公开(公告)号：CN119358638A

公开(公告)日：2025-01-24

申请号：CN202411369670.0

申请日：2024-09-29

Applicant: 福建师范大学 ,  福建省工业信息产业发展研究中心

Inventor： 江磊 ,  李睿 ,  林晖 ,  汪晓丁 ,  周倩 ,  陈虹

IPC: G06N3/098 ,  G06N3/0495 ,  G06F18/214 ,  G06F18/241 ,  G06F18/213

Abstract: 本发明提供一种基于异构联邦的模型性能优化方法，包括步骤：服务器将全局模型、全局原型和全局知识发送给选定的客户端，每个客户端使用全局模型初始化本地模型；在每个客户端上，利用全局原型、全局知识与本地样本计算损失函数，并进行梯度下降，执行epoch轮次后得到的本地模型，并计算本地原型与本地知识；训练完成后，客户端将本地模型、本地原型与本地知识上传到服务器。服务器聚合这些本地模型、本地原型与本地知识，形成全局模型、全局原型和全局知识，判断是否达到收敛条件或预定的训练轮数，是则结束训练，否则返回执行下一轮训练。本发明可以有效解决原型学习技术中存在的类间特征堆叠、原型偏移、类内特征堆叠的问题。

公开(公告)号：CN117744764A

公开(公告)日：2024-03-22

申请号：CN202311751430.2

申请日：2023-12-19

Applicant: 福建师范大学 ,  中国热带农业科学院热带生物技术研究所

Inventor： 汪晓丁 ,  阙友雄 ,  林晖 ,  江磊 ,  叶滨滨

IPC: G06N3/0985 ,  G06N3/098 ,  G06N3/084 ,  G06N3/0499

Abstract: 本发明公开一种基于超网络的联邦元学习方法，包括以下步骤：客户端获取个性化信息和全局模型，组合形成个性化元模型；客户端进行本地元学习训练，训练完成后微调模型差和全局模型差发送到服务器；服务器收到客户端发送的模型差异和微调模型差异后，发起对超网络和全局模型的更新。本发明通过超网络生成用户对应个性化信息，服务器将超网络生成的个性化信息与全局模型相结合，为用户创建个性化元模型，从而充分利用其对用户分布的泛化能力，使用户在微调后能够更快地适应其本地数据分布。

公开(公告)号：CN117315603A

公开(公告)日：2023-12-29

申请号：CN202311166638.8

申请日：2023-09-11

Applicant: 福建师范大学

Inventor： 汪晓丁 ,  林晖 ,  刘建敏 ,  镇子航 ,  江磊 ,  林铖彧

IPC: G06V20/56 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明公开了一种基于视觉融合进行精确运动预测的多模态时空模型，包括：输入编码器模块：分别对轨迹和地图进行编码，并通过特征融合将轨迹和地图的特征整合在一起；空间‑时间交互模块：通过采用空间‑时间交叉注意力机制来提取车辆轨迹之间的空间‑时间交互行为，并通过一个门控机制输出优化后的结果；轨迹解码器模块：利用线性残差层生成多模态轨迹，接收来自空间‑时间交互模块的优化输出，并为车辆预测多个可能的轨迹；以捕捉车辆之间的时空相互作用，并利用道路的地理结构提高预测准确性。

公开(公告)号：CN118569355A

公开(公告)日：2024-08-30

申请号：CN202410655018.9

申请日：2024-05-24

Applicant: 福建师范大学 ,  中国热带农业科学院热带生物技术研究所

Inventor： 汪晓丁 ,  阙友雄 ,  许力 ,  赵敏 ,  吴期滨 ,  江磊

IPC: G06N3/098 ,  G06N3/045

Abstract: 本发明公开一种基于动量对齐技术的异构联邦学习方法，包括步骤：s1服务器将当前轮次的全局模型、全局动量发送给经过随机采样后的客户端；s2在每个选中的客户端上，使用经过全局动量加速后的全局模型作为本地模型的初始化。然后计算总体损失函数，并对初始化后的本地模型进行一定轮次的梯度下降。最后将经过梯度下降后的本地模型上传服务器；s3服务器聚合客户端上传的本地模型得到下一轮的全局模型，并计算下一轮的全局动量。本发明有效地解决了分布式学习中数据异质性导致的模型偏移问题并提高了模型的泛化性。