“莫梓嘉”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果14个，建议您升级VIP下载更多相关专利

[发明专利]一种神经网络模型训练方法、装置、电子设备及存储介质-CN202110304132.3有效
发明人：高志鹏;苗东;芮兰兰;莫梓嘉;赵晨;林怡静;谭清;付伟 -专利权人：北京邮电大学;北京驱云科技有限公司
申请日： 2021-03-22 - 公布日： 2023-09-26 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例提供的神经网络模型训练方法、装置、电子设备及存储介质，应用于信息技术领域，通过根据预设的多组分割点将待训练的图像分类网络模型分割为多组子网络模型；针对各组子网络模型，通过预设损失函数分别计算对应的损失；针对各组子网络模型，根据计算得到的损失进行联合训练，得到多组待输出子网络模型；针对各组子网络模型，分别计算各待输出子网络模型对应的多项性能参数；根据各组子网络模型对应的多项性能参数，通过预设熵权模型，分别计算各组子网络模型对应的综合性能得分；选取各组子网络模型中综合性能得分最高的一组作为目标子网络模型。可以按照目标子网络模型进行图像分类网络模型的部署，从而提高神经网络部署的便利性。
一种神经网络模型训练方法装置电子设备存储介质

[发明专利]一种基于在线知识蒸馏的卷积神经网络量化方法及装置-CN202310125096.3在审
发明人：高志鹏;莫梓嘉;杨杨;芮兰兰;赵晨;俞新蕾;冯夫腾 -专利权人：北京邮电大学
申请日： 2023-02-16 - 公布日： 2023-06-23 - 主分类号： G06N3/096 文献下载
摘要：本发明提供一种基于在线知识蒸馏的卷积神经网络量化方法及装置，所述方法包括：设置多个组员模型并对各组员模型进行权重量化和激活量化使得输出的预测值精度符合目标精度，将各组员模型的输出加权聚合成总目标，并基于总目标对组长模型进行知识蒸馏，采用总损失函数对组长模型迭代得到目标组长模型。本发明能够减少知识蒸馏时计算资源和计算时间的浪费，同时提高了目标组长模型的精度。
一种基于在线知识蒸馏卷积神经网络量化方法装置

[发明专利]一种联合动态剪枝和条件卷积的卷积神经网络压缩方法及装置-CN202310147699.3在审
发明人：高志鹏;莫梓嘉;芮兰兰;杨杨;赵晨;俞新蕾;冯夫腾 -专利权人：北京邮电大学
申请日： 2023-02-20 - 公布日： 2023-06-23 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供一种联合动态剪枝和条件卷积的卷积神经网络压缩方法及装置，所述方法包括：将训练样本集输入卷积神经网络得到卷积神经网络中各卷积层的输入特征和输出特征，计算每个卷积层各输入特征间的通道显著性相似度和各输出特征间的样本相似度并构建第一总损失函数，采用第一总损失函数对卷积神经网络迭代得到第一轻量化模型和多个第二轻量化模型，当第一轻量化模型的预测值未达到设定阈值，则将各第二轻量化模型的卷积层与第一轻量化模型卷积层的组合系数组合形成集成模型，并输出预测值。本发明能够根据不同的样本数据对模型进行自适应调整和剪枝，实现模型压缩，同时提高了模型效率。
一种联合动态剪枝条件卷积神经网络压缩方法装置

[发明专利]基于语义聚类的联邦无监督图像分类模型训练方法、分类方法及设备-CN202310205865.0在审
发明人：高志鹏;赵晨;杨杨;芮兰兰;莫梓嘉;俞新蕾;熊子健 -专利权人：北京邮电大学
申请日： 2023-03-03 - 公布日： 2023-06-23 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于语义聚类的联邦无监督图像分类模型训练方法、分类方法及设备：获取客户端本地数据集；获取初始模型，包括语义聚类模型和预训练得到的编码器网络；将本地数据集随机增强两次生成两个视图，输入初始编码器网络，提取特征向量并构建对比损失，训练得到编码器网络；将本地数据集输入编码器网络提取特征向量，并提取样本的Top‑K近邻样本，利用预设函数计算样本所属于不同集群的向量值，得到样本的类别；采用本地数据集对初始模型训练，构建聚类损失，以得到初始图像分类模型；基于各客户端模型参数构建设有自标记模块的共享模型，并根据共享模型参数更新初始图像分类模型。本发明提供的图像分类模型准确率高且适用非独立同分布场景。
基于语义联邦监督图像分类模型训练方法设备

