激励方法,包括:步骤1:服务端初始化全局原型;步骤2:客户端初始化本地模型参数,利用全局原型,结合本地私有数据进行训练,更新本地模型参数和本地原型;步骤3:客户端将更新后的本地模型参数和本地原型上传至服务端;步骤4:对接收到的本地模型参数进行质量检测,生成边缘激励;步骤5:利用边缘激励和更新后的本地原型进行聚合,得到共识原型;步骤6:进行原型级别聚合,获取新的全局原型;步骤7:重复步骤2‑6,直至达到最大循环次数,输出最终的全局原型和每个客户端的个性化模型。本发明能更好地缓解数据异质性和类别不平衡对模型精度的影响,确保协作公平并激励高质量客户参与联邦学习。

    一种面向图像分类的个性化联邦学习方法

    公开(公告)号:CN119006895A

    公开(公告)日:2024-11-22

    申请号:CN202411011148.5

    申请日:2024-07-26

    Abstract: 本发明提出一种面向图像分类的个性化联邦学习方法,包括:步骤1:基于服务器初始化全局原型#imgabs0#步骤2:将初始化后的全局原型发送至客户端;步骤3:客户端初始化本地模型参数#imgabs1#将本地数据集随机划分,对全局原型进行更新,获取更新后的模型参数和本地原型;步骤4:客户端保留更新后的模型参数,并将更新后的本地原型上传至服务器;步骤5:服务器对所有客户端上传的本地原型进行聚合,生成新的全局原型;步骤6:重复步骤2‑6,将每次得到的全局原型发送至客户端进行更新,直至达到最大循环次数,输出最终的全局原型。本发明能够更好地缓解数据异质性对模型精度产生的影响,获得更高的分类准确率,大大降低客户端与服务器之间的通信成本。

Patent Agency Ranking