-
公开(公告)号：CN113792890A
公开(公告)日：2021-12-14
申请号：CN202111167777.3
申请日：2021-09-29
Applicant: 国网浙江省电力有限公司信息通信分公司 , 浙江捷瑞电力科技有限公司
Abstract: 本公开提供的一种基于联邦学习的模型训练方法及相关设备，应用于边缘计算框架，所述边缘计算框架包括云计算中心和至少一个边缘计算节点，所述云计算中心对各所述边缘计算节点进行管理控制，该方法包括：对所述云计算中心构建中心神经网络模型；对各所述边缘计算节点分别构建边缘神经网络模型；利用训练样本对各所述边缘神经网络模型进行联邦学习并对所述中心神经网络模型进行调整，获得对抗攻击防御全局模型。本公开通过对各边缘计算节点对应的边缘神经网络模型之间进行联邦学习，可以有效在训练过程中防止边缘计算节点的数据泄露，提高边缘计算框架的对抗攻击防御能力。
-
公开(公告)号：CN114330135A
公开(公告)日：2022-04-12
申请号：CN202111667583.X
申请日：2021-12-30
Applicant: 国网浙江省电力有限公司信息通信分公司 , 浙江捷瑞电力科技有限公司
IPC: G06F30/27 , G06K9/62 , G06N20/00 , G06F111/08
Abstract: 本发明提供了一种分类模型构建方法及装置、存储介质及电子设备，该方法包括：确定预设样本集合和每个预设特征维度对应的特征权重，基于预设的集成学习算法进行预测模型的迭代训练，在当前迭代周期中，确定该迭代周期对应的初始模型，和该迭代周期对应的各个训练特征维度所对应的训练样本集合。通过该训练样本集合对该初始模型进行训练，得到该迭代周期对应的预测模型，并更新当前训练特征维度对应的特征权重，以调整下个迭代周期对应的各个训练特征维度。当结束迭代训练过程后，对训练得到的各个预测模型进行组合，得到分类模型。应用本发明的方法，可对用于训练的特征进行调整，采用对分类影响较大的特征进行训练，可提高模型的分类准确度。
-
公开(公告)号：CN113792890B
公开(公告)日：2024-05-03
申请号：CN202111167777.3
申请日：2021-09-29
Applicant: 国网浙江省电力有限公司信息通信分公司 , 浙江捷瑞电力科技有限公司
Abstract: 本公开提供的一种基于联邦学习的模型训练方法及相关设备，应用于边缘计算框架，所述边缘计算框架包括云计算中心和至少一个边缘计算节点，所述云计算中心对各所述边缘计算节点进行管理控制，该方法包括：对所述云计算中心构建中心神经网络模型；对各所述边缘计算节点分别构建边缘神经网络模型；利用训练样本对各所述边缘神经网络模型进行联邦学习并对所述中心神经网络模型进行调整，获得对抗攻击防御全局模型。本公开通过对各边缘计算节点对应的边缘神经网络模型之间进行联邦学习，可以有效在训练过程中防止边缘计算节点的数据泄露，提高边缘计算框架的对抗攻击防御能力。
-
公开(公告)号：CN114330135B
公开(公告)日：2024-08-23
申请号：CN202111667583.X
申请日：2021-12-30
Applicant: 国网浙江省电力有限公司信息通信分公司 , 浙江捷瑞电力科技有限公司
IPC: G06F30/27 , G06F18/214 , G06F18/2431 , G06N20/20 , G06F111/08
Abstract: 本发明提供了一种分类模型构建方法及装置、存储介质及电子设备，该方法包括：确定预设样本集合和每个预设特征维度对应的特征权重，基于预设的集成学习算法进行预测模型的迭代训练，在当前迭代周期中，确定该迭代周期对应的初始模型，和该迭代周期对应的各个训练特征维度所对应的训练样本集合。通过该训练样本集合对该初始模型进行训练，得到该迭代周期对应的预测模型，并更新当前训练特征维度对应的特征权重，以调整下个迭代周期对应的各个训练特征维度。当结束迭代训练过程后，对训练得到的各个预测模型进行组合，得到分类模型。应用本发明的方法，可对用于训练的特征进行调整，采用对分类影响较大的特征进行训练，可提高模型的分类准确度。
-
公开(公告)号：CN113869332A
公开(公告)日：2021-12-31
申请号：CN202111210992.7
申请日：2021-10-18
Applicant: 国网浙江省电力有限公司信息通信分公司 , 浙江捷瑞电力科技有限公司
Abstract: 本申请公开了一种特征选择方法、装置、存储介质和设备，预先获取经由对原始数据进行特征工程所得到的各个特征，并计算各个特征的权重，删除权重小于预设权重阈值的特征。调用预设的适应度函数，对基于各个有效特征初始化得到的粒子群中的每个粒子进行适应度评估，并通过预设粒子群算法，迭代更新每个粒子的位置和速度，得到每个粒子的最终适应度。选取最终适应度最小的特征子集中所包含的有效特征，作为训练特征。将权重小于预设权重阈值的特征进行删除，能够减小后续算法的时间复杂度，此外，适应度函数中综合了特征子集的分类效果和重要性，使得通过预设粒子群算法所选择出的有效特征的效果更优，能够有效提高机器学习模型的计算效率。
