-
公开(公告)号:CN119652582A
公开(公告)日:2025-03-18
申请号:CN202411752061.3
申请日:2024-12-02
Applicant: 重庆邮电大学
IPC: H04L9/40 , H04L9/06 , G06N3/08 , G06F18/23213
Abstract: 本发明涉及一种对抗恶意节点具有鲁棒性的人工智能聚合方法,属于移动通信技术领域。该方法通过改变传统的联邦学习聚合方式,采用几何中位数算法进行全局模型聚合,同时设计异步时间加权机制,对用户陈旧的全局模型参数加以利用,减少恶意节点在某次聚合时由于数量过多而对几何中位数聚合算法造成击穿的概率。设计的算法可以降低全局模型在被恶意节点攻击时受到的影响,具有重要的实际应用价值。
-
公开(公告)号:CN117036979A
公开(公告)日:2023-11-10
申请号:CN202311100150.5
申请日:2023-08-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度学习的人工智能图像识别方法,属于图像处理技术领域。本发明中,采用优化算法对Back Propagation神经网络进行优化。由于群体智能优化算法具有较强的全局收敛能力和较强的鲁棒性,能够很好的弥补神经网络的收敛速度慢和陷入局部最优的缺点,使得整个系统相较于传统的人工神经网络预测法,考虑云高影响的云遮挡预测法能准确判断云团移动对光伏电站的遮挡状况,同时,优化过的长短期记忆网络模型可以满足全气候条件下光伏超短期功率预测的高精度、高效率、高稳定性的应用需求,从而为太阳能光伏的高效经济运行提供了可能,且能有效提高超短期预测的预测精度。
-