-
公开(公告)号：CN118036779A
公开(公告)日：2024-05-14
申请号：CN202410168739.7
申请日：2024-02-06
Applicant: 电子科技大学
Abstract: 本发明公开了一种异构数据下具有拜占庭鲁棒性的轻量级安全联邦学习方法，包括以下步骤：S1，构建全局模型的目标函数；S2，建立全局模型的安全协同计算的系统模型；S3，拟定多个用于系统模型的安全计算协议；S4，在安全计算协议下，利用系统实现用户安全计算本地梯度和双服务器协同计算梯度聚合，从而完成全局模型的协同训练。通过上述设计，本发明利用用户本地模型与全局模型的二范数作为本地目标函数的惩罚项，以约束本地梯度过于发散，提高在Non‑IID场景下恶意梯度和真实梯度的区分度。
-
公开(公告)号：CN118586771A
公开(公告)日：2024-09-03
申请号：CN202410739615.X
申请日：2024-06-07
Applicant: 电子科技大学
IPC: G06Q10/0639 , G06F18/21 , G06F18/214 , G06F40/30
Abstract: 本发明公开了一种基于链路预测的产业链抵抗能力和恢复能力评估方法，包括将产业链网络图抽象成隐性异构图，然后利用路径编码模块和语义编码模块实现隐藏信息提取，提取的信息被输入上下文调节模块进行差异化的处理，最后在完整性评估模块，完成链路预测任务，计算产业链抵抗能力和恢复能力得分。本发明还提供了基于链路预测的产业链抵抗能力和恢复能力评估模型，包括路径编码模块、语义编码模块、上下文调节模块和完整性评估模块。本发明在真实的产业链数据集上进行了链路预测实验评估，相比其他常用的图神经网络方法具有更优的性能，验证了其在处理隐性异构图中链路预测任务上的有效性。
-
公开(公告)号：CN118114989A
公开(公告)日：2024-05-31
申请号：CN202410340914.6
申请日：2024-03-25
Applicant: 电子科技大学
IPC: G06Q10/0635 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种图神经网络的产业链风险评估方法，本发明提出了图神经网络的产业链风险评估模型。首先针对企业关系的复杂多样，基于产业链异质图，设计结合多种语义和图加权融合的公司关系图生成模块，通过对转化后的多图加权融合，实现对链内企业的关系的高效转化；针对链内企业节点特征数据缺失的问题，设计基于节点拓扑和注意力机制的图嵌入补全模块，结合风险传递的特点，对缺失节点风险嵌入进行自适应补全和学习。基于图注意力网络，设计风险评估模块，结合节点网络结构和风险特征，实现节点风险评估。本发明提出的ICRE‑AC模型在准确率，F1分数等方面均优于现有模型，能够对产业链节点进行准确评估，对产业链健康发展具有重要意义。
-
公开(公告)号：CN117333017A
公开(公告)日：2024-01-02
申请号：CN202311350731.4
申请日：2023-10-18
Applicant: 电子科技大学
IPC: G06Q10/0635 , G06Q10/04 , G06F18/241 , G06N3/048 , G06N3/042 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于HKTGNN的产业链风险评估与预测模型，包括数据获取模块、预处理模块、图嵌入编码器GEE模块、基于中心性的跨域自适应特征补充器CCAFC模块、基于中心性的域自适应消息传递DCAMP模块和域可转移分类器DTC模块。本发明还提供该产业链风险评估与预测方法。本发明通过基于层次结构的分层处理，将传统构建的有向异构图转换为图规模更小的产品网络同质有向图，减少了单个图的计算时间和内存消耗，有效地节约了计算资源；并通过特征嵌入和特征补充，提高了模型的性能。同时，基于领域差异特征补充和消息传递的中心性，解决了数据饥饿问题。
-
-
-
Search Results
4
records
(took 0.016 seconds)