[发明专利]基于任务迁移的联邦无监督图像分类模型训练方法、分类方法及设备-CN202310199005.0在审
发明人：高志鹏;赵晨;杨杨;芮兰兰;莫梓嘉;俞新蕾;段应文 -专利权人：北京邮电大学
申请日： 2023-03-03 - 公布日： 2023-06-06 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于任务迁移的联邦无监督图像分类模型训练方法、分类方法及设备：获取包含完整标签和部分标签的本地数据集；获取初始神经网络模型，其包括自适应增量层和深度迁移模块；自适应增量层为在初始神经网络模型的每个卷积层后添加一个全连接层；在深度迁移模块中构建域分类和域混淆的竞争机制，并采用知识蒸馏方法保存相关类别之间的信息；采用本地数据集为模型进行训练，构建域分类损失、域混淆损失和软标签损失的联合损失，并根据分类任务平均精度确定任务优先级，训练得到初始图像分类模型；基于各客户端模型参数构建共享模型，并根据共享模型参数更新初始图像分类模型。本发明提供的图像分类模型精度高且能保留个性化局部模型。
基于任务迁移联邦监督图像分类模型训练方法设备

[发明专利]基于对比学习的联邦少样本图像分类模型训练方法、分类方法及设备-CN202310207512.4在审
发明人：高志鹏;赵晨;芮兰兰;杨杨;莫梓嘉;俞新蕾;杨岩 -专利权人：北京邮电大学
申请日： 2023-03-03 - 公布日： 2023-06-06 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于对比学习的联邦少样本图像分类模型训练方法、分类方法及设备，包括：构建训练集和查询集，为训练集添加真实标签；获取初始模型，该初始模型包括嵌入网络和关系网络；将训练集样本和查询集样本成对输入嵌入网络，提取训练集样本特征图和查询集样本特征图并进行拼接，生成拼接特征图；将拼接特征图输入关系网络计算得到相似度分数，以得到训练集样本的类别；采用本地数据集对初始模型进行训练，并构建均方误差损失，得到初始图像分类模型；基于各客户端模型参数构建共享模型，并根据共享模型参数，采用指数移动平均更新所述初始图像分类模型，得到最终的图像分类模型。本发明提供的联邦学习模型训练简单且适用非独立同分布场景。
基于对比学习联邦样本图像分类模型训练方法设备

[发明专利]一种基于二次搜索的地图寻路方法及装置-CN202110120070.0有效
发明人：高志鹏;杨杨;芮兰兰;黄俊萌;肖楷乐;莫梓嘉 -专利权人：北京邮电大学
申请日： 2021-01-28 - 公布日： 2023-05-02 - 主分类号： A63F13/56 文献下载
摘要：本发明实施例提供了一种基于二次搜索的地图寻路方法及装置，方法包括：确定寻路的起始节点和终止节点；采用预设第一优先函数进行次优搜索寻路，得到第一寻路路径；基于第一寻路路径中节点到目标直线的距离，确定至少一个目标节点，目标节点到目标直线的距离是预设范围内节点到目标直线的距离中的极大值；根据起始节点、目标节点和终止节点进行路径划分，得到多个分段子路径；采用预设第二优化函数进行次优搜索寻路，得到每个分段子路径的第二寻路路径，并将各第二寻路路径依次拼接，得到最终寻路路径。实现在保证较高寻路质量的前提下，减少寻路中需要搜索的节点，提高寻路效率。
一种基于二次搜索地图方法装置

