-
公开(公告)号：CN116702925A
公开(公告)日：2023-09-05
申请号：CN202310737415.6
申请日：2023-06-21
Applicant: 重庆大学
Abstract: 本发明涉及一种基于事件触发机制的分布式随机梯度优化方法及系统，属于机器学习及数据处理技术领域。该方法包括以下步骤：S1、搭建一个无向强连通网络；S2、对智能体变量进行初始化设置；S3、采用事件触发机制进行分布式随机梯度优化。本发明提供的基于事件触发机制的分布式随机梯度优化方法和系统采用事件触发机制，即每个智能体只有在其触发时刻才与它的邻接智能体通信，且无Zeno行为，从而避免了智能体间的实时通信，提高了通信效率，节省了通信开支，对实际的网络系统也有更强的鲁棒性和容错性，具有广阔的应用前景。
-
公开(公告)号：CN117792928A
公开(公告)日：2024-03-29
申请号：CN202311622195.9
申请日：2023-11-30
Applicant: 重庆大学
IPC: H04L41/14 , H04L41/142
Abstract: 本发明涉及一种有向网络环境下基于双重跟踪的鲁棒去中心化随机算法及系统，属于信息通信技术领域。该算法和系统针对现有技术中的以下问题：1)现有的大多数去中心化算法中，信息通过有向网络传输信息，可能会导致的网络不平衡问题；2)日益增加的大规模数据，使得已有算法的鲁棒性受到挑战。提出了一种有效的分布式随机优化算法——RDSA‑DTDN算法，该算法基于梯度跟踪和盈余跟踪双重跟踪技术解决了网络的不平衡问题和在网络层面采样引起的误差，并且通过引入带移动平均的方差缩减技术在降低节点层面随机采样误差的同时带来更好的鲁棒性。
-
公开(公告)号：CN117118723A
公开(公告)日：2023-11-24
申请号：CN202311158210.9
申请日：2023-09-08
Applicant: 重庆大学
IPC: H04L9/40
Abstract: 本发明涉及一种保护隐私的分布式零阶对偶平均在线优化方法及系统，属于信息通信技术领域。本方法针对时变有向网络中具有共同约束集的分布式在线优化目标，通过使用零阶梯度而不是计算真正的次梯度信息来适应目标函数未知的情形。一方面，本方法通过构造行随机矩阵并利用辅助变量对零阶梯度进行重新标度，克服时变有向网络引起的不平衡性问题；另一方面，本方法通过采用差分隐私策略来保证正常参与节点的隐私。本发明提供的方法和系统可以很好地优化大规模机器学习问题，并且具有较好的有效性，具有广阔的应用前景。
-
公开(公告)号：CN119477871A
公开(公告)日：2025-02-18
申请号：CN202411607944.5
申请日：2024-11-12
Applicant: 重庆大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明涉及一种基于扩散模型的医学图像异常检测方法，属于医学图像异常检测领域。该方法包括：S1：获取医学图像，包括健康样本和异常样本；S2：构建Mem‑DDPM模型，包括扩散模型块和记忆模块；S3：训练Mem‑DDPM模型：以无监督的方式只使用健康样本同时训练扩散模型和记忆模块；S4：在测试中，固定记忆模块的参数不变，将待检测医学图像输入至训练好的Mem‑DDPM模型，筛选出待检测图像中的异常地方。本发明能提高医学图像异常检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119622583A
公开(公告)日：2025-03-14
申请号：CN202411723980.8
申请日：2024-11-28
Applicant: 重庆大学
IPC: G06F18/2433 , G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094 , G06N3/088
Abstract: 本发明涉及一种基于AE‑GAN的ECG异常检测方法，属于人工智能领域。该方法构建并训练AE‑GAN用于ECG异常检测，训练网络模型分为：编码器训练阶段，AE‑GAN仅在正常ECG样本上训练，利用对抗损失和重构损失来优化编码器、生成器和判别器；编码器包括通道注意力模块和记忆模块。分类器训练及检测阶段，AE‑GAN利用训练好的编码器从真实样本中提取低维特征，并添加弱随机高斯噪声生成伪正常样本，添加强随机高斯噪声生成伪异常样本；分类器使用二元交叉熵损失函数进行训练，以区分正常样本与伪异常样本；测试时，训练好的分类器使用编码器提取的特征来检测数据是否出现异常。
-
公开(公告)号：CN119622679A
公开(公告)日：2025-03-14
申请号：CN202411692195.0
申请日：2024-11-25
Applicant: 重庆大学
IPC: G06F21/30 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/09
Abstract: 本发明涉及一种基于多级内存增强自编码器持续身份认证方法，属于持续认证技术领域，包括以下步骤：S1：收集用户行为数据；S2：对用户行为数据进行归一化处理；S3：构建基于VAE的数据增强模型，利用归一化数据进行训练；S4：构建基于MulMemAE的数据重构模型，利用归一化数据与VAE增强数据进行训练；S5：将实时收集并归一化的用户行为数据输入训练后的数据重构模型，以重构用户行为数据；S6：将重构的用户行为数据与输入的用户行为数据进行比较，计算重构误差；S7：将重构误差与预设阈值进行比较，若误差低于预设阈值，则用户为合法用户；反之用户为冒名者，要求用户重新登录。
-
公开(公告)号：CN119336508A
公开(公告)日：2025-01-21
申请号：CN202411466578.6
申请日：2024-10-21
Applicant: 重庆大学
Abstract: 本发明涉及一种隐私保护的分布式加速资源分配方法及系统，属于信息通信技术领域。该方法和系统结合参数化分布式动量法与推‑拉分布式资源分配算法，实现有向网络中的加速资源分配；通过状态分解方案将隐私相关变量分解为两个变量，一个变量用于信息交互，另外一个与隐私直接相关的变量用于本地更新，从而保护隐私，并采用差分隐私策略在通信中引入噪声扰动以进一步增强隐私保护。本发明算法专为复杂网络场景设计，适用于智能电网、能源管理等需要隐私保护和高效资源分配的应用，展现出在分布式优化中的广泛适用性和创新性，具有广阔的应用前景。
-
公开(公告)号：CN117812616A
公开(公告)日：2024-04-02
申请号：CN202410024620.2
申请日：2024-01-08
Applicant: 重庆大学
Abstract: 本发明涉及一种带宽受限场景下的量化分布式自适应在线优化方法及系统，属于信息通信技术领域。本方法和系统同时将随机量化器和自适应梯度算法结合到分布式在线算法中，能够在带宽受限的场景下实现算法自适应收敛。本发明提供的技术方案不仅克服了现有技术中在分布式在线优化算法领域带宽受限的问题，还克服了学习率对算法收敛性显著影响的问题。
-
公开(公告)号：CN116938561A
公开(公告)日：2023-10-24
申请号：CN202310908201.0
申请日：2023-07-24
Applicant: 重庆大学
IPC: H04L9/40
Abstract: 本发明涉及一种使用零和结构扰动实现隐私保护的分布式对偶平均推送优化方法，属于信息通信技术领域。本方法针对现有的去中心化算法中，信息通过有线或无线通信网络连续传输，可能会导致正常节点的敏感的私有信息泄露的问题，提出一种有效的分布式优化算法——ZS‑DDAPush算法，该算法同时将零和结构函数和状态扰动嵌入到分布式对偶平均推送算法中，能够在不影响优化性能的情况下实现隐私保护。本方法不仅克服了现有技术中差分隐私方案在优化精度方面的问题，还解决了加密隐私方案在执行成本方面的问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
