公开(公告)号：CN117725971A

公开(公告)日：2024-03-19

申请号：CN202311795213.3

申请日：2023-12-25

Applicant: 电子科技大学

Inventor： 王勇 ,  罗光春 ,  王洁磊 ,  卢亮 ,  廖一傲

IPC: G06N3/063 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0895

Abstract: 本发明公开了一种DPU环境下的图卷积神经网络计算解耦方法及系统，该方法包括如下步骤：在DPU中配置特征变换单元、邻居聚合传播单元和融合单元；将原始GCN网络解耦为特征转换部分和邻居聚合传播部分，并分别部署到特征变换单元和邻居聚合传播单元，进行特征变换并实现传播计算，最终输出最后的聚合信息；将聚合信息导入融合单元，对所聚合的信息特征进行拼接，输出最终计算结果。本发明可在不降低模型效果的前提下，大幅减少GCN的计算时间，该方案可广泛应用于基于GCN的节点分类、目标识别等任务的工业场景。

公开(公告)号：CN119166803A

公开(公告)日：2024-12-20

申请号：CN202411191966.8

申请日：2024-08-28

Applicant: 电子科技大学

Inventor： 卢国明 ,  王洁磊 ,  李可欣 ,  余廷龙 ,  夏乾鑫 ,  罗炼

IPC: G06F16/34 ,  G06F18/25 ,  G06F40/205 ,  G06V30/41 ,  G06V30/42 ,  G06V30/18 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0464

Abstract: 一种基于深度学习的面向多模态数据的摘要生成方法，包括如下步骤：获取新闻样本数据并进行预处理，获得新闻图片及新闻文本描述；通过训练好的基于残差机制的卷积神经网络从新闻图片提取图片特征；通过训练好的BERT‑base模型从新闻文本描述提取文本特征；将图片特征送到训练好的使用Transfomer模块为基础的视觉注意力层，得到图片上下文向量；将文本特征送到训练好的使用双向LSTM为基础的文本注意力层得到文本上下文向量；将图片上下文向量及文本上下文向量输入多模态注意力层，实现文本特征和图片特征的融合；步骤S5：将融合后的特征输入多模态解码器，生成摘要。本发明具有较强的通用性，能够提高信息处理的效率和准确性，为处理大数据提供了新的解决方案。

公开(公告)号：CN119089972A

公开(公告)日：2024-12-06

申请号：CN202411102288.3

申请日：2024-08-12

Applicant: 电子科技大学

Inventor： 卢国明 ,  王洁磊 ,  詹思瑜 ,  杨继超 ,  乐成良 ,  贺学万

IPC: G06N3/092 ,  G06N3/0442 ,  G06N3/045 ,  H04L41/044

Abstract: 一种面向合作导航的多智能体系统通信方法，本发明利用强化学习技术，通过动态通信机制增强智能体间的交流，以提升多智能体系统在自动化控制、机器人协作与智能交通领域的合作导航任务中的稳定性和效率。该方法特别关注智能体之间的合作以及对大规模机器人团队的可扩展性。本发明主要包括智能体系统结构表示，通过聚类和层级关系生成，创建智能体的层级结构，优化信息交流；观察编码与聚合，智能体的观察被编码成通信消息，并通过层级结构进行聚合；动作意图交流，智能体通过编码动作意图并与其他智能体交流，以促进协作和协调；动作生成与奖励计算，基于交流后的聚合信息，生成动作策略，执行动作并计算奖励。本发明用于智能体合作导航任务。

公开(公告)号：CN120030574A

公开(公告)日：2025-05-23

申请号：CN202510190126.8

申请日：2025-02-20

Applicant: 电子科技大学

Inventor： 彭宇 ,  王洁磊 ,  周鑫宇 ,  詹思瑜 ,  卢国明 ,  罗光春 ,  李昊阳

IPC: G06F21/60

Abstract: 本发明提供了一种面向带权二部图匹配的安全冲突检测与消除方法，首先，该方法利用揭序加密来加密二部图权重数据，确保边缘服务器能够在不获得数据明文的前提下进行数据大小的比较；其次，该方法采用秘密共享技术将权重值拆分为两个份额权重值，确保任何边缘服务器在冲突消除的过程中不能获取到完整的权重值；最后，该方法基于贪心算法的思想设计安全的冲突检测与消除算法，通过多边缘服务器协同的方式对冲突进行迭代比较，直到找出最优的分配结果。通过本发明方案，在保证数据安全的情况下，降低了二部图最优匹配的复杂度，极大地提升了匹配效率。

公开(公告)号：CN119005298A

公开(公告)日：2024-11-22

申请号：CN202411013014.7

申请日：2024-07-26

Applicant: 电子科技大学

Inventor： 王勇 ,  王洁磊 ,  罗光春 ,  许毅 ,  张智成 ,  罗裕杰 ,  廖一奥

IPC: G06N3/098 ,  G06N3/048 ,  G06N3/042

Abstract: 本发明公开了一种基于关系学习的异构联邦子图学习方法，包括以下步骤：S1.每个参与方利用本地子图数据训练本地图神经网络；S2.关系学习，服务器生成随机图发送给每个参与方，参与方获取随机图的指定边集的预测概率并上传给服务器，服务器动态学习参与方的子图关系矩阵；S3.知识聚合，服务器平均聚合所有参与方上传的知识并通过子图关系矩阵对知识进行加权聚合，为每个参与方生成个性化知识；S4.更新本地图神经网络；S5.重复执行S1‑S4步骤。本发明实现了子图场景下拥有不同架构的参与方的本地模型的协作训练，并且通过关系学习解决了子图间的数据异质性问题。