[发明专利]一种联邦学习方法、装置、电子设备及存储介质-CN202110314849.6有效
发明人：高志鹏;邱晨豪;杨杨;张瀛瀚;赵晨;莫梓嘉 -专利权人：北京邮电大学
申请日： 2021-03-24 - 公布日： 2022-08-26 - 主分类号： G06F30/27 文献下载
摘要：本申请实施例提供的联邦学习方法、装置、电子设备及存储介质，应用于深度神经网络模型训练的技术领域，通过初始化并接收各终端发送的共享验证数据和本地模型的模型参数；根据各终端发送的共享验证数据和本地模型的模型参数计算各终端的权重；根据各终端的权重和各终端发送的本地模型的模型参数进行模型聚合；将模型聚合得到的全局模型的模型参数发送至各终端，以使各终端根据接收到的全局模型的模型参数对本地模型的参数进行更新。从而通过根据各终端发送的共享验证数据和本地模型的模型参数计算各终端的权重，根据计算得到的权重进行模型聚合，从而可以考虑各个终端的差异，避免由于数据分布不均，导致的计算效率下降的问题，提高计算的效率。
一种联邦学习方法装置电子设备存储介质

[发明专利]基于车联网的联邦学习方法、路边单元、车辆节点和基站-CN202210007360.9在审
发明人：高志鹏;莫梓嘉;杨杨;刘立民 -专利权人：北京邮电大学
申请日： 2022-01-04 - 公布日： 2022-05-13 - 主分类号： G06N3/04 文献下载
摘要：本申请提供基于车联网的联邦学习方法、路边单元、车辆节点和基站，方法包括：在主从多链的车联网系统中接收自身当前所属的从链中的各个车辆节点发送的第一交易数据，根据各个第一交易数据分别获取预存储在对应的各个车辆节点本地的模型训练数据；对各个模型训练数据进行全局聚合及共识处理以生成第二交易数据；自主从多链的车联网系统中将第二交易数据发送至自身所属的主链中的基站，以使该基站根据接收到的各个第二交易数据聚合得到对应的联邦学习全局模型。本申请能够在增强车辆数据的安全共享和隐私保护的同时，有效避免单点故障并降低通信消耗及成本，并能够提高采用车联网进行联邦学习过程中的通信效率，实现高效的分布式模型共享。
基于联网联邦学习方法路边单元车辆节点基站

[发明专利]基于差分隐私法的联邦学习方法及装置-CN202111447012.5在审
发明人：高志鹏;杨杨;芮兰兰;段应文;赵晨;莫梓嘉;林怡静 -专利权人：北京邮电大学
申请日： 2021-11-30 - 公布日： 2022-04-15 - 主分类号： G06N20/00 文献下载
摘要：本申请实施例提供基于差分隐私法的联邦学习方法及装置，其中的基于差分隐私法的联邦学习方法包括：基于当前接收的用于进行联邦学习的多份训练数据中任一份对应的阶段完成信号，开始监测目标周期内的信号接收情况数据；若监测到目标周期内的信号接收情况数据满足预设的半同步训练规则，则获取目标周期内接收的各个阶段完成信号各自对应的阶段训练结果数据，并基于差分隐私法及各个阶段训练结果数据训练目标模型。本申请能够在为目标模型的联邦学习过程提供差分隐私保护的前提下，有效避免掉队者效应的干扰，避免计算资源的浪费并能够提高目标模型的收敛速度，进而能够有效提高目标模型的训练效率及应用及时性。
基于隐私联邦学习方法装置

[发明专利]数据摘要生成方法、模型训练方法、相关装置及系统-CN202111452498.1在审
发明人：高志鹏;芮兰兰;杨杨;杨岩;赵晨;莫梓嘉;林怡静;俞新蕾 -专利权人：北京邮电大学
申请日： 2021-11-30 - 公布日： 2022-04-15 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例提供数据摘要生成方法、模型训练方法、相关装置及系统，其中的数据摘要生成方法包括：根据接收的全局模型的模型参数以及本地的训练数据所属的模型训练贡献层级，自适应生成本地的训练数据对应的数据摘要，其中，本地的训练数据与多份非本地的训练数据分布式设置，且各份训练数据各自所属的模型训练贡献层级为预先对各份训练数据分别进行分层聚类而得；输出本地的训练数据对应的数据摘要以基于各份训练数据各自对应的数据摘要共同训练全局模型。本申请能够有效提高生成数据摘要的针对性及自适应性，并能够提高数据摘要在分布式学习过程中的有效性及可靠性，进而能够有效提高使用数据摘要训练得到的全局模型的应用有效性及准确性。
数据摘要生成方法模型训练相关装置系统

