公开(公告)号：CN117875454B

公开(公告)日：2024-06-21

申请号：CN202410159303.1

申请日：2024-02-04

Applicant: 广东工业大学

Inventor： 詹伟德 ,  杨宝瑶 ,  方志祥 ,  李东哲 ,  胡子逸 ,  吴恺盈

IPC: G06N20/00 ,  G06F18/214 ,  G06F18/23213

Abstract: 本发明提供一种基于多级智联的数据异构性联邦学习方法及存储介质，该方法的核心步骤包括动态聚类和级联优化过程，一方面，各客户端根据模型最新的梯度更新信息实时动态聚类，通过簇内模型整合减少在整合过程中模型性能过度波动；各客户端将模型最新的梯度更新信息传递给服务器后，服务器根据梯度更新信息进行实时动态聚类划分，实现逻辑分组，可有效避免因客户端模型更新而导致聚类效果不佳的问题；另一方面，结合动态聚类划分的结果，使客户端进行组内串行训练、组间并行训练，最后通过分组的代理客户端将模型上传至服务器进行全局聚合；该级联优化方式能够实现在数据异构情形下模型精度和训练时间的权衡。

公开(公告)号：CN117875454A

公开(公告)日：2024-04-12

申请号：CN202410159303.1

申请日：2024-02-04

Applicant: 广东工业大学

Inventor： 詹伟德 ,  杨宝瑶 ,  方志祥 ,  李东哲 ,  胡子逸 ,  吴恺盈

IPC: G06N20/00 ,  G06F18/214 ,  G06F18/23213

Abstract: 本发明提供一种基于多级智联的数据异构性联邦学习方法及存储介质，该方法的核心步骤包括动态聚类和级联优化过程，一方面，各客户端根据模型最新的梯度更新信息实时动态聚类，通过簇内模型整合减少在整合过程中模型性能过度波动；各客户端将模型最新的梯度更新信息传递给服务器后，服务器根据梯度更新信息进行实时动态聚类划分，实现逻辑分组，可有效避免因客户端模型更新而导致聚类效果不佳的问题；另一方面，结合动态聚类划分的结果，使客户端进行组内串行训练、组间并行训练，最后通过分组的代理客户端将模型上传至服务器进行全局聚合；该级联优化方式能够实现在数据异构情形下模型精度和训练时间的权衡。

公开(公告)号：CN118747327A

公开(公告)日：2024-10-08

申请号：CN202410891927.2

申请日：2024-07-04

Applicant: 广东工业大学

Inventor： 梁金庆 ,  孙宇平 ,  吴恺盈 ,  凌捷

IPC: G06F18/243 ,  G06F18/24 ,  G06F18/23 ,  G06N3/042 ,  G06N3/0464 ,  G06F18/214 ,  G16B40/00 ,  G06F18/22 ,  G16C20/70 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种基于图表征和样本学习的微生物‑药物关联预测方法，包括构建基于矩阵分解和引导聚类算法的预分类模型，并利用预分类模型从微生物‑药物关联二分图中筛选可靠负样本；利用微生物‑药物异质图和可靠负样本构建训练集和测试集，用训练集训练基于图卷积网络和图注意力网络的编码模型，利用训练好的编码模型获取训练集和测试集的最终图节点的表征；建立带偏置的随机森林分类模型，用训练集的图节点表征拟合带偏置的随机森林分类模型，将测试集的图节点表征输入带偏置的随机森林分类模型后，获取预测分数。本发明能够解决现有微生物‑药物关联预测模型存在假阴性和筛选负样本的方法可能导致过拟合等问题。