公开(公告)号：CN119005283A

公开(公告)日：2024-11-22

申请号：CN202411075560.3

申请日：2024-08-07

Applicant: 昆山杜克大学

Inventor： 孙鹏 ,  刘靖 ,  刘洋 ,  杨坤 ,  钱烺 ,  王洪金

IPC: G06N3/084 ,  G06F18/213 ,  G06F18/25 ,  G06F18/2431

Abstract: 本发明公开一种基于特征校准及自适应知识传递的增量学习方法，采集初始数据并通过初始数据训练初始识别模型，通获得训练好的初始识别模型；将初始数据和增量数据合并并输入初始识别模型进行联合训练，训练中通过特征校准网络对初始识别模型的特征表示进行处理和校准，获得校准后的初始识别模型；将校准后的初始识别模型作为教师模型，利用选择的教师模型通过知识蒸馏与自适应传递策略对学生模型进行训练，获得训练好的学生模型；将待检测数据输入训练好的学生模型中，进行类别的识别和分类。本发明不仅提升了增量学习效率，还增强了模型的泛化能力，实现了在类别不断增长的情况下，对新旧知识的高效管理和传递。

公开(公告)号：CN119276895A

公开(公告)日：2025-01-07

申请号：CN202411289871.X

申请日：2024-09-14

Applicant: 昆山杜克大学

Inventor： 孙鹏 ,  刘洋 ,  刘靖 ,  杨坤 ,  钱烺 ,  罗冰

IPC: H04L67/12 ,  H04L67/10 ,  H04L67/1004 ,  H04L67/60 ,  H04L41/16 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/082 ,  G06N5/04 ,  G06F18/2415

Abstract: 本发明涉及一种面向工业物联网的端边云协同智能优化及资源调度方法及系统。所述方法包括：在端设备上利用加速器硬件对模型参数进行稀疏化处理和量化，减少模型的存储和传输需求，同时保持模型的准确性；通过知识提取技术，端设备能够提炼出数据中的关键信息，为后续的数据处理和模型训练提供高质量的输入；通过在边缘设备中部署轻量级的推理模型和路由模型，能够对上传数据进行初步分类，仅将难以处理的数据发送至云端，从而在保持准确性的同时，最大限度地减少总体延迟；通过云端实时对端设备、边缘设备进行性能监测以及带宽分配、任务分割，负责全局的模型优化和资源调度，以实现最优性能。