-
Patent Agency Ranking
公开(公告)号：CN119596959B
公开(公告)日：2025-04-22
申请号：CN202510135680.6
申请日：2025-02-07
Applicant: 国网浙江省电力有限公司信息通信分公司
Abstract: 本发明公开一种电力机器人的数据采集分析方法及电力机器人，适用于数据采集任务执行时的数据分析与运动控制，数据采集分析方法包括主要步骤：获取电力机器人的活动区域的三维点云数据，对三维点云数据进行分析并得到具有尖锐边缘的障碍物；通过坐标转换和最小距离搜索得到电力机器人与尖锐边缘之间的相对距离值；若判断相对距离值是否小于距离阈值，则根据障碍物的危险度指标和障碍物对电力机器人产生的潜在损伤值计算风险指数；若判断风险指数是否大于风险阈值，则计算避障距离；根据避障距离生成避障轨迹。本发明能够通过数据采集任务执行时获得的采集数据进行实时分析和判断，提高了电力机器人在复杂环境中运行的安全性和可靠性。
-
公开(公告)号：CN119596959A
公开(公告)日：2025-03-11
申请号：CN202510135680.6
申请日：2025-02-07
Applicant: 国网浙江省电力有限公司信息通信分公司
Abstract: 本发明公开一种电力机器人的数据采集分析方法及电力机器人，适用于数据采集任务执行时的数据分析与运动控制，数据采集分析方法包括主要步骤：获取电力机器人的活动区域的三维点云数据，对三维点云数据进行分析并得到具有尖锐边缘的障碍物；通过坐标转换和最小距离搜索得到电力机器人与尖锐边缘之间的相对距离值；若判断相对距离值是否小于距离阈值，则根据障碍物的危险度指标和障碍物对电力机器人产生的潜在损伤值计算风险指数；若判断风险指数是否大于风险阈值，则计算避障距离；根据避障距离生成避障轨迹。本发明能够通过数据采集任务执行时获得的采集数据进行实时分析和判断，提高了电力机器人在复杂环境中运行的安全性和可靠性。
-
公开(公告)号：CN119577790A
公开(公告)日：2025-03-07
申请号：CN202510131246.0
申请日：2025-02-06
Applicant: 国网浙江省电力有限公司信息通信分公司
IPC: G06F21/57 , G06F40/205 , G06F40/253 , G06N3/0985
Abstract: 本申请公开一种软件风险评估方法、装置、存储介质、程序产品及设备，该方法包括：基于待评估软件的代码文件进行解析，得到代码信息，所述代码信息用于指示所述代码文件对应的组件及库函数；基于所述代码信息进行特征提取，得到词向量特征，并根据所述词向量特征确定词向量风险评分；基于所述代码文件，对所述组件进行风险评估得到第一静态特征风险评分，以及，对所述库函数进行风险评估得到第二静态特征风险评分；基于所述第一静态特征风险评分及所述第二静态特征风险评分，确定静态特征风险评分；基于所述词向量风险评分及所述静态特征风险评分，确定总体风险评分，从而能够高效精准地识别出软件中所存在的风险，以提高软件质量和软件安全性。
-
公开(公告)号：CN119536995A
公开(公告)日：2025-02-28
申请号：CN202411536992.X
申请日：2024-10-31
Applicant: 国网浙江省电力有限公司信息通信分公司
IPC: G06F9/50 , G06F11/30 , G06F11/34 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于动态生成策略的算力资源编排方法及系统，所述方法包括实时监控并周期性地采集目标计算机集群中各个虚拟节点的算力资源数据，并基于算力资源数据确定各个业务流的类型数据；根据各个类型数据的到达率设计对应的分布函数，以对每一业务流的CPU系统效率进行分析，得到CPU系统效率数据；将类型数据、算力资源数据、到达率和CPU系统效率数据输入训练好的业务流算力值预测模型，得到业务流的算力需求结果；在将业务流部署至所述目标计算机集群中时，根据算力需求结果进行算力资源的编排调度；从而能够实现算力资源的合理分配和高效调度。
-
公开(公告)号：CN117353396B
公开(公告)日：2024-03-08
申请号：CN202311657385.4
申请日：2023-12-06
Applicant: 国网浙江省电力有限公司信息通信分公司 , 国网浙江省电力有限公司 , 杉数科技(北京)有限公司
IPC: H02J3/46 , H02J3/24 , G06F30/20 , G06F17/10 , G06F111/04
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.081 seconds)