[发明专利]面向边缘集群的并行计算方法和系统-CN202111467489.X在审
发明人：高志鹏;芮兰兰;孙山;张黎明;莫梓嘉 -专利权人：北京邮电大学
申请日： 2021-12-02 - 公布日： 2022-04-15 - 主分类号： G06F9/50 文献下载
摘要：本发明提供一种面向边缘集群的并行计算方法和系统，方法包括：获得边缘集群中各计算设备的计算能力；将包括主分支和子分支的多层卷积神经网络按多融合层块方式划分为多个多融合层块，根据获取的各计算设备的计算能力向各个计算设备分配与其计算能力对应的工作负载，在各个计算设备执行主分支中多融合层块的计算而到达子分支时，保存当前主分支的计算结果，基于当前主分支的计算结果由各个计算设备执行当前位置的子分支的卷积层，由计算能力最强的计算设备执行全连接层并依据执行结果获得输入样本的熵值并将该熵值与预设的置信度阈值的比较结果确定继续执行主分支还是退出计算。本发明能优化在资源受限的设备上执行现有大型神经网络的效果。
面向边缘集群并行计算方法系统

[发明专利]一种边缘计算节点信任评估方法、装置、设备及存储介质-CN201910615229.9有效
发明人：高志鹏;赵文思;杨杨;芮兰兰;肖楷乐;莫梓嘉;夏晨曦 -专利权人：北京邮电大学
申请日： 2019-07-09 - 公布日： 2021-05-28 - 主分类号： G06F21/57 文献下载
摘要：本发明实施例提供了一种边缘计算节点信任评估方法、装置、设备及介质，应用于边缘节点，方法包括：基于当前任务对各个资源项的各个需求值，和待评估节点拥有的各个资源项各个当前值，计算待评估节点完成当前任务的能力信任值；基于针对待评估节点的历史概率记录，计算对所述待评估节点的第一直接信任值；获取与待评估节点在同一域内的边缘服务器发送的对待评估节点的间接信任值；基于能力信任值、直接信任值和间接信任值，计算对待评估节点的综合信任值。可见，应用本发明实施例，获取对待评估节点的能力信任值、直接信任值和间接信任值，获得综合信任值，可以全面对待评估节点进行信任评估，防止恶意节点参与计算任务，提高任务运行成功率。
一种边缘计算节点信任评估方法装置设备存储介质

[发明专利]面向车辆自组网的移动边缘数据上传方法及系统-CN202010010806.4有效
发明人：高志鹏;郑新月;杨杨;芮兰兰;谭清;肖楷乐;莫梓嘉 -专利权人：北京邮电大学
申请日： 2020-01-06 - 公布日： 2021-03-02 - 主分类号： H04W4/46 文献下载
摘要：本发明实施例提供了面向车辆自组网的移动边缘数据上传方法及系统，请求上传数据的车辆向所属车辆簇的簇首车辆发送数据上传请求；簇首车辆接收数据上传请求，从多个路边单元中，确定响应数据上传请求的目标路边单元，规划请求上传数据的车辆与目标路边单元间的传输路径，并向请求上传数据的车辆反馈传输路径；请求上传数据的车辆根据传输路径上的车辆数目，将待上传数据划分为多个数据段，并将各数据段发送至传输路径上的各车辆；传输路径上的各车辆分别向目标路边单元发送不同的数据段。应用本发明，利用传输路径上的各车辆将数据上传到目标路边单元，可以减轻簇首车辆所承担的数据流量压力，提高车辆的数据上传效率。
面向车辆组网移动边缘数据上传方法系统

1
共 14